前言:想要寫出一篇令人眼前一亮的文章嗎?我們特意為您整理了5篇落下的眼淚范文,相信會為您的寫作帶來幫助,發(fā)現(xiàn)更多的寫作思路和靈感。
我知道,這個問題好幼稚。就是一滴輕盈的淚,一滴水而已,常常就是一瞬間,電視里面的主角幾分鐘就可以留完,你又合必問,一滴眼淚,落下的時間。
可是人越是長大,就越是不懂釋放。不會再放聲大笑,也不會再嗷嚎大哭。一滴眼淚在留下之前,可能已經(jīng)在心底醞釀了很久,甚至落下之前,就已經(jīng)悄然蒸發(fā)。
喜歡在陽光下收集松樹的脂油。那一滴滴的清澈似乎不會蒸發(fā),也毫無掩飾。那些挺拔在寒冷徹骨的冬天沒有哭,卻在陽光下盡顯軟弱。難道釋放傷感的出口一定是溫暖的么?
女孩和男朋友分手了。經(jīng)歷了6年的感情,兩個人平靜友好順理成章的讓人吃驚。一群朋友本來是要安慰她的??墒撬齾s笑人家太八卦。你們干嘛把電影里面的傷感離別當(dāng)成現(xiàn)實呢?女孩照樣天天實驗,上自習(xí),看書,活的滋潤而充實。原以為她會趁著畢業(yè)離開這個城市??伤孟癖确质智斑€容光煥發(fā),繼續(xù)分手前計劃,考博,一個學(xué)校。
然后一天冷餐會,幾個死黨開玩笑對著蠟燭許愿,又把蠟燭放的老遠(yuǎn),說這樣都能吹滅方能如愿以償。幾個人嘻嘻哈哈都成功了,輪到了她的時候,偏偏那燭火頑強起來,如何奄奄一息都能死灰復(fù)燃,在那里般的搖曳,于是眾人起哄說你沒戲了死心吧……
她的眼淚一瞬間噴涌出來,滾滾而下,還在兀自拼命吹著不肯罷休。我從來沒有見過這樣一種洶涌的哭泣,那不是在流淚,簡直是飛流直下三千尺,仿佛她身體里的水突然絕堤。
她就那樣淚如泉涌的哭了很久,終于承認(rèn),她還喜歡他,她是在悄悄不爭氣的許愿,可以破鏡重圓。
她一直辛苦的忍著忍著,不愿那么軟弱,不想給人同情的借口,她不愿,讓他以為她沒有了他就不行。
于是那么多悲傷的水,就在心里長久的堆積。她其實一直在流淚的,只是我們看不見,它暗暗流淌了那么長時間,終于在那一刻可以,一瀉千里。
其實哭了又能怎樣,擦干眼淚依然不得不獨自承擔(dān),何必浪費時間?
