排序方式: 共有10条查询结果,搜索用时 31 毫秒
1
1.
2.
目的 探讨对多次住院的冠心病患者实施心理健康教育对患者预后的影响.方法 采用问卷调查找准病人的心理问题,原因及诱因,并进行反复诱导式教育. 结果随着心理健康教育在冠心病病人护理中的实施,病人的抑郁程度指数、焦虑测评分值、焦虑、抑郁等心理问题发生率明显降低.结论 准确及时找出心理问题作为切入点,对病人实施心理健康教育促进多次住院冠心病患者的心理康复,对患者的预后产生积极的影响. 相似文献
3.
对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数.并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型.选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比.结果表明该灰色-神经网络模型能够满足煤与瓦斯突出预测的要求. 相似文献
4.
5.
基于增量动力分析(英文简称IDA)的倒塌安全储备系数(英文简称CMR)计算是ATC-63报告建议的方法, 该方法需要做大量的非线性时程分析, 计算非常耗时且效率不高, 不适于结构方案设计阶段针对倒塌安全储备能力的快速评估. 该文提出了基于推覆静力分析的倒塌安全储备系数(CMR)的实用计算方法, 该方法中以改进的Park-Ang损伤模型作为结构整体倒塌判别准则, 倒塌性能点则是通过推覆分析得到的能力曲线, 并结合由各个地震动的反应谱以及Nassar-Krawinkler塑性谱生成相应的塑性需求曲线来确定. 该方法结合了ATC-63报告中计算思路和推覆分析的特点, 考虑了所选地震动对倒塌性能点的差异性, 计算效率大大提高, 且计算结果偏于保守地合理, 上述特点通过一8层钢筋混凝土框架结构的算例得以证明. 相似文献
6.
The determination of collapse margin ratio (CMR) of structure is influenced by many uncertain factors. Some factors that can affect the calculation ofCMR, e.g., the elongation of the structural fundamental period prior to collapse, the determination of earthquake intensity measure, the seismic hazard probability, and the difference of the spectral shapes between the median spectrum of the ground motions and the design spectrum, were discussed. Considering the elongation of the structural fundamental period, the intensity measureSa(T1) should be replaced with*aS in the calculation of CMR for short-period and medium-period structures. The reasonable intensity measure should be determined by the correlation analysis between the earthquake intensity measure and the damage index of the structure. Otherwise, CMR should be adjusted according to the seismic hazard probability and the difference in the spectral shapes. For important long-period structures, CMR should be determined by the special site spectrum. The results indicate that bothSa(T1) and spectrum intensity (SI) could be used as intensity measures in the calculation of CMR for medium-period structures, but SI would be a better choice for long-period structures. Moreover, an adjusted CMR that reflects the actual seismic collapse safety of structures is provided. 相似文献
7.
8.
煤与瓦斯突出灰色-神经网络预测模型的建立及应用 总被引:1,自引:0,他引:1
对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数.并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型.选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比.结果表明该灰色-神经网络模型能够满足煤与瓦斯突出预测的要求. 相似文献
9.
10.
煤与瓦斯突出灰色-神经网络预测模型的建立及应用 总被引:4,自引:0,他引:4
对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数.并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型.选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比.结果表明该灰色一神经网络模型能够满足煤与瓦斯突出预测的要求. 相似文献
1