课程文献中心 更多>>

关键词： 变压器运行状态   投影离群函数   稳健   可视化  

摘要： 变压器是电力系统的重要设备,监测其运行状态并准确识别可能存在的故障事关重大.然而,变压器油色谱数据的指标较多,仅依赖单个指标的评价方法未考虑指标的相关性、非正态等问题,会影响评价结果的正确性.鉴于此,文章结合投影离群函数这一非参数工具,构建了一类新的可针对多指标数据的变压器状态分级预警方法.新方法无需提前假定油色谱数据的分布,其所创建的不同识别窗口可计算出每一窗口不同时刻变压器状态投影离群(AO)值;基于该AO值可划分变压器状态类型,进而实现对变压器状态分级预警.结果表明:新方法一定程度上有效解决了相关性和非正态对模型监测性能的影响,且该模型具有可实现分级预警,易于可视化和识别灵敏度高等特点.

关键词： 核磁共振测井   T2截止值   高束缚水饱和度   高斯函数   多参数拟合  

摘要： T2截止值精确与否直接影响到核磁共振计算束缚流体饱和度、可动流体孔隙度、渗透率的精度.深层致密砂岩储层孔隙结构复杂,呈低孔低渗、强非均质性等特征,固定T2截止值适用性差.为提高深层致密砂岩储层T2截止值的计算精度,本研究依托深层致密砂岩岩样的核磁共振实验测量,构建了融合高斯函数与储层分类多参数拟合法的T2截止值计算模型.将该套模型程序化,实现对海上X区深层致密砂岩储层T2截止值的逐点计算.研究结果表明,束缚水饱和度小于41%时,高斯函数法计算T2截止值精度较高,而当束缚水饱和度大于41%时,高斯函数法不再适用;针对Ⅱ、Ⅲ类储层(束缚水饱和度大于41%),利用优选的敏感性参数构建得T2截止值多参数拟合计算模型精度较高;融合高斯函数与储层分类多参数拟合法计算与岩样实验确定的T2截止值吻合度较高,完全能够满足深层致密砂岩储层核磁共振测井评价孔隙结构的需求.

关键词： 复合函数   高中数学   解题技巧  

摘要： 在高中阶段,复合函数零点问题频繁出现在考试中,是对学生数学思维、逻辑推理等能力的综合考查.学生在面对这类问题时,往往难以准确地理解复合函数的结构与层次,无法有效地将复杂的复合函数关系转化为相对简单的数学问题进行处理.因此,深入探究复合函数零点问题,对于提升学生的数学素养、培养学生严谨的数学思维以及提高学生解决数学问题的能力具有极为重要的意义.

关键词： 实践探索   高中数学   命题改编   三角函数  

摘要： 引言随着“三新”改革的深入推进,高考数学命题改编正成为高中数学教学的重要手段。本文以2024年全国1卷、2卷中的三角函数和立体几何题为研究对象,通过“个人创意”命题—团队智慧碰撞—团队展示的三阶活动设计,探讨试题改编对深化知识理解、提升解题能力和培养创新思维的教育价值。研究显示,该活动能加深对数学概念、公式及解题方法的理解,有效激发学生的创新思维活力,促进知识迁移应用,为培养数学核心素养提供了创新实践路径。

关键词： 维持性血液透析   动静脉内瘘   上肢运动   血流量   护理  

摘要： 目的:探究进程图激励式健瘘运动在维持性血液透析自体动静脉内瘘病人中的应用效果。方法:自2021年10月起在维持性血液透析病人中应用进程图激励式健瘘运动,此前以常规护理为主,选取江苏省启东市人民医院2019年10月—2021年9月、2021年10月—2023年9月两阶段收治的维持性血液透析自体动静脉内瘘病人各66例,根据进程图激励式健瘘运动应用前、后分为对照组、观察组,比较两组病人内瘘成熟情况及上肢运动功能。结果:观察组病人内瘘成熟时间短于对照组,且血流量大于对照组(P<0.05);观察组病人上肢运动功能评分高于对照组(P<0.05)。结论:进程图激励式健瘘运动在维持性血液透析自体动静脉内瘘病人中应用,能促进病人上肢运动功能恢复、动静脉内瘘成熟,有助于提高内瘘血流量。

关键词： 密度计   反比例函数   液体密度   物理学  

摘要： 一般的,形如y=k/x(k为常数,k≠0)的函数,叫作反比例函数,其中x是自变量,y是因变量.反比例函数在物理学中有广泛的应用.例1如图1,科学课上,同学用自制密度计测量液体的密度.密度计悬浮在不同的液体中时,浸在液体中的高度h(单位:cm)与液体的密度ρ(单位:g/cm^(3))成反比例函数关系,当密度计悬浮在密度为1 g/cm^(3)的水中时,h=20 cm.