一個手永遠(yuǎn)冰冷的女孩說,已經(jīng),懶得哭了。
我又有多久懶得哭了呢?這樣一個中午,惡夢醒來之后。有點涼,陰天了。我端著茶杯在陽臺上看。耳朵里響著House Carpenter,我就一直那么站著,莫名其妙的傷感,難得有這樣一個時刻,氣氛如此陰郁,世界如此安靜,我一個人站著傷感,在冷空氣的侵襲下有些瑟瑟發(fā)抖。我對自己說不如就現(xiàn)在吧,煽情一把,然后沒有猶豫沒有醞釀,淚就真的來了,心也開始尖銳的痛了,仿佛所有的感覺,突然間復(fù)蘇了。
【關(guān)鍵詞】 類風(fēng)濕關(guān)節(jié)炎;證候;BP神經(jīng)網(wǎng)絡(luò);非線性建模
證候是一個非線性復(fù)雜系統(tǒng),中醫(yī)證候的診斷過程,實質(zhì)上是由臨床收集到的各種癥狀,通過分析歸納,獲得證型診斷的過程,這個過程,可以看作是一個從觀察指標(biāo)到證型診斷的非線性映射過程,用非線性數(shù)學(xué)模型可以充分模擬。基于黑箱結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANN)具有強大的非線性擬合能力,能夠任意精度逼近非線性函數(shù),因此,我們將其用于類風(fēng)濕關(guān)節(jié)炎(rehumatoid arthritis,RA)證候的非線性建模研究。
1 臨床資料
本研究采用中國中醫(yī)科學(xué)院望京醫(yī)院提供的765例RA臨床證候資料。參考《中藥新藥臨床研究指導(dǎo)原則(試行)》[1]、文獻整理結(jié)果及專家經(jīng)驗,制定臨床觀察表。共觀察183個癥狀、體征,每個癥狀按無、輕、中、重分別記為0、1、2、3分;并同時給出肝腎不足證、寒濕阻絡(luò)證、瘀血阻絡(luò)證、氣血兩虛證、痰瘀阻絡(luò)證、陰虛內(nèi)熱證、熱毒蘊結(jié)證、寒熱錯雜證、脾腎陽虛證等10個基本證型的診斷。從上述病例中抽取臨床癥狀和證型診斷構(gòu)成樣本集合,作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和測試樣本。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中,癥狀向量作為神經(jīng)網(wǎng)絡(luò)的輸入向量,證型診斷分別對應(yīng)網(wǎng)絡(luò)的輸出向量。
2 研究方法
2.1 數(shù)據(jù)預(yù)處理及病例分組
先對所有數(shù)據(jù)進行歸一化處理,使處理后的輸入輸出信息均在(0,1)區(qū)間。對上述數(shù)據(jù)進行主成分分析,主成分的選擇標(biāo)準(zhǔn)定為95%。數(shù)據(jù)經(jīng)過主成分分析,前98個主成分的貢獻率涵蓋了總共183個指標(biāo)的95.035%的信息,故我們?nèi)∏?8個主成分作為進一步分析的指標(biāo)。通過主成分分析,輸入向量從183個減至98個。可見原始數(shù)據(jù)有很大的冗余。
將765例樣本隨機分為A、B、C 3組,每組255例。依次選取其中兩組作為訓(xùn)練集,另一組作為測試集,共循環(huán)3次。
2.2 建立基于共軛梯度下降算法的類風(fēng)濕關(guān)節(jié)炎證候BP網(wǎng)絡(luò)模型
2.2.1 類風(fēng)濕關(guān)節(jié)炎證候BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
在MATLAB7.0環(huán)境下,建立基于共軛梯度下降算法的三層前向BP神經(jīng)網(wǎng)絡(luò)模型。該模型包括輸入層、隱層和輸出層,其中輸入層包含183個輸入神經(jīng)元;隱層有2個,各包含100個神經(jīng)元;輸出層包含10個輸出神經(jīng)元。兩個隱層之間通過正切S型傳遞函數(shù)(tansig)連接,隱層與輸出層之間用對數(shù)S型傳遞函數(shù)(logsig)連接。設(shè)定該網(wǎng)絡(luò)的系統(tǒng)誤差小于0.01,最大迭代次數(shù)500次。
