广西全州石脚盆天坑群景观旅游资源研究

石脚盆天坑群是典型的喀斯特天坑地貌,具有良好的景观旅游资源。本文通过文献查阅和实地调研相结合的方法,对石脚盆天坑群景观旅游资源进行深度挖掘,详细描述每个天坑的构造和景观特征,归纳天坑群的植被资源和人文资源,对石脚盆天坑群的景观旅游资源展开评价,提出纵向分带旅游开发的建议,以充分发挥石脚盆天坑群的旅游资源价值,达到丰富桂林旅游类型和增强桂北旅游市场活力的目的。     

基于改进EEMD的卷积神经网络滚动轴承故障诊断

集合经验模态分解(EEMD,ensemble empirical mode decomposition)对信号进行分解,得到的模态函数(IMF,Intrinsic model function)在2端点存在严重的发散现象,如果将分解结果直接应用到故障诊断系统中,会导致诊断的准确率下降。首先将支持向量机(SVM,support vector machine)和EEMD算法结合进行信号分解,并利用仿真信号进行可靠性分析;其次对SVM(support rector machine)-EEMD分解的分量进行选择后再分解并构建能量向量,最后和卷积神经网络结合,构建滚动轴承故障诊断模型并通过实验验证。结果表明,改进EEMD算法可以有效缓解端点发散问题,构建的故障诊断模型提高了故障诊断精度。     

阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge,SOC)的估算方法,其估算精度高度依赖于模型精度,模型精度又正比于模型复杂度,以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基...     

三螺旋DNA分子久期方程的约化

利用矩阵分块技术和将二维矩阵化为一维矩阵的方法、明显地简化了poly(dT)·poly(dA)·poly(dT)的久期方程,大大节省了计算机内存空间和计算时间.这件方法可以用来计算具有螺旋对称性的所有巨分子的低频振动谱.     

基于改进GA和信任感知的无线传感器网络安全分簇路由协议

针对现有信任感知无线传感器网络安全路由协议局部决策导致整体安全性不足以及能耗和负载不均衡的问题,提出一种基于改进遗传算法的无线传感器网络信任感知安全路由方法.该方法中节点根据直接信任值、间接信任值、挥发因子和剩余能量计算得到综合信任值,以综合信任值最大、网络能耗最小以及负载均衡为目标,构建相应的适应度函数,并将簇头选择...     

环氧丙烯酸酯低聚物制备过程若干影响因素

在不同阻聚剂用量、投料比、投料方式等条件下合成环氧丙烯酸酯.对合成产物进行了红外光谱分析.制备了紫外光固化涂料,测定了固化膜的凝胶质量分数.结果表明,阻聚剂用量增加有利于提高酯化反应程度及固化膜凝胶质量分数,但当阻聚剂用量达到1.0%(质量分数)时酯化程度降低、固化膜凝胶质量分数降低.反应物中环氧树脂稍过量有利于提高酯化反应程度;当n(Er)∶n(AA)为1∶2.0时固化膜凝胶质量分数最高.将丙烯酸与催化剂、阻聚剂预先混合后再加入到环氧树脂中的投料方式有利于提高合成产物的酯化程度.     

现代教育技术在教育发展中的作用

本文就现代教育技术在教育发展中的作用,从实现教育资源的有效共享、促进教学模式的改变、对教学内容的影响和转变、对课程体系的变革以及对教师教学方法的转变等方面进行了浅述.     

工科院校食品质量与安全专业人才培养模式研究

分析了各高校食品质量与安全专业的特点,重点探讨了工科院校食品质量与安全专业人才培养目标与方向、教育内容、所涉及的知识领域和课程体系等内容,为食品质量与安全专业建设提供一些方法与思路．     

ESD对微波半导体器件损伤的物理机理分析

为了得到电磁脉冲对微波半导体器件的损伤规律,进而研究器件的静电放电损伤机理,首先对半导体器件静电放电的失效模式即明显失效和潜在性失效进行了介绍;其次分析了器件ESD损伤模型;最后通过对器件烧毁的物理机理进行分析,得到器件在静电放电应力下内在损伤原因。在ESD电磁脉冲作用下,器件会产生击穿效应,使内部电流密度、电场强度增大,导致温度升高,最终造成微波半导体器件的烧毁。     

基于VMD-LSTM-IPSO-GRU的电力负荷预测

为了挖掘电力负荷数据中的潜藏信息,提高负荷预测的精度,针对电力负荷强非线性、非平稳性等特点,提出一种基于变分模态分解(variational mode decomposition,VMD)、优化长短期神经网络(long-term and short-term memory network,LSTM)、改进的粒子群算法(improve particle swarm optimization,IPSO)优化门控循环单元(gated recurrent unit neural network,GRU)的混合预测模型。首先,使用相关性分析确定确定输入因素,再将负荷数据运用VMD算法结合样本熵分解为一系列本征模态分量(intrinsic mode fuction,IMF)和残差量,更加合理地确定分解层数和惩罚因子;其次,根据过零率将这些量划分为低频和高频,低频分量使用LSTM网络,高频分量利用IPSO-GRU网络分别进行预测;最后,将预测结果重构得到电力负荷的最终结果。仿真结果表明,相对于其它常规模型,该混合模型可有效的提取模态特征,具有更高的预测精度。