关键词： 图卷积网络   图注意力网络   GAT模块   自监督训练  

摘要： 为解决单目自监督深度估计在缺乏准确真实深度时对复杂场景几何结构的刻画不足问题,本文在原有的基于图卷积网络(Graph Convolutional Network, GCN)的单目深度估计框架上,引入了图注意力网络(Graph Attention Network, GAT)机制,提出了一种GATDepth模型。该模型通过在解码器阶段采用图注意力模块,能够自适应地为相邻节点分配不同权重,从而更精细地保留场景中的几何拓扑关系与不连续性。DepthNet编码器利用CNN提取多层次视觉特征,而解码器则结合转置卷积上采样和GAT模块融合节点特征。通过目标图像与重构图像之间的光度、重投影及平滑性等多重损失进行自监督训练,模型在KITTI数据集上取得了优异的深度估计性能,尤其在远距物体和物体边缘等关键区域表现突出。实验结果表明,所提方法不仅在保证网络效率的同时更好地捕捉了场景关键几何信息,而且在缺乏高质量真实深度的条件下仍能获得可靠且精细的深度预测。To address the issue of insufficient depiction of complex scene geometry in monocular self-supervised depth estimation due to the lack of accurate ground truth depth, this paper proposes a GATDepth model based on the existing monocular depth estimation framework using Graph Convolutional Networks (GCN). The Graph Attention Network (GAT) mechanism is introduced into the model. By adopting graph attention modules in the decoder stage, the model can adaptively assign different weights to adjacent nodes, thereby more finely preserving the geometric topology and discontinuities in the scene. The DepthNet encoder extracts multi-level visual features using CNNs, while the decoder combines transposed convolutional upsampling and GAT modules to fuse node features. The model is trained in a self-supervised manner through multiple losses such as photometric, reprojection, and smoothness losses between the target image and the reconstructed image. The model achieves excellent depth estimation performance on datasets such as KITTI, especially in key areas such as distant objects and object edges. Experimental results show that the proposed method not only better captures key geometric information of the scene while ensuring network efficiency, but also obtains reliable and fine depth predictions even in the absence of high-quality ground truth depth.

关键词： 核心素养   关键能力   二次函数  

摘要： 函数内容涵盖了数学学科核心素养中的数学抽象、逻辑推理、数学建模、直观想象、数学运算与数据分析,是提高学生的数学学科素养的重要载体。本文旨在通过对初中函数单元的研究,重整课堂内容,转变授课方式,培育学生的数学核心素养。

关键词： 路径规划   Bi-RRT*算法   Voronoi图   骨架关键点   启发式采样   节点扩展   双树连接  

摘要： 针对Bi-RRT*算法随机采样导致扩展树生长缺乏导向性、产生大量冗余节点及规划效率低的问题，本文提出了一种基于Voronoi图骨架关键点融合Bi-RRT*的路径规划算法。首先利用骨架提取算法生成全局Voronoi图，然后提取关键点，用于本文算法的全局路径搜索。为解决原有关键点提取算法耗时长及次关键点识别不精确的问题，提出了基于Bidirectional A*的改进骨架路径提取算法和基于点线距离模型的次关键点提取方法，使得关键点提取更加精确且时间缩短约30%。针对Bi-RRT*算法的随机采样导致生成大量冗余节点的问题，本文提出了启发式采样点选择和阈值导向节点扩展策略，通过为关键点赋予代价权重，确保扩展树在采样时具有明确导向性。此外，还提出了前序节点重选父节点、渐进式双树连接和基于代价地图的碰撞检测，大幅提升了路径规划效率。实验结果表明，本文算法在保证路径质量的同时，规划时间相比传统Bi-RRT*算法减少约78%。

关键词： 多模态   情感识别   动态阈值激活函数   Mamba  

摘要： 阐述一种基于动态阈值激活函数(DTAF)的Mamba多模态情感识别方法。该方法通过自适应阈值调整机制,增强神经元对复杂输入信号的响应能力。神经元可根据膜电位与动态阈值之间的关系,实时调节激活阈值,从而在时序任务中表现出更强的适应性和鲁棒性。