2.2.2 類風(fēng)濕關(guān)節(jié)炎證候BP網(wǎng)絡(luò)的輸出方式
將具有肝腎不足證、寒濕阻絡(luò)證、瘀血阻絡(luò)證、氣血兩虛證、痰瘀阻絡(luò)證、陰虛內(nèi)熱證、熱毒蘊結(jié)證、寒熱錯雜證、脾腎陽虛證等10種證型診斷樣本的期望輸出值分別定為(0,1,0,0,0,0,0,0, 0,0),……,(0,0,0,0,0,0,0,0,0,1)。預(yù)測整合輸出值為(0, 0.2,0.4,0.6,0.8,1),這6個數(shù)值分別對應(yīng)原始輸出值的(0-0.1,0.1-0.3,0.3-0.5,0.5-0.7,0.7-0.9,0.9-1)區(qū)間的數(shù)值。整合輸出值≤0.4為診斷不成立,≥0.6為診斷成立。
2.2.3 基于共軛梯度下降算法的類風(fēng)濕關(guān)節(jié)炎證候BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練
網(wǎng)絡(luò)參數(shù)的初始值取為[-0.5,+0.5]上均勻分布的隨機數(shù),利用train函數(shù)對網(wǎng)絡(luò)進行訓(xùn)練,第1次訓(xùn)練經(jīng)過89次迭代以后,網(wǎng)絡(luò)的系統(tǒng)誤差降至0.009 450 59;第2次訓(xùn)練經(jīng)過56次迭代后,網(wǎng)絡(luò)的系統(tǒng)誤差降至0.009 423 47;第3次訓(xùn)練經(jīng)過58次迭代以后,網(wǎng)絡(luò)的系統(tǒng)誤差降至0.009 174 36。上述數(shù)值均小于規(guī)定的最小誤差0.01,提示網(wǎng)絡(luò)趨于穩(wěn)定,網(wǎng)絡(luò)性能達標(biāo),訓(xùn)練自動停止。
2.2.4 類風(fēng)濕關(guān)節(jié)炎證候BP神經(jīng)網(wǎng)絡(luò)模型的測試
該網(wǎng)絡(luò)模型的權(quán)值趨穩(wěn),訓(xùn)練結(jié)束后,分3次分別對1/3測試樣本做檢驗。規(guī)定單證陽性診斷的符合情況為單證特異性;所有單證診斷的符合情況為單證準(zhǔn)確率;病例的全部證型診斷符合情況為診斷準(zhǔn)確率。即:單證特異性(%)=預(yù)測輸出所有單證陽性符合例數(shù)/期望輸出所有單證陽性例數(shù)×100%;單證準(zhǔn)確率(%)=預(yù)測輸出所有單證符合例數(shù)/期望輸出所有單證例數(shù)×100%;診斷準(zhǔn)確率(%)=預(yù)測輸出符合例數(shù)/所有病例數(shù)×100%。其中,以整合輸出值的大小排序,主證為證候的前2位證類,兼證為第3位證類,第3位以后的證類忽略不計。
3 結(jié)果
測試結(jié)果顯示:3次測試的平均單證特異性為81.31%,平均單證準(zhǔn)確率為95.70%,平均診斷準(zhǔn)確率為90.72%。結(jié)果見表1。表1 RA證候BP神經(jīng)網(wǎng)絡(luò)模型測試結(jié)果與臨床診斷結(jié)果的比較(略)
4 討論
ANN的一個顯著特征是它能夠通過自動學(xué)習(xí)來解決問題,對樣本的學(xué)習(xí)過程,即為對網(wǎng)絡(luò)中神經(jīng)元間的聯(lián)系強度(即權(quán)重系數(shù))逐步確定的過程,通過對樣本的學(xué)習(xí),可以學(xué)會識別自變量與應(yīng)變量間的復(fù)雜的非線性關(guān)系。經(jīng)過充分學(xué)習(xí)后的ANN獲取了樣本的特征規(guī)則,并將這些規(guī)則以數(shù)字的形式分布存貯在網(wǎng)絡(luò)的連接權(quán)中,從而構(gòu)成了系統(tǒng)的非線性映射模型。用ANN建模,可將過程或?qū)ο罂闯梢粋€“黑箱”,只要測得輸入輸出數(shù)據(jù),就可以建立相應(yīng)的模型,不必象傳統(tǒng)的系統(tǒng)辨識那樣把過程或?qū)ο蠓譃榫€性系統(tǒng)還是非線性系統(tǒng),也不必對過程或?qū)ο髢?nèi)部進行分析,這對未知過程的系統(tǒng)辨識是十分方便的。
