《以三角形内角和》为例，谈“学案式”与“探究式”教学模式之比较

有一座30米高的电视信号接收塔，要建造与它形状相同的另一座塔，需要知道这座三角形塔的每一个角的角度。两个底角可以测量出来，而顶角太高，无法测量怎么办?     

宇航员与健康

宇航员不能叫急救车，不能因为牙疼去看医生。宇航员在空间站飞行数月后，却能健康地返回地球。他们是如何办到的呢？     

试论我院公共体育教学改革的切入点

进入21世纪,随着高校课程改革的不断深入,高校体育课程应进一步贯彻落实"健康第一"的指导思想.以此为依据,本文着重分析了目前我院公共体育教学工作中存在的主要问题,经过研究论证,提出了我院进行公共体育教学改革的切入点.     

健康第一原则与学校体育教育改革的思考

学校体育立“素质教育”,树“健康第一”的指导思想是新时期学校体育发展的必然走向。但学校体育的健康教育还停留于形式上,还没有完全从原有的模式跳出来。学校体育改革就是要我们去做一种与以往不同但却可以达到以增进健康为主要目的的体育活动。从大众体育健康的角度,忽视或不要去刻意追求过去那种生理“波峰”的传统模式。     

森林面积分布系统的最优控制存在性问题

本文研究森林面积分布系统的最优控制问题。本文将林木总和长消率作为控制变量，以“范数最小”来衡量其最优性，利用空间Ｌ＾２（０，Ｔ）Ｔ〉０的自反、光滑和严格凸性，给出了森林面积分布系统最优控制的一个存在性定理。     

论《诗经》中情歌的内容美

本文从恋爱、婚姻、家庭等方面，论述了《诗经》中情歌的内容美。     

结构方程模型在兴安落叶松林生长中的应用

【目的】通过结构方程模型,确定气候、土壤和海拔对兴安落叶松林生长指标的影响以及路径关系。【方法】选取年平均气温、年平均降水量、太阳辐射、土壤全氮含量、土壤有机碳密度和海拔作为影响因素,探究兴安落叶松地上生物量、地下生物量、树高与这些影响因素的关系,并利用AMOS 21.0软件构建衡量兴安落叶松生长的3个指标与气候、土壤和海拔的结构方程模型。【结果】兴安落叶松的地上生物量、地下生物量随着海拔、年平均降水量的增大呈现先增大后减少的趋势,树高随着海拔的增加而增加。地上和地下生物量随着土壤有机碳密度的增加而增加。海拔对兴安落叶松生长的总效应系数为0.200且是正向效应,海拔对兴安落叶松生长的直接效应(0.224)大于间接效应(-0.024);气候因子对兴安落叶松林生长的总影响系数为-0.771且是负向效应;土壤因子对兴安落叶松生长的总影响系数为-0.216,其对兴安落叶松林生长起到一定的抑制作用。【结论】根据结构方程模型的路径系数,气候因子的总影响系数绝对值最大,其次是土壤和海拔,兴安落叶松林静态生长主要受到气候因子的制约。     

健康促进学校推进现状及成效研究

为切实营造中小学生健康促进的环境,提升其身心健康水平,健康促进学校(Health Promotion School,以下简称HPS)建设工作应运而生.采用分层整群抽样,选取重庆市7个区30所学校共1 857名中小学生进行问卷调查,运用列联分析、方差分析和分层回归分析等方法探究HPS推进现状,对比HPS与非HPS之间的差异,探索学生健康知识、行为、状况的影响因素及特征.结果显示：(1)学校健康教育中,HPS在健康教育开课频率、有无课本及开展活动情况均显著优于非HPS.(2)校园环境中,HPS绝大部分指标应答率均高于90%; HPS所有指标均显著优于非HPS.(3)自报身体情况中,学生经常感冒腹泻发烧率、经常情绪低落抑郁率、龋齿率、近视率方面HPS与非HPS均不存在显著性差异.(4)HPS学生健康知识知晓率为76.1%、健康行为持有率为68.8%、健康状况得分平均分为15.235; HPS学生健康知识、行为、状况均显著优于非HPS.(5)学生健康知识、行为、状况均受背景信息、学校健康教育、身体状况、校园环境影响,各分类变量对其总解释力分别为25.2%,20.2%,25.4%,其中学校健康教...     

基于LSTM网络的车辆动态荷载识别方法

为了识别车辆的动态荷载,提出了一种基于长短时记忆网络的方法.该方法以桥梁加速度响应为输入,采用有限的数据集,实现车辆动态荷载的识别.建立了车桥耦合模型进行验证,以60组桥梁加速度响应为输入,以相应的车辆动态荷载为输出,通过训练长短时记忆网络来反演车辆动态荷载,并讨论了环境噪声及路面粗糙度对识别效果的影响.结果表明：测试集的车辆动态荷载识别误差平均值均小于5%;车辆动态荷载识别误差不随噪声水平变化,且平均误差小于5%;车辆动态荷载识别误差随着路面粗糙度等级的增加呈现略微增加的趋势,平均误差小于5%.在不同噪声及粗糙度水平下,长短时记忆网络均可用于车辆动态荷载的识别.     

基于机器视觉的车辆时空参数识别

车辆荷载信息是分析桥梁受力和性能评估的重要依据,其中车辆时空信息是准确识别车辆荷载的关键参数。考虑到传统在桥面埋设传感器的方法影响交通、破坏路面,提出了一种基于机器视觉技术的车辆荷载时空参数识别方法,包括车辆的横向定位、车速、车轴数、轴距的识别。基于正面拍摄视频,采用背景差分法来实现车辆检测,进一步通过车牌识别确定车辆在图像中的位置,然后根据车牌与车道线距离来实现车辆横向定位。基于侧面拍摄视频,采用图像标定方法,结合已知长度的辅助检测线来获取车辆的轴距、轴数、车速等车辆参数。通过试验室模型试验和现场试验验证了提出的方法。结果表明,现场试验中车辆横向定位和车速的最大误差分别为2.42%和2.67%,轴距的平均误差为1.63%,识别结果可以为更多其他车辆参数如轴重和总重的识别提供重要的技术支撑。