首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   6篇
  免费   0篇
  国内免费   1篇
电工技术   2篇
金属工艺   1篇
能源动力   1篇
水利工程   1篇
自动化技术   2篇
  2023年   1篇
  2018年   2篇
  2014年   1篇
  2013年   1篇
  2009年   1篇
  2007年   1篇
排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
Gemini表面活性剂是近十几年发展起来的新一代表面活性剂,其分子结构独特新颖,性能优良,应用前景广阔,特别是在高科技领域应用广泛.综述了Gemini表面活性剂的发展历程、分子结构、性能、制备和应用.  相似文献   
2.
特殊事件会使月售电量发生很大变化,导致实际售电量曲线明显偏离典型售电量曲线。然而由不考虑特殊事件的传统预测模型得到的月售电量预测曲线却更接近于典型售电量曲线,这将不可避免地导致月售电量预测精度降低。为解决该问题,本文以异常高温,政治事件和超强台风为例,分析研究了特殊事件对月售电量及其预测的影响。首先,介绍了“互联网+”背景下基于大数据的月售电量预测模型,并对其预测精度进行了评估;其次,针对异常高温、政治事件及超强台风三种特殊事件,描述了各事件的特殊情况,以实际月售电量数据说明了特殊事件对月售电量的影响,然后利用月售电量预测模型研究了特殊事件对月售电量预测的影响,并详细分析了产生这种影响的原因,在此基础上,针对不同的特殊事件提出了相应的初步改善对策。  相似文献   
3.
目的: 研究开口箭不同提取部位对异丙肾上腺素(ISO)致小鼠心肌缺血损伤的保护作用。方法: 将105只小鼠随机分为正常组、模型组、开口箭石油醚、乙酸乙酯、正丁醇、水部位组和地奥心血康组;各给药组分别灌胃给予相应的药物,正常组及模型组给予等容量的 0.5%CMC-Na灌胃,给药 7 d 后,随后 3 d 在给药后 30 min,模型组、开口箭提取物组和地奥心血康组皮下注射ISO 5.0 mg/kg,正常组则皮下注射同体积的生理盐水。给药结束次日取血处死小鼠,测定心脏脏器指数;左心室匀浆中超氧化物歧化酶(SOD)、谷胱甘肽过氧物酶(GSH-Px)、丙二醛(MDA)水平;血浆中谷草转氨酶(AST)、乳酸脱氢酶(LDH)、肌酸激酶(CK)、肌酸激酶同功酶(CKMB)、羟丁酸脱氢酶(HBDH)活力,另取心脏组织,分别进行心脏组织形态学和超微结构分析。结果: 开口箭不同提取部位均可显著逆转ISO升高的心脏脏器指数,心肌中异常的MDA含量及SOD、GSH-Px水平,明显降低血液中升高的AST、LDH、HBDH、CK、CKMB水平,降低心肌炎性浸润、溶解坏死和胶原纤维面积,与模型组比较,开口箭正丁醇和乙酸乙酯部位均具有统计学差异(P<0.05,P<0.01),其治疗效果与地奥心血康相当;石油醚部位在改善HBDH、SOD等方面有统计学差异(P<0.05);水部位除LDH、CK、GSH-Px外,均具有统计学差异(P<0.05)。结论: 开口箭不同提取部位对ISO致小鼠心肌缺血损伤具有较强的保护作用,其作用效果由强至弱依次为:开口箭正丁醇部位、乙酸乙酯部位、水部位和石油醚部位。  相似文献   
4.
5.
浅谈高校计算机教学中学生创新素质的培养   总被引:1,自引:0,他引:1  
当今时代,掌握知识的多少已不再是衡量人才的唯一标准,重要的是是否具有迅速学习掌握知识的本领和进行创新的能力.高等学校是知识创新、知识传播和知识应用的主要基地,是培育创新人才的重要摇篮.高校计算机教师应以现代素质教育理论为指导,运用创新学理论,以创造性思维为桥梁,加强学生创新素质的培养,具体而言主要有以下几个方面.  相似文献   
6.
特殊事件会使月售电量发生很大变化,导致实际售电量曲线明显偏离典型售电量曲线。然而由不考虑特殊事件的传统预测模型得到的月售电量预测曲线却更接近于典型售电量曲线,这将不可避免地导致月售电量预测精度降低。为解决该问题,本文以异常高温,政治事件和超强台风为例,分析研究了特殊事件对月售电量及其预测的影响。首先,介绍了"互联网+"背景下基于大数据的月售电量预测模型,并对其预测精度进行了评估;其次,针对异常高温、政治事件及超强台风三种特殊事件,描述了各事件的特殊情况,以实际月售电量数据说明了特殊事件对月售电量的影响,然后利用月售电量预测模型研究了特殊事件对月售电量预测的影响,并详细分析了产生这种影响的原因,在此基础上,针对不同的特殊事件提出了相应的初步改善对策。  相似文献   
7.
李骏  刘强  李磊  金家红  郭玥 《工业加热》2023,(9):69-73+76
为实时排查锅炉加热器故障,降低人力维护成本的同时确保其稳定运行,提出一种基于LSTM(Long Short-Term Memory,长短期记忆网络)深度学习模型的锅炉加热器故障诊断方法。将单数据包动态分配到不同节点,优化信息素更新模式,引入信息素负载调节因子,使用蚁群优化算法采集锅炉加热器运行数据;利用时间序列分析明确异常值特征并创建异常组合模型,使用迭代检验法实现锅炉加热器数据清洗,保证故障诊断结果可靠性;通过LSTM深度学习模型筛选强、弱关联数据,划分锅炉加热器典型故障征兆,标准化处理数据训练集,计算实际值和评估值的差异损失,完成故障诊断目标。实验结果表明,所提方法故障诊断精准度高、时效性强,具有优秀的鲁棒性,可为快速诊断锅炉加热器故障提供参考。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号