中醫(yī)證候體系具有復(fù)雜系統(tǒng)的非線性、開放性、層次性、涌現(xiàn)性和高維性特征,是一個多維多階多變量的非線性復(fù)雜系統(tǒng)[2-3]。中醫(yī)學(xué)辨證施治過程,實質(zhì)上是對大量數(shù)據(jù)信息作出處理,提取規(guī)律的過程。如何從中醫(yī)學(xué)大量現(xiàn)象學(xué)描述中尋找其內(nèi)在規(guī)律,是證的規(guī)范化研究之熱點和難點。以往多采用統(tǒng)計學(xué)方法,但效果不夠理想。ANN作為一種智能信息處理系統(tǒng),能夠充分逼近任意復(fù)雜的非線性關(guān)系,獲得樣本數(shù)據(jù)的規(guī)則,較好避免數(shù)據(jù)處理中可能摻雜的主觀因素,客觀如實地反映研究對象[4],因此,可以將其用于中醫(yī)證候的非線性建模研究。
我們在MATLAB7.0環(huán)境下,對一組RA臨床證候資料建立了基于共軛梯度算法的BP神經(jīng)網(wǎng)絡(luò)證候模型,并用3倍交叉驗證的方法進行測試,結(jié)果顯示:該模型具有很好的診斷、預(yù)測能力。說明ANN能夠充分模擬癥狀與證型診斷之間的非線性映射關(guān)系。這是目前在不打開人體黑箱的前提下,建立非線性證候模型、反映證候的內(nèi)在規(guī)律和特征的有效方法。
BP神經(jīng)網(wǎng)絡(luò)有一個明顯的缺點是收斂速度非常慢,為此,我們基于共軛梯度學(xué)習(xí)算法,采用trainscg函數(shù)改進train函數(shù),從而加快了神經(jīng)網(wǎng)絡(luò)的收斂速度。我們建立的RA證候網(wǎng)絡(luò)模型3次訓(xùn)練的迭代次數(shù)分別為89、56、58,說明通過改進的BP神經(jīng)網(wǎng)絡(luò)具有很好的收斂性能。
另外,針對臨床證候資料多存在兼夾證以及各證型之間有主次之分的情況,我們首先將模型的輸出采用1個輸出節(jié)點對應(yīng)1種證型的方式,比如,RA證候模型共有10個證型,我們將包含10個證型的輸出采用(0,1,0,0,1,0,0,0,0,0)的方式,其中,括號內(nèi)每一個數(shù)值代表一種證型,“0”表示診斷不成立,“1”表示診斷成立,這樣就可以診斷兼夾證了;然后,我們將整合輸出值整理成(0,0.2,0.4,0.6,0.8,1)等6個等級的方式,這6個數(shù)值分別對應(yīng)原始輸出值的(0-0.1,0.1-0.3,0.3-0.5, 0.5-0.7,0.7-0.9,0.9-1)區(qū)間的數(shù)值,并規(guī)定整合輸出值≤0.4為診斷不成立,≥0.6為診斷成立,這樣就進一步根據(jù)整合輸出值的大小直接判斷有幾個兼夾證以及各證型的主次地位了??梢?,我們建立的RA證候網(wǎng)絡(luò)模型不僅能夠利用神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力從大量的樣本中抽提出比較全面的證候內(nèi)在規(guī)律,具有良好的診斷、預(yù)測能力,而且操作簡便,真正實現(xiàn)了證候診斷的智能化。ANN技術(shù)是中醫(yī)證候非線性建模的可行性方法。
雖然我們已經(jīng)證實了ANN用于證候非線性建模的可行性,但是,以目前的技術(shù),還無法從網(wǎng)絡(luò)的聯(lián)接權(quán)中抽提出網(wǎng)絡(luò)通過自動學(xué)習(xí)所獲得的證候規(guī)律,今后可以圍繞這個關(guān)鍵問題繼續(xù)開展研究。另外,證候的診斷信息具有模糊性特征,用模糊神經(jīng)網(wǎng)絡(luò)理論應(yīng)更能夠逼近證候的全貌,我們曾經(jīng)試圖用模糊神經(jīng)網(wǎng)絡(luò)進行證候的非線性建模研究,但是,目前的模糊神經(jīng)網(wǎng)絡(luò)還無法處理證候的兼夾問題,模糊神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果只能是多類中的一類,因此,我們暫時未作。今后我們將圍繞這方面展開深入研究,力爭建立證候的模糊神經(jīng)網(wǎng)絡(luò)模型。
