浅议石河子农电降损增效措施

本文结合石河子城市面积小、周边面积大的现实,以及主供电电网线路长、电能损耗大、供电薄弱等特点,探讨石河子农电降损节能的必要性,并提出降损节能、提高供电企业经济效益的具体措施。     

浅析系统电压对低频减载性能的影响

目前电网的低频减负荷方案,自动减负荷装置必须等到非扰动地区的频率充分下降后才能动作,发供不平衡的状态将持续很长的一段时间,从而加重了系统的不稳定。本文对低频减载理论进行了分析,减负荷方案应该在受到较大扰动的区域先减掉相应负荷,同时快速确定减负荷的数量和位置,在各节点切除相应负荷。     

射弩运动训练方法探析

射弩运动是一项古老的体育项目,它作为民族传统体育项目中的一个分支,由于其鲜明的民族特性及体育人口主要分布于少数民族地区,导致对射弩训练方法、手段的研究较其它体育项目相对滞后,且目前的教育体系尚未建立,对项目的训练方法及推广缺乏研究。为此,本文采用文献资料法、调查访问法等方法对射弩运动的技术特点及训练方法进行研究,旨在使更多的人了解这一项目,从而促进射弩运动的普及和发展。     

洛阳地区规模化鸡场隐孢子虫流行病学分析

为了掌握洛阳地区鸡隐孢子虫病的流行状况,自2011年5月至2011年7月,利用饱和蔗糖溶液漂浮法和改良抗酸染色法对伊川县、孟津县、偃师市、老城区、涧西区等5个县区6个规模化鸡场的238份粪便样品进行隐孢子虫卵囊检查。检查结果显示:洛阳地区鸡场隐孢子虫总阳性率为13%(31/238),主要集中在10～50日龄的雏鸡。发现两种不同形态的卵囊,根据卵囊形态结构、大小及寄生部位,初步鉴定一种为贝氏隐孢子虫;另一种为火鸡隐孢子虫,对人具有感染性。研究结果表明:正确处理鸡场粪便,是预防周边居民和其他动物感染隐孢子虫病的必要措施。     

创造性思维模式在我国民族院校健美操动作教学中的应用

培养和造就创造性人才是时代的要求,也是少数民族院校教育的根本任务。本文从健美操项目出发,结合我国民族院校大学生的特点,将创造性思维模式的培养融入教学之中.变创新为主动,培养学生的创造能力,为学生养成终身体育意识和培养创造性人才打下良好的基础,以推动民族院校体育教学改革的健康发展。     

浅析艺术体操运动中的情感特征与自我调控

运用文献资料、专家访谈、分析综合等方法,对艺术体操训练和比赛中产生的情感体验进行特征分析,提出了自我调控的五种方法,旨在促进艺术体操的发展。     

长江山区航道雾情联合调查考察报告

为了解长江山区航道(宜宾至宜昌段)不同区段地理状况、雾情分布及变化特征、危害情况、雾情监测预报服务现状,调查考察组奔赴沿线航道局、气象局、雾情信号台,开展了座谈、填写调查表、实地调查及采访船长等多种方式的调研活动.结果表明：1)航道部门在重庆段布设了39个雾情人工观测台,在重庆2处、宜昌1处开展了能见度仪器性能对比观测试验,气象部门在重庆－宜昌段布置了41个能见度仪,长江三峡通航管理局在两坝附近布置了3个能见度仪,为船舶航行提供保障服务.2)长江山区航道沿线全年雾日较多,冬半年雾情较重;重庆－宜昌、宜宾－南溪的山区河道,南溪－重庆的滩头及回水湾、三峡区间的支流河口等地有利于大雾发生;3)可视距离小于1 500 m便可对船舶航行形成不利影响,其中以团雾、强浓雾、漂浮的大雾危害最大;4)三峡大坝蓄水使大坝至重庆航道区段雾的特征发生变化,如产生了一些新的雾区,季节规律变得模糊,局地夏半年多雾;重庆以上航道水位受到金沙江梯级电站蓄水影响较大,但雾情尚未受影响.深入揭示长江山区航道雾情特征、确定重点雾区和监测布点原则,需要综合利用各部门的人才和技术优势,做到资源节约、又好又快,最终实现长江山区航道能见度信息的实时、准确数字化采集、处理与服务,可为采取限航、限速、封航等水运交通管制确保船运安全提供科学依据.     

刍议中国自然保护区生态旅游开发策略

对自然保护区生态旅游的认识不足导致旅游开发中的不当行为。已对保护区的功能造成破坏。反过来也会对旅游业本身的可持续发展产生极大的负面影响，甚至摧毁旅游业。针对我国自然保护区生态旅游开发现状的分析。本文从宏观与微观两方面提出了自然保护区生态旅游开发策略。     

基于属性约简的加权朴素贝叶斯分类算法

朴素贝叶斯在处理分类问题上简单高效,通常它假设属性间是条件独立的,且各属性变量对类变量的影响程度是相同的,但在实际应用中这些都难以被满足,从而使得其分类性能降低.因此,提出基于属性约简的加权朴素贝叶斯分类算法,该算法首先根据各属性不同取值的分类能力及属性间的对称不确定性大小,去除了无关属性和冗余属性,使得筛选后的属性之间具有较低的关联度和较强的分类能力;然后再结合属性与类变量及属性间的相关性对各属性进行加权;最后对待判样本进行分类.经实验结果表明,该算法有效地提升了朴素贝叶斯的分类性能.     

基于先验概率的加权神经网络模型

针对不平衡分类问题中各类别规模差异较大导致的较小类别分类精度不高的情况，提出基于先验概率的加权神经网络模型．为了提高较小类别在迭代神经网络中的重要性，以每一类样本的先验概率的倒数作为该类数据的权重，将该权重加人神经网络的目标损失函数中，并基于新构造的目标函数进行网络迭代，加强对少数类别的代价敏感学习，从而提高对小类别样本的识别率．最后利用真实分类数据进行实证分析，与经典神经网络对比，证明模型的有效性与实用性．