强、弱随附性概念探析

随附性是个意蕴丰富的哲学概念,金在权依据不同的模态强度区分了强随附性和弱随附性。但是,金在权对随附性的双条件句描述犯有错误,而且他的必然性没有一致地给出弱随附性和强随附性的跨世界解释。区分强、弱随附性的关键是认识随附性的依赖与决定关系的不对称性,从这一角度可以对强、弱随附性中出现的"必然"给出合理说明,也能够以此修正强、弱随附性的划分。     

移动交界面流固耦合传热的数值稳定性分析

研究了交界面移动情况下流固耦合稳态传热的数值稳定性问题.考虑Dirichlet-Robin组合边界条件,用速度表征交界面的移动情况,流体域和固体域分别采用有限体积法和有限单元法进行离散及数值求解,利用Goudonov-Ryabenkii理论正则模态分析方法重点研究了交界面移动时数值方法的稳定性,最终获得了一条由耦合系数和移动速度组成的最优曲线,并且证明了当耦合系数和移动速度在这条曲线上取值时,离散的求解域能够达到最快的收敛速度及绝对的稳定性特征.为设计人员进行数值仿真时选取合理的参数提供了参考.     

城市轨道交通车站客流特征影响程度分析

城市轨道交通车站客流特征与其周边建成环境和社会经济因素密切相关，且不同影响因素对客流特征的影响也存在时间和空间异质性。以车站工作日日均客流量、工作日特殊时段(如早高峰进站、早高峰出站、晚高峰进站和晚高峰出站)客流量为因变量，从车站属性、连接性和建成环境3个方面选择23个自变量，采用多尺度地理加权回归(MGWR)模型构建客流特征分析模型，分析不同时间尺度下轨道交通车站客流量的影响因素及其相互作用，并以南京市轨道交通系统进行实例分析。结果表明：与普通最小二乘法(OLS)回归模型和地理加权回归(GWR)模型相比，MGWR模型更为可靠；忽略早晚高峰客流影响的全天客流量预测模型拥有的显著自变量最多，到市中心的距离对客流量有显著的负影响，证明距离市中心越近的车站的客流量集聚性越明显；周边居住、生活类设施占比较高的车站对早高峰进站和晚高峰出站客流有很强的吸引作用，而周边居住、生活类设施占比不高的车站对早高峰出站和晚高峰进站客流有很强的吸引作用。研究结果可以为城市规划部门促进城市轨道交通与城市建设的协同发展提供理论支撑。     

分析高中地理探究式学习

随着我国教育制度的改革,新课改的不断深入,教学模式逐渐发生变化,家长对教学水平的要求也在逐步提高。将探究式学习融入高中地理教学过程中,可以充分挖掘出学生的潜能,提高学生学习能力,而教学效果也会显著增强。该文首先叙述了高中地理探究式学习的优势和必要性,然后对高中地理探究式学习的实施提出了几点建议。     

柔性机械臂动力学建模与振动分析

本文采用假设模态法和Lagrange方程建立了柔性机器人连杆的动力学模型,利用数值仿真,对比分析了截取模态的阶数对连杆振动的影响,结果表明,三阶模态截断可以得到较良好的振动响应分析结果。仿真结果还表明,柔性机器人连杆的结构参数对系统振动的影响,适当增加连杆截面高度可以有效抑制其振动和弹性变形。末端集中质量会对连杆振动产生较大影响。仿真结果表明,集中质量越大,连杆振动也越剧烈。     

初中地理教学经验浅谈

地理知识来源于生活，也将用之于生活。即使初中地理知识以理论的形式出现在学生的面前，但是只要教师合理地引导，相信学生能够感受到地理与生活的密切联系。作为初中的地理教师，当初中地理以崭新的面孔树立在小升初的学生面前时，教师必须做好充分的教学准备，陪伴学生接受并理解初中三年的地理教学。总结个人的教学经验，我觉得在地理教学的过程中需要注重累积。     

地理国情普查基本内容研究

地理国情是基本国情的重要组成部分,也是统计分析的重要数据源。本文以四川省地理国情普查工作为例,主要介绍地理国情普查的前期准备工作,依据遥感影像进行地理国情要素和地表覆盖信息采集的相关内容,以及后期的内业编辑整理工作,为地理国情普查工作的顺利进行及后期研究提供依据。     

基于VMD-BO-BiLSTM的猪肉价格预测模型

基于猪肉价格的非线性与波动性特性，提出一种基于变分模态分解（variational modal decomposition, VMD）和贝叶斯优化（Bayesian optimization, BO）的双向长短时记忆（bidirectional long short-term memory, BiLSTM）网络的猪肉价格预测方法。首先采用变分模态分解对数据进行预处理，将数据分解为具有相对简单波动的子序列；然后通过贝叶斯算法对双向长短时记忆网络模型的第1、2隐含层神经元数目、学习率和批次大小进行寻优，根据寻优的结果建立预测模型。实验结果表明：VMD-BO-BiLSTM方法的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为1.101 214、1.466 100、0.040 631、0.987 760，相比传统单一的LSTM,BiLSTM模型精确度更高，有更高的适用性，适合对猪肉价格预测。