總之,一門學(xué)科只有不斷地吸納先進的思想與技術(shù),在繼承的基礎(chǔ)上發(fā)展創(chuàng)新,才能真正具有生命力。中醫(yī)證候復(fù)雜系統(tǒng)研究,呼喚非線性科學(xué)、人工神經(jīng)網(wǎng)絡(luò)、計算數(shù)學(xué)、模糊數(shù)學(xué)、信息工程、醫(yī)學(xué)工程、復(fù)雜性科學(xué)等多種邊緣學(xué)科、交叉學(xué)科理論和技術(shù)方法的介入,理論上的探討和不斷切實可行的實踐探索并行,才能使中醫(yī)證候規(guī)范研究從量的積累上升到質(zhì)的飛躍。
參考文獻
[1] .中藥新藥臨床研究指導(dǎo)原則(試行)[S].北京:中國醫(yī)藥科技出版社,2002.115-119.
[2] 白云靜,申洪波,孟慶剛,等.基于復(fù)雜性科學(xué)的中醫(yī)學(xué)發(fā)展取向與方略[J].中國中醫(yī)藥信息雜志,2005,12(1):2-5.
[3] 白云靜,申洪波,孟慶剛,等.中醫(yī)證候復(fù)雜性特征及證候研究思路探析[J].中國中醫(yī)藥信息雜志,2004,11(9):754-756.
[4] 白云靜,申洪波,孟慶剛,等.中醫(yī)證候研究的人工神經(jīng)網(wǎng)絡(luò)方法探析[J].中醫(yī)藥學(xué)刊,2004,22(12):2221-2223.
3 結(jié)果
測試結(jié)果顯示:3次測試的平均單證特異性為81.31%,平均單證準(zhǔn)確率為95.70%,平均診斷準(zhǔn)確率為90.72%。結(jié)果見表1。表1 RA證候BP神經(jīng)網(wǎng)絡(luò)模型測試結(jié)果與臨床診斷結(jié)果的比較(略)
4 討論
ANN的一個顯著特征是它能夠通過自動學(xué)習(xí)來解決問題,對樣本的學(xué)習(xí)過程,即為對網(wǎng)絡(luò)中神經(jīng)元間的聯(lián)系強度(即權(quán)重系數(shù))逐步確定的過程,通過對樣本的學(xué)習(xí),可以學(xué)會識別自變量與應(yīng)變量間的復(fù)雜的非線性關(guān)系。經(jīng)過充分學(xué)習(xí)后的ANN獲取了樣本的特征規(guī)則,并將這些規(guī)則以數(shù)字的形式分布存貯在網(wǎng)絡(luò)的連接權(quán)中,從而構(gòu)成了系統(tǒng)的非線性映射模型。用ANN建模,可將過程或?qū)ο罂闯梢粋€“黑箱”,只要測得輸入輸出數(shù)據(jù),就可以建立相應(yīng)的模型,不必象傳統(tǒng)的系統(tǒng)辨識那樣把過程或?qū)ο蠓譃榫€性系統(tǒng)還是非線性系統(tǒng),也不必對過程或?qū)ο髢?nèi)部進行分析,這對未知過程的系統(tǒng)辨識是十分方便的。
中醫(yī)證候體系具有復(fù)雜系統(tǒng)的非線性、開放性、層次性、涌現(xiàn)性和高維性特征,是一個多維多階多變量的非線性復(fù)雜系統(tǒng)[2-3]。中醫(yī)學(xué)辨證施治過程,實質(zhì)上是對大量數(shù)據(jù)信息作出處理,提取規(guī)律的過程。如何從中醫(yī)學(xué)大量現(xiàn)象學(xué)描述中尋找其內(nèi)在規(guī)律,是證的規(guī)范化研究之熱點和難點。以往多采用統(tǒng)計學(xué)方法,但效果不夠理想。ANN作為一種智能信息處理系統(tǒng),能夠充分逼近任意復(fù)雜的非線性關(guān)系,獲得樣本數(shù)據(jù)的規(guī)則,較好避免數(shù)據(jù)處理中可能摻雜的主觀因素,客觀如實地反映研究對象[4],因此,可以將其用于中醫(yī)證候的非線性建模研究。
