防护服是否可以兼顾安全与舒适

一次性防护服因穿着时间短、利用率低,在生产制造时并未考虑兼顾舒适性的问题新冠肺炎疫情期间,一线医护人员被防护服浸湿的头发、衣裤,被口罩勒破的脸颊频频出现在公众视野中。不少医护人员表示,每天最放松、舒服的时候,便是脱掉防护服的时刻。那么,是否有办法解决他们的困扰?防护服的防护效果和舒适性能否兼得?设计的初衷是短期使用东华大学研究院研究员王华平认为,一次性防护服因穿着时间短、利用率低,在生产制造时并未考虑兼顾舒适性的问题。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

基于自然伽马测井曲线的旋回识别及古气候判断

尼玛盆地地处青藏高原腹地,由于环境恶劣交通不便等问题,导致尼玛盆地沉积旋回和层序地层研究程度极低.收集盆地内第1口探井(尼1井)的地球物理数据,利用自然伽马测井曲线对尼1井牛堡组一段进行频谱分析,共识别出405 kyr周期旋回37个、100 kyr周期旋回148个、54 kyr周期旋回274个、41 kyr周期旋回362个和23 kyr周期旋回646个,各周期对应旋回沉积厚度分别为17.7305、4.4623、2.3680、1.7873、1.0886 m,平均沉积速率44.03 m/Ma,沉积时限14.8 Ma.在此基础上,结合带通滤波变化趋势分析,认为该地区的气候反常现象由印度板块与亚欧板块的碰撞隆升引起,风化作用与焚风作用共同控制了高原内部的气候变化.     

减税降费对我国经济增长的影响分析

减税降费是刺激经济发展的重要手段,也是各国宏观经济调控的常用措施,对经济增长有着重要的影响.本文首先从国内、国际两个角度分析减税降费的实施背景,介绍了2018年新一轮大规模减税降费的主要举措和成效,并借助IS-LM模型和索洛增长模型探讨减税降费对经济短期、长期的影响以及对财政的影响,最后就如何从减税降费的视角出发推动经济发展提出了对策.     

考虑CEEMDAN样本熵和SVR的短期风速预测

为降低由于风速信号的非线性和非平稳性带来的风速预测难度，提高短期风速预测的准确性，提出一种考虑样本熵的组合分解模式和支持向量回归（SVR）相结合的预测模型。首先采用自适应噪声的完全集合经验模态分解（CEEMDAN）方法分解风速历史数据，并计算各模态分量的样本熵；然后采用变分模态分解（VMD）方法对样本熵最大的模态分量进行二次分解，充分削弱风速分量的非平稳性；接着对分解得到所有模态分量分别建立SVR预测模型；最后将各分量的预测值求和完成最终风速预测。实例分析表明，所提模型对比其他模型的预测误差最小，预测精度最高，可有效预测短期风速。     

基于SARIMA-GRNN-SVM的短期商业电力负荷组合预测方法

针对短期商业电力负荷预测准确性与周期难以满足现有电力现货市场的问题,提出了一种基于SARIMAGRNN-SVM(seasonal autoregressive integrated moving average-generalized regression neural network-support vector machine)的商业电力负荷组合预测模型。首先,对商业电力负荷变化的周期规律与随机因素的复杂影响进行了分析;然后,结合以上分析,选用SARIMA和GRNN为单一预测模型对商业电力负荷进行预测,并利用SVM进行组合,实现日前商业电力负荷预测;最后,通过某商业综合体的电力负荷数据进行验证。所提组合预测模型较单一预测模型拥有更优的预测精度与鲁棒性,可以为短期商业电力负荷预测提供借鉴。     

大数据时代基于云会计的中小企业短期经营决策

能否有效地组织生产经营活动、充分利用现有的资源和经营环境,对企业的短期经营决策有着重要的影响。在分析大数据时代云会计对中小企业生产决策和定价决策影响的基础上,建立了基于云会计的中小企业短期经营决策框架模型,并从企业生产决策和定价决策两方面阐述了大数据、云会计在中小企业短期经营决策中的应用实施。