浅谈几种藏医秘方的临床疗效

讲述藏医“桑门”热疗法、“火美”点穴疗法及“甲青”涂泥疗法的临床疗效及其制作方法。     

青海南部高原藏区生态旅游资源空间承载力研究

通过实地调查以及征求专家意见,利用面积法、线路法分别对青海南部高原藏区5处生态旅游景区,即勒巴沟、文成公主庙、新寨玛尼石城、隆宝滩、尕尔寺峡谷的生态旅游资源的空间承载量进行测算,以期为该地生态旅游的可持续发展以及生态环境的保护提供科学依据。结果表明,由于海拔高,生态环境原始脆弱,青海南部高原藏区的生态旅游环境承载力相对较小,5个景区的日承载力为533～1 344 人,年均承载力为79 950～201 600人。目前各旅游景点还有很大的发展空间,在将来的可持续发展过程中要考虑到景区外的交通条件,提高景区的可进入性。     

荞麦蜂花粉多糖A的分离及其降血糖活性

对荞麦蜂花粉粗多糖进行分离鉴定并检测纯化多糖的降血糖活性。利用DEAE-52离子交换柱、HW-55F、Sephacryl S-400凝胶柱对荞麦蜂花粉粗多糖进行分离,得到一个单一组分多糖A。利用STZ糖尿病小鼠模型检测多糖A的降血糖活性并通过核磁方法对其进行~1H-NMR、~(13)C-NMR和~(135)DEPT-NMR分析。结果表明:与高血糖模型组相比,多糖A高、低剂量组的STZ糖尿病小鼠空腹血糖值都显著降低(P0.01,P0.01),降低率分别为18.46%、15.11%,并提高糖尿病小鼠糖耐量。初步推测多糖A主链是(1→6)-β-葡萄糖组成的,在侧链上连有氨基酸。     

构建我校基于web的大学物理虚拟实验教学平台的研究

随着计算机技术和多媒体技术的发展,虚拟实验的应用变得越来越普及,充分利用我校现有优势资源建立大学物理网络虚拟实验平台,一定会提高我校大学物理实验教学水平.介绍在实验教学中应用网络虚拟实验的必要性,初步设计基于网络虚拟的大学物理实验系统教学模式,探讨系统在实验教学中的作用.     

一款大学生心理咨询预约平台的设计与实现

近几年来的新冠肺炎疫情对大学生的身心健康等方面产生了一定的影响,由此“大学生心理咨询预约平台”以解决心理问题为目的,使用最短的时间解决最大的问题,该平台有五个不同的角色,分别为学生、初访员、心理咨询师助理、心理咨询师和超级管理员,其中学生预约心理咨询师和初访员对学生提交的信息审核,心理咨询助理给学生安排心理咨询师,心理咨询师收到通知后通过线下给学生咨询并将咨询后结果录入和申请咨询延长,超级管理员管理账号等功能。系统使用两种算法,一种排课算法：对咨询师的时间安排的算法;另一种推荐算法根据不同心理问题推荐不同的心理知识。     

基于定向耦合器的新型短波功率检测器的设计

本文根据定向耦合器原理及其特性,设计了一种大功率、宽频带的新型短波功率检测器,给出了电路原理、设计方法以及注意事项,并对其参数进行了实际测试,测试结果满足设计要求。经过实际应用,验证了设计方法的可行性。     

洋甘菊抑制酪氨酸酶活性成分研究

研究了罗马洋甘菊乙醇提取物对蘑菇酪氨酸酶活性的影响并对有效成分进行分离纯化。实验中以L-酪氨酸为底物,空白对照,采用比色法测定了罗马洋甘菊乙醇提取物不同乙醇浓度的洗脱物对蘑菇酪氨酸酶的抑制作用。结果表明:MCI30%(体积分数)乙醇浓度洗脱物对酪氨酸酶活性的抑制率最灵敏。该部分洗脱物经MCI、ODS-A柱分离,得到了3个单体化合物:山奈酚-3-O-β-D-吡喃葡萄糖苷、异鼠李素-3-O-β-D-吡喃葡萄糖苷、山奈酚-3-O-(6"-3-羟基-3-甲基-戊二酰基)-β-D-吡喃葡萄糖苷。     

ArcGIS-Excel软件在石台县水土流失统计中的应用

本文通过ArcGIS、Excel软件对石台县土壤侵蚀情况分别按照小流域和乡镇进行统计、分析、计算。运用ArcGIS软件中的tif配准与shp转化、相交、导出等功能,对多个矢量图上的数据进行相交、计算、导出数据,再利用Excel中的“筛选”“多条件排序”“SUMIFS函数”对数据进行处理,最终统计出石台县128个小流域和8个乡镇的土壤不同侵蚀强度等关键数据。统计的结果准确、可靠,可以为石台县水保规划提供有效数据支撑。     

基于判别式分类和重排序技术的藏文分词

本文提出一种基于判别式模型的藏文分词方法,重点研究最小构词粒度和分词结果重排序对藏文分词效果的影响。在构词粒度方面,分别考察了以基本字丁、基本字丁－音节点、音节为最小构词粒度对分词效果的影响,实验结果表明选定音节为最小构词粒度分词的F值最高,为91.21%;在分词结果重排序方面,提出一种基于词图的最短路径重排序策略,将判别式解码生成的切分结果压缩为加权有向图,图中节点表示音节间隔,而边所覆盖的音节作为候选切分并赋予不同权重,选择一条最短路径从而实现整句切分,最终分词结果的F值达到96.25%。     

基于神经网络的藏文正字检错法

在缺乏标注数据的条件下,该文将藏文正字检错任务视为一个分类问题: 首先从语言学知识中构建音节混淆子集并给每个原句加噪,然后建立深层双向表征的BERT作为分类模型,最后为了证明该方法的有效性,构建两个基线模型和三种不同领域的测试集,实验结果表明,该方法的结果优于两个基线模型。该文方法在相同领域测试集上句子分类的正确率达到93.74%,不同领域测试集上也能达到83.6%。对错误音节的识别率为74.53%,同时对无错误音节的误判率只有2.30%。