我們在MATLAB7.0環(huán)境下,對一組RA臨床證候資料建立了基于共軛梯度算法的BP神經(jīng)網(wǎng)絡(luò)證候模型,并用3倍交叉驗證的方法進行測試,結(jié)果顯示:該模型具有很好的診斷、預(yù)測能力。說明ANN能夠充分模擬癥狀與證型診斷之間的非線性映射關(guān)系。這是目前在不打開人體黑箱的前提下,建立非線性證候模型、反映證候的內(nèi)在規(guī)律和特征的有效方法。
BP神經(jīng)網(wǎng)絡(luò)有一個明顯的缺點是收斂速度非常慢,為此,我們基于共軛梯度學(xué)習(xí)算法,采用trainscg函數(shù)改進train函數(shù),從而加快了神經(jīng)網(wǎng)絡(luò)的收斂速度。我們建立的RA證候網(wǎng)絡(luò)模型3次訓(xùn)練的迭代次數(shù)分別為89、56、58,說明通過改進的BP神經(jīng)網(wǎng)絡(luò)具有很好的收斂性能。
另外,針對臨床證候資料多存在兼夾證以及各證型之間有主次之分的情況,我們首先將模型的輸出采用1個輸出節(jié)點對應(yīng)1種證型的方式,比如,RA證候模型共有10個證型,我們將包含10個證型的輸出采用(0,1,0,0,1,0,0,0,0,0)的方式,其中,括號內(nèi)每一個數(shù)值代表一種證型,“0”表示診斷不成立,“1”表示診斷成立,這樣就可以診斷兼夾證了;然后,我們將整合輸出值整理成(0,0.2,0.4,0.6,0.8,1)等6個等級的方式,這6個數(shù)值分別對應(yīng)原始輸出值的(0-0.1,0.1-0.3,0.3-0.5, 0.5-0.7,0.7-0.9,0.9-1)區(qū)間的數(shù)值,并規(guī)定整合輸出值≤0.4為診斷不成立,≥0.6為診斷成立,這樣就進一步根據(jù)整合輸出值的大小直接判斷有幾個兼夾證以及各證型的主次地位了??梢姡覀兘⒌腞A證候網(wǎng)絡(luò)模型不僅能夠利用神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力從大量的樣本中抽提出比較全面的證候內(nèi)在規(guī)律,具有良好的診斷、預(yù)測能力,而且操作簡便,真正實現(xiàn)了證候診斷的智能化。ANN技術(shù)是中醫(yī)證候非線性建模的可行性方法。
雖然我們已經(jīng)證實了ANN用于證候非線性建模的可行性,但是,以目前的技術(shù),還無法從網(wǎng)絡(luò)的聯(lián)接權(quán)中抽提出網(wǎng)絡(luò)通過自動學(xué)習(xí)所獲得的證候規(guī)律,今后可以圍繞這個關(guān)鍵問題繼續(xù)開展研究。另外,證候的診斷信息具有模糊性特征,用模糊神經(jīng)網(wǎng)絡(luò)理論應(yīng)更能夠逼近證候的全貌,我們曾經(jīng)試圖用模糊神經(jīng)網(wǎng)絡(luò)進行證候的非線性建模研究,但是,目前的模糊神經(jīng)網(wǎng)絡(luò)還無法處理證候的兼夾問題,模糊神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果只能是多類中的一類,因此,我們暫時未作。今后我們將圍繞這方面展開深入研究,力爭建立證候的模糊神經(jīng)網(wǎng)絡(luò)模型。
總之,一門學(xué)科只有不斷地吸納先進的思想與技術(shù),在繼承的基礎(chǔ)上發(fā)展創(chuàng)新,才能真正具有生命力。中醫(yī)證候復(fù)雜系統(tǒng)研究,呼喚非線性科學(xué)、人工神經(jīng)網(wǎng)絡(luò)、計算數(shù)學(xué)、模糊數(shù)學(xué)、信息工程、醫(yī)學(xué)工程、復(fù)雜性科學(xué)等多種邊緣學(xué)科、交叉學(xué)科理論和技術(shù)方法的介入,理論上的探討和不斷切實可行的實踐探索并行,才能使中醫(yī)證候規(guī)范研究從量的積累上升到質(zhì)的飛躍。
參考文獻
[1] .中藥新藥臨床研究指導(dǎo)原則(試行)[S].北京:中國醫(yī)藥科技出版社,2002.115-119.
