AVS体系在形名语义组合中的运用和发展

形容词与名词的语义组合,一般采用AVS体系来进行计算。Smith、Blutner和Frank的研究分别解决了组合中的典型性、语境性和否定性。为了进一步研究形容词的多义性,我们把系统中的值与多个特征联接起来。新提出的形容词概念语义模型能够更加有效地对汉语形容词进行释义,并解释相关的形名语义组合,这扩展了AVS体系的解释力。同时,应用模板自动获取这种AVS的想法在研究中被证明是可行的。     

试论高职教育产学结合的人才培养模式

高职教育产学结合是具有创新精神和实践能力的高素质人才培养的有效教学模式,我国发展高职高专教育必须走产学结合的道路。要实现产学结合的良性发展,必须形成一套切实可行的产学结合人才培养模式,建立一个好的运行机制。本文结合教改实践探讨了新世纪高职教育产学结合人才培养目标以及产学结合人才培养的途径。     

以市场需求为导向 培养高等技术应用性人才

高职教育应以市场需求定位学校培养目标,紧密结合产业特色,坚持走产学结合的道路。同时,要根据社会经济发展,不断调整专业设置,改革重组课程体系,设计多样化人才培养模式。     

基于BP神经网络的非线性组合预测模型在粮食物流需求预测中的应用

鉴于单项预测模型的局限性,在确定粮食物流需求量的基础上,建立了基于BP神经网络的非线性组合预测模型,并把这一模型应用于长春市粮食物流需求的预测。误差分析表明,该预测模型可以有效地提高粮食物流需求量的预测精度。     

校企结合：高职与区域经济互动的人才培养途径

高职院校校企结合的人才培养模式,是服务于区域经济、服务于社会发展、服务于企业发展需要的具体体现,是实现与区域经济良性互动的有效模式,也是推动高等职业教育有效发展的重要途径。     

基于信息趋势预测和组合赋权的智能变电站继电保护系统状态模糊综合评价

智能变电站建设为二次设备实时信息的获取提供了条件,准确了解继电保护系统的状态对提高供电可靠性具有重要作用。根据智能变电站的信息流向和设备功能建立基于实时自检信息和关键历史信息的状态评价信息模型,考虑传统状态评价方法对系统状态的评估具有滞后性,提出基于信息趋势预测的惩罚修正策略,根据趋势预测的结果选取岭形模糊隶属度函数进行模糊处理;采用层次分析法和反熵权法结合的组合赋权方法进行权重设定,克服了传统熵权法灵敏度太高的缺陷。将所提方法与传统方法进行对比验证,仿真结果表明所提方法可以有效地提高状态评价结果的准确性和及时性。     

基于供电分区的中高压配电网综合评价策略

传统的配电网规划综合评价方法缺乏对配电网不同区域特点的考虑,基于供电分区并结合中高压配电网规划特点建立了一套综合评估指标体系。在指标优化方面,根据传统灰色关联方法提出了通过核心指标来简化灰色关联度的计算过程,同时考虑到单独使用灰色关联理论会不利于指标间的相互独立性。因而综合应用层次分析法(Analytic Hierarchy Process, AHP)与灰色关联分析方法进行指标筛选,实现了指标优化与去冗余。引入层次分析法对熵权法的权重计算方法进行修改,使其权重更加合理。此外以最小距离和来设计目标函数,并利用拉格朗日函数从由k(k≥2)种方法计算得到的权重中得到最优权重。以河南省某市2015年和2016年配电网规划的历史数据为例进行综合评估,表明该评价体系与方法能够合理地评估配电网整体发展水平,并找出薄弱环节,为配电网的规划、建设提供参考依据。     

含串联组合型微源的微网模式平滑切换控制方法研究

为保证含串联组合型微源的微网并网和孤岛两种运行模式的平滑切换,研究一种以串联组合型微源和超级电容器构成的子系统作为主电源,用飞轮电池保证不间断供电的微网协调控制方法。首先对系统结构进行简要说明。其次分析了微网模式切换时微源和复合储能的控制方法。最后以含两个串联子系统的微网为例进行Matlab/Simulink仿真分析。仿真结果表明,在复合储能的控制作用下,此微网在模式切换中能保持良好的电压和频率稳定性,从而验证了该控制方法的有效性。     

基于AHP与模糊多目标规划的新产品组合研究

分析了新产品组合方法对产品开发的重要作用，提出了基于AHP与模糊目标规划的新产品组合方法，将人的经验判断与客观分析相结合，经过实例计算，取得了满意的结果。     

基于ISMC-PSO的风电爬坡输出功率预测系统的研究

目前风电场都是使用单一的功率爬坡预测模型,其泛化能力较差,预测精度低。通过分析支持向量机和极限学习机两种单一功率的爬坡预测模型,研究了这两种模型的权值选取方法,提出了一种组合功率爬坡预测模型。该模型使用基于粒子群算法的改进算法对上述两种单一模型的权值进行权重优化,形成了一种新的高精度的预测系统。然后对该系统进行建模仿真。仿真结果验证了该预测模型的有效性,其预测精度较之单一的预测模型有了很大的提高。