课程文献中心 更多>>

关键词： 中职会计   Excel函数   财务分析   教学实践  

摘要： 本文基于建构主义学习理论,探讨Excel 函数在财务分析教学中的应用框架。研究首先分析了当前中职会计教学存在的四类问题,教学内容与企业实际脱节、学生操作基础薄弱、教学方法单一及实训资源不足。针对这些问题,提出更新行业真实案例强化实战性、设计阶梯训练巩固基础技能、整合多元教学方法激发兴趣、建设模拟实训环境四方面路径。通过在某食品制造企业成本控制案例中的教学实践,验证上述路径能有效提升学生财务数据处理能力和决策分析能力,为中职会计专业教学改革提供可行方案。

关键词： 页岩气   等时地层   古地貌   生储倒置   台地丘滩体   德阳—安岳裂陷槽   筇竹寺组   寒武系   四川盆地  

摘要： 四川盆地德阳—安岳裂陷槽及周缘寒武系筇竹寺组页岩气勘探已获重大突破，展现出其具有较大勘探潜力。综合钻井岩心、测井以及地震剖面资料，开展了筇竹寺组精细划分和展布特征研究，深入解析了裂陷槽古地貌对沉积的控制作用。研究结果表明：(1)四川盆地德阳—安岳寒武系筇竹寺组可划分为8个小层，其中1,3,5,7小层以泥页岩为主，2,4,6,8小层以粉砂岩为主，各小层可依据沉积旋回特征、测井曲线特征、岩石颜色与岩性特征、含生物特征实现精确识别。(2)德阳—安岳裂陷槽内部地貌单元（槽内深水区、槽内斜坡区、槽外隆起区）对寒武系筇竹寺组的沉积具有决定性控制作用。筇一段（1—6小层）为裂陷槽控制下的充填式沉积，南北均存在厚度高值区，沉积范围随时间推移逐渐扩大；筇二段（7—8小层）则转变为广覆式沉积，厚度高值区相较筇一段明显东移。(3)裂陷槽控制了筇竹寺组优质烃源岩的发育与分布，内部4套富有机质页岩储层（1,3,5,7小层）与其上覆致密泥质粉砂岩盖层（2,4,6,8小层）构成了有效源-储-盖组合，具有“生储倒置”成藏模式，槽内、槽缘多套源-储-盖叠置体系主导了震旦系—寒武系大型岩性油气藏的形成。裂陷槽内优质页岩储层与槽缘台地带丘滩体岩性圈闭为下一步勘探的两大重点方向。

关键词： 道岔故障识别   事故原因建模   命名实体抽取   大语言模型   图神经网络   预训练语义编码   信息融合  

摘要： 高速铁路道岔是保障列车安全平稳运行的重要基础设施，其结构复杂、维护成本高，且对运行故障的容忍度极低。在长期运维过程中，大量关于道岔故障的文本记录积累于铁路调度与维修系统中，这些非结构化文本中蕴含着丰富的故障诊断与维修经验信息。然而，由于文本本身的非结构化特性，传统依赖人工阅读与规则抽取的方法在效率与一致性方面存在明显不足，难以满足现代铁路智能化运维系统对高效、精准信息抽取的需求。为提升对故障信息的结构化建模能力与事故原因的精准识别能力，提出一种融合文本语义与实体结构的道岔事故原因预测模型。首先，基于大规模预训练语言模型与领域规则系统，设计自动实体标注方案，对道岔故障文本中的六类关键实体（包括影响车次、故障现象、道岔故障位置、事故影响、维修方法和事故原因）进行高质量识别，并通过实体间的语义和逻辑关联构建结构化数据集。在此基础上，构建以预训练语言模型为语义编码器、图神经网络为结构建模模块的联合预测框架。模型首先利用基于自注意力机制的语言编码器提取文本上下文语义特征，随后通过双层图卷积网络捕捉故障实体间的因果与空间依赖关系，最后引入双向门控机制进行语义与结构表示的融合与调控，实现对事故原因的多源信息预测。在真实铁路电务故障数据集上的实验结果显示，所提出模型在准确率、召回率和F1值等评价指标上均优于现有主流方法，验证了模型在事故原因识别任务中的有效性与适用性。该研究为铁路道岔故障知识的自动抽取与因果分析提供了新的方法路径，具有较高的工程应用潜力与推广价值。