[2] 白云靜,申洪波,孟慶剛,等.基于復(fù)雜性科學(xué)的中醫(yī)學(xué)發(fā)展取向與方略[J].中國中醫(yī)藥信息雜志,2005,12(1):2-5.
我不再相信眼淚
眼淚有時就像一個不聽話的水娃娃,不經(jīng)意間滑過臉頰;眼淚有時又像一個堅強的小姑娘,不管怎樣就是不落下;眼淚時而“嬌嫩欲滴”,時而“堅強不屈”,讓我永久猜不透它。
還記得一次,我獨自去解放碑滑冰,一路上興奮激動伴隨著我,到了大都會,換上鞋,一切準(zhǔn)備就緒。我小心翼翼地走上冰,緊拉住欄桿不放,慢慢熟悉,盡管以前來過這兒,但是隔得時間太久了難免會有些生疏。我拉著欄桿慢慢地滑了幾圈后,找到感覺了,便松開了手,最后我滑得越來越快,由前面的兩只腳在冰上滑動,到現(xiàn)在的一只腳抬起一只叫在冰上滑動。在一個轉(zhuǎn)彎的不遠(yuǎn)處有一個小洞洞,我當(dāng)時也沒有注意就滑了過去,突然右鞋前面鋸齒狀在小洞那兒絆了一下,我“砰”的一聲響,膝蓋撞到了固定欄桿的板上,一會兒后疼痛蔓延全身,這時眼淚就像一個堅強的姑娘,我迅速地從冰上爬起,繼續(xù)滑,到了最后我再也沒有摔跤。
經(jīng)過這一次事件,改變了我原來的觀點:眼淚就是一個發(fā)泄物,在自己難過傷心時就落下,而現(xiàn)在不同了,我把眼淚當(dāng)做了珍珠,不能再讓眼淚那么輕易滑走。所以我不再相信眼淚!
