课程文献中心 更多>>

关键词： 径流量   输沙量   趋势分析   突变点检验   阶段划分   黄河  

摘要： 为合理划定黄河水沙变化阶段,采用Mann-Kendall趋势检验法和贝叶斯模型平均法对黄河干流唐乃亥、兰州、头道拐、潼关、花园口、利津6个主要水文断面1956—2022年的水文泥沙序列进行趋势分析和突变点检测。结果表明:黄河源区水沙变化趋势不明显,其他水文断面呈下降趋势,径流序列突变点为1969年、1986年和2018年,与水利枢纽工程蓄水运用密切相关,且具有流域性影响;多数水文断面泥沙序列突变点发生在20世纪60年代,之后年输沙量呈下降趋势,主要受流域水土保持等影响;建议进行径流序列分析时划分为1969年以前、1969—1985年、1986—2017年、2018年至今4个阶段,泥沙序列分析应以趋势性评价为主。

关键词： 明代   儿童游戏   童戏图   东京国立博物馆  

摘要： 童戏图是我国古代反映儿童日常生活特别是游戏娱乐场景的风俗人物画种类之一,是当时儿童游戏场面的直观复原与再现。明代是童戏图发展的又一个高峰期,日本东京国立博物馆所藏的《卖玩郎图轴》与《合欢多子图轴》两件明代童戏图,人物形象自然活泼,游戏场景丰富多样,生动描绘了当时流行于儿童之中的悬丝傀儡、围棋对弈以及骑竹马、捉迷藏等多样化的游戏节目,对研究明代儿童游戏的发展状态与新变化具有较高的参考价值。

关键词： 桥梁耐候钢   SH-CCT图   热影响区   显微组织   低温韧性  

摘要： 基于Gleeble-3500热模拟试验,采用光学显微镜(OM)、扫描电镜(SEM)、电子背散射衍射(EBSD)技术和显微硬度计等研究了Q500qENH桥梁耐候钢焊接粗晶热影响区的组织转变,绘制了模拟焊接热影响区连续冷却转变曲线(SH-CCT)图,探讨了试验钢的低温韧性随冷速的变化机理。结果表明:粒状贝氏体的相变区间为429~615℃,板条贝氏体的相变区间为330~530℃;当冷速≤10℃/s时,组织为粒状贝氏体,当冷速为10~37.5℃/s时,组织为粒状贝氏体和板条贝氏体,而当冷速≥37.5℃/s时,组织全部为板条贝氏体。随着冷速由1℃/s增加至100℃/s,试验钢的硬度呈现先快速增加后缓慢增加的趋势。拐点为30℃/s,此时的硬度为318 HV0.5。硬度升高是由于组织细化和位错密度提高,细晶强化和位错强化效果增强。当冷速为30~60℃/s时,试验钢具有良好的低温冲击韧性,主要是因为板条贝氏体高比例的大角度晶界阻碍了裂纹的扩展。为了使硬度和韧性实现良好匹配,Q500qENH桥梁耐候钢的焊接热输入应当控制在19~27 kJ/cm的范围。

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： 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： 无人机LiDAR技术   大比例尺地形图   测绘  

摘要： 随着科技的飞速发展,无人机LiDAR技术逐渐成为地形图测绘领域的重要工具。相较于传统测绘方法,无人机LiDAR技术以其高精度、高效率、低成本等优势,在大比例尺地形图测绘中展现出巨大的应用潜力。基于此,文章全面剖析无人机LiDAR技术在大比例尺地形图测绘中的应用,为测绘领域的从业者提供理论指导和实践借鉴。

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： 主动学习   集合代理   QBC更新策略   多目标优化   生产优化  

摘要： 基于代理模型的优化方法能够实现每个生产阶段对注采方案进行高效动态调整,获得更高的油藏开发采收率和经济效益。现有代理优化方法需要大量计算昂贵的样本来构建代理模型。为此,提出了一种基于主动学习策略和代理集合的代理辅助多目标油藏生产优化方法(ALSA-MOPO)。该方法采用3种常用的代理模型径向基函数网络、高斯过程回归和支持向量回归来构建代理集合,并利用主动学习策略减少建立代理模型所需的样本数量,采用粒子群优化算法来搜索代理集合中最具不确定性和最优的样本,提升代理集合的质量和准确性。在Egg模型上的验证结果表明,在相同迭代次数下,ALSA-MOPO方法在收敛性和多样性方面均优于传统方法,将优化效率提高了50倍,实现了油藏生产的快速决策。