关键词： 脉冲超宽带雷达   距离-多普勒图   自适应特征选择网络   地面目标识别  

摘要： 针对冲击脉冲超宽带雷达（Impulse Radio Ultra-Wideband Radar， IR-UWBR）在小样本条件及探测场景复杂等挑战下导致目标识别能力不足的问题，提出基于距离-多普勒图与自适应特征选择网络（Range-Doppler Adaptive Feature Selection Network， RDAFSN）的运动目标识别方法。在分析IR-UWBR在慢时间维接收回波信号规律的基础上，建立了IR-UWBR多普勒信息提取模型。同时，深入分析运动目标距离-多普勒图由于背景信息复杂、目标种类多导致图像空间特征差异大的特性，构建基于坐标软阈值去噪模块与空间自适应下采样层的RDAFSN目标识别模型。实验结果表明，所提方法能够有效提高小样本条件下对运动目标的分类能力，对不同场景下的同类目标均有较好的识别效果，相比于常用于地面目标识别的CNN-BiLSTM-DNN和图像编码深度网络，识别准确率分别提高了3.64%和7.53%。

关键词： 粗糙集   区间值信息系统   不确定性度量   知识粒度   信息量   粗糙熵   信息熵  

摘要： 不确定性度量作为机器学习和粒计算领域重要的数据评估工具,可以量化数据属性之间的不确定性和依赖性。然而,现有的区间值信息系统不确定性度量方法没有考虑数据之间的几何结构,从而影响了不确定性度量结果的准确性。为了改善这一问题,首先,针对区间值信息系统提出一种结合代数视角和几何视角的区间值组合相似度;然后,以新的相似度作为基础,构建出一种新的区间值粗糙集模型,并进一步提出区间值信息系统的信息粒化与信息结构理论;最后,定义了区间值信息系统的4种不确定性度量方法,分别为知识粒度、信息量、粗糙熵和信息熵,理论证明了这4种方法在不确定性度量方面的有效性。在人脸识别数据集上的数值实验结果表明,所提出的4种不确定性度量方法均具有较好的度量效果,同时与现有的不确定性度量方法相比,所提出的4种方法具有更高的度量性能。

关键词： 干旱事件   综合强度   分布函数   华北地区  

摘要： 目前针对干旱强度的研究侧重于时间域的分布函数分析，缺乏对其非线性函数关系的考虑，未能从理论研究的角度构建出干旱强度的时空域分布函数。本文从时空域的非线性函数关系出发，建立了微分方程，并通过理论推导构建了时空域平均强度与时间长度以及与覆盖面积的函数关系，提出干旱强度的时空域分布函数方程。结果表明：平均强度同时服从时间域的负指数分布与空间域的负指数分布，对于一场干旱事件，其干旱强度服从如下函数关系，时空域平均强度与时间长度负指数幂和覆盖面积负指数幂的乘积成正比。以华北地区为例，验证了时空域分布函数方程的可靠性。基于以上函数关系，本文提出了在时空维度统筹干旱事件特征的综合强度指标，可为干旱事件的综合评估提供科学依据。

关键词： 风电场群   电力系统   快速调频   随机控制   矩母函数  

摘要： 为应对高渗透风电接入电力系统引发的频率随机波动问题，提出了一种基于矩母函数的快速调频策略。通过采集风电场中每台风电机组接入点处的局部频率及监控调度中心频率得到全局频率数据，获得了当前时刻的频率偏差信号。利用核密度估计技术求取了频率偏差的概率密度函数（probability density function,PDF），进而构建了基于矩母函数的频率偏差随机分布模型及频率控制系统性能指标。通过优化求解获得了频率控制的解析解，并且分析了频率控制系统的稳定性。依托国内某1100MW风-火耦合电力系统进行仿真实验。结果表明：在负荷扰动和风速扰动2种场景下，提出的快速频率控制策略能将公共连接点及各风电机组准稳态频率偏差均控制在±0.02Hz以内，频率偏差的PDF在零附近保持分布集中、峰值突出的特征，相比于传统下垂控制，准稳态频率偏差波动幅度降低超过80%，最低频率提升约0.05Hz。研究结果验证了所提出的快速调频策略能够有效抑制风速和负荷不确定性带来的频率波动。