雨,在希望中落下,在感動中落下,也在幸福中落下。這場雨中那無私的愛也在漸漸拉開帷幕……
去年夏天,我和媽媽隨團去云南野象谷旅游,正好趕上熱帶雨林的大雨。雨大得就象有人端著一大盆水,直接倒在你的頭頂,雖然打著傘,但是一下全身就濕透了,冷得讓人發(fā)抖。走著走著,我腳下一滑,不小心重重地摔在臺階上。
“寶貝小心!”身后一雙溫暖的手立刻將我從冰冷的雨水中抱了起來。我回頭一看,原來是卉卉姐,焦急、關(guān)切之情寫滿了她美麗的大眼睛,一把花傘扔在腳下。一陣劇痛傳來,我低頭一看,膝蓋上雨水血水混雜在一起,眼淚直在眼眶里打轉(zhuǎn)。“哎呀,摔破了。”卉卉姐立刻皺起眉頭,把我拉到旁邊人傘下,迅速找出消毒紙巾,急忙俯下身,幫我擦拭傷口,還不時嘟起嘴給我的腿吹氣,這樣可以緩解一點疼痛。卉卉姐又從包中找出創(chuàng)可貼,快速對準(zhǔn)傷口,輕輕地、嚴(yán)絲合縫的貼上……看著淋得濕透的卉卉姐,看著她輕柔的動作,看著她焦急的神情,看著她那正在為我吹氣的嘴,頓時讓我感到一股暖流涌上心頭,眼淚不聽使地往下流……這時我突然想起來,卉卉姐正懷著小寶寶,怎么能蹲在冰冷的雨水中呢?我立刻擦干眼淚,跑過去撿起花傘,舉地卉卉姐的頭頂。這時,我忘記了一切疼痛。“卉卉姐姐,我沒事了,已經(jīng)不疼了。你快擦擦吧,小寶寶還好嗎?有沒有在肚子里抗議?”卉卉姐立刻舒展開緊皺的眉頭,開地心把我抱在懷中,眼淚就象水滴一樣,一下就流了下來,她一定也感受到了溫暖的愛……
每次看到那道傷痕,我就會想起這次云南之旅,想起卉卉姐在大雨中給予我的無私關(guān)愛和無限溫暖。
北京市海淀區(qū)中關(guān)村第三小學(xué)六年級:張欣瞳
總有一個人 是心口的朱砂
想起那些花 那些傻 眼淚落下
只留一句 你現(xiàn)在好嗎
如果愛忘了 淚不想落下
那些幸福啊 讓她替我到達
如果愛懂了 承諾的代價
不能給我的 請完整給她
總有些牽掛 舊的像傷疤
越是不碰它 越隱隱的痛在那
想你的臉頰 你的發(fā) 我不害怕
就讓時間 給我們回答
如果愛忘了 淚不想落下
那些幸福啊 讓她替我到達
如果愛懂了 承諾的代價
不能給我的 請完整給她
我說我忘了 不痛了
那是因為太愛太懂了
笑了 原諒了 為你也值得
用你的快樂 告訴我
現(xiàn)在放開雙手是對的
別管我多 舍不得
如果愛忘了 就放他走吧
那些幸福啊 讓她替我到達
如果愛懂了 承諾的代價
不能給我的 請完整給她
如果愛忘了 你還記得嗎?
[01:22.31][00:03.93]戚薇 - 如果愛忘了
[00:09.33]曲:林天愛 詞:唐恬,李志清
[00:11.48]專輯:如果愛忘了
[01:32.91][00:17.91]music…。。
[00:19.19]總有一些話 來不及說了
[00:25.87]總有一個人 是心口的朱砂
[00:32.30]想起那些花 那些傻 眼淚落下
[00:39.34]只留一句 你現(xiàn)在好嗎
[00:44.66]
[00:46.83]如果愛忘了 淚不想落下
[00:53.26]那些幸福啊 讓她替我到達
[00:59.48]如果愛懂了 承諾的代價
[01:06.26]不能給我的 請完整給她
[01:35.44]總有些牽掛 舊的像傷疤
[01:41.89]越是不碰它 越隱隱的痛在那
[01:48.62]想你的臉頰 你的發(fā) 我不害怕
[01:55.47]就讓時間 給我們回答
[02:01.60]
[02:01.81]如果愛忘了 淚不想落下
[02:07.79]那些幸福啊 讓她替我到達
[02:14.15]如果愛懂了 承諾的代價
[02:20.94]不能給我的 請完整給她
[02:26.84]
[02:28.59]我說我忘了 不痛了
[02:32.22]那是因為太愛太懂了
[02:35.56]笑了 原諒了 為你也值得
[02:41.74]用你的快樂 告訴我
[02:45.17]現(xiàn)在放開雙手是對的
[02:48.22]別管我多 舍不得
[02:53.35]
[02:53.62]如果愛忘了 就放他走吧
[02:59.91]那些幸福啊 讓她替我到達
[03:06.23]如果愛懂了 承諾的代價
[03:12.76]不能給我的 請完整給她