关键词： 声源定位   头相关传输函数   虚拟听觉重放  

摘要： 头相关传输函数(head-related transfer function,HRTF)是描述声波从声源到双耳传输过程的函数,其考虑了声源的位置、头部、耳郭和躯干对声音传播的影响,是虚拟听觉重放技术和声源定位技术的重要基础。HRTF可分为个性化HRTF(individualized HRTF)和通用HRTF(generalized HRTF)两种。个性化HRTF的定位感知更准确,但获取方法对实验场地和设备要求较高,通常仅限于声学研究,临床应用受限。通用HRTF则可通过数据库获取,有助于突破常规场地和播放设备限制,在声源定位能力筛查、听觉康复以及研究双侧人工耳蜗佩戴获益方面具有优势。然而,通用HRTF的定位准确性(尤其在垂直方位)存在限制,且耳机给声尚未能与辅听设备完美兼容。本文将介绍这两种HRTF的获取方式及其差异,进一步讨论HRTF在声源定位检测中的应用场景及其局限性,为临床声源定位检测技术提供新参考。

关键词： 平行轴式电动助力转向机   颠簸路   噪声   传递函数   优化  

摘要： 针对平行轴式电动助力转向机（R-EPS）在颠簸路面条件下产生的振动噪声问题，从振动传递函数角度出发，分析结构的整体振动传递特性，确认了异响的主要振动频带，同时结合模态分析确定了系统特征频率与固有频率、振型之间的关联性，确认了由拉杆内球头到滚珠丝杠结构处的传递函数在噪声频带内存在显著特征频率。为改善噪声表现，以传递路径优化思路为基础，在转向器与副车架的安装孔位置增加了橡胶衬套，改变结构振动传递路径的刚性与阻尼，并通过CAE分析与试验验证了该措施对振动传递路径优化的有效性。

关键词： 心冲击信号   特征工程   高血压识别   血压预测   机器学习  

摘要： 高血压的早期精准地识别对于防止病情进一步恶化至关重要。心冲击图（Ballistocardiogram， BCG）信号是心脏质心随血流动态变化在正常呼吸和心脏周期中运动的综合反映，可以较精确地反映血压的变化。然而，现有基于BCG信号的高血压识别方法通常仅使用时频域或非线性域等传统手段提取有限特征，难以全面刻画和血压相关的信号模式，且多数仅能判断是否患病，无法预测具体血压值。为此，文中提出通过提取BCG信号时频域特征、非线性域特征、波动特征，特别是波形特征，构建新型多层次BCG信号特征集。文中采用多种经典的机器学习，如随机森林（Random Forest， RF），以及主流深度学习模型，如卷积神经网络（Convolutional Neural Network， CNN）、深度神经网络（Deep Neural Network， DNN）进行对比分析。结果表明，使用文中提出的新型多层次BCG信号特征集进行高血压识别时，RF模型的准确率达到82.26%，CNN模型则达到83.57%。与Liu等人的特征集在相同模型的识别结果（准确率分别为77.92%和78.2%）相比，有显著提升。血压值预测结果显示，DNN回归模型对舒张压的均方根误差（Root Mean Square Error， RMSE）为6.59，对收缩压的RMSE为3.99，均优于使用Liu等人的特征集的结果。另外，本研究还进行了BCG信号段长度对血压分析性能影响的验证。这些结果表明，文中所提出的特征工程方法可以更精准地捕捉与血压分析相关的BCG信号模式，具备从计算层面赋能更方便准确地无创无袖带血压监测的潜力。