“数学物理方法”教学中数学思维能力的独立培养模式探索

＂数学物理方法＂是物理学科与数学学科的一门重要的基础性课程之一。＂它既是数学课程,同时又是物理课程＂[,1]本课程着重培养学生的数学性思维在物理、工程领域上的应用能力,因此明确＂数学物理方法＂中物理→数学→物理思维转变的重要性,强调数学性思维在整个＂数学物理方法＂中承上启下的关键性作用是本课程培养学生最重要的方向之一。同时,针对某一具体物理问题能快速反应出所用的数学方法,拥有数学与物理思维之间快速转变的能力对于本课程来说也是至关重要的。     

长江大保护物资管理系统的设计与实现

在长江大保护建设及运营项目中,物资管理工作至关重要。文章对长江大保护物资管理业务痛点进行了分析,结合长江大保护智慧水管家模式中的采购一体化、集中管理等需求,设计并实现一种长江大保护物资管理系统。采用中台架构构建物资编码管理、到货验收管理、仓储管理、资产管理等功能,真正做到基于“集中存储、专业采购、按需领用、资源共享”的管理原则实现物资全生命周期的集中化管理。系统已在实际项目中得以推广应用,优化了仓储管理模式,使多项关键技术成功落地。     

大尺度楼盖温度效应分析

介绍了采用ANSYS软件对大尺度现浇楼盖结构温度效应的有限元法计算分析方法.对大尺度楼盖在正常使用期间不同温度作用下的受力及变形进行了计算分析,总结了各种温度作用下大尺度现浇楼盖结构的内力分布规律和特点.     

大直径焊接空心球节点足尺试验研究

通过对某体育中心屋盖拱形桁架支座的焊接空心球节点的足尺模型试验,获得了该节点的应力应变分布情况和极限承载力.为了探讨理论设计方法,采用AN SY S有限元分析软件,采用she ll143壳单元建模,同时考虑几何和材料双重非线性进行有限元分析.结合试验结果和有限元分析结果,验证有限元模型和分析方法的合理性,并对球节点的受力性能和承载力进行评价,同时为复杂节点设计提供参考.     

磁电可调微波器件电调频带漂移模型

针对磁电可调微波器件外加电场可以调节器件频带漂移的现象,该文基于经典层合板理论及Smith-Beljers理论,建立了外电场作用下磁电层合结构铁磁共振频率漂移模型.对PZT/YIG/GGG 3层磁电层合结构,该理论模型可以在定性上有效的预测施加平行和垂直的外磁场时,电调FMR频率漂移方向相反的实验现象,进而为磁电可调微波器件电调频带漂移现象提供了理论基础.     

活化氧化石墨烯的制备及对甲基橙的吸附

为了提高氧化石墨烯(GO)的比表面积和吸附性能,采用氢氧化钾对GO进行高温固相活化,制备出活化氧化石墨烯(GOKOH),并将其用于对水中阴离子染料甲基橙(MO)的吸附研究。结果表明,GOKOH的比表面积可达672.48 m2/g。GOKOH能在较宽的p H范围内实现对MO的高效去除,去除率高达94.87%,吸附平衡时间约为150 min。准一级和准二级动力学拟合的理论平衡吸附容量分别为549.87 mg/g和549.45 mg/g,Langmuir模型的饱和吸附容量为632.91 mg/g。该吸附过程受边界层扩散与颗粒内扩散两个步骤控制,符合二级动力学模型和Langmuir模型,并主要以化学吸附为主。     

基于总线网络的确定寻径算法剖析

通过建立一个ｎ×ｎ二维总线网络上的消息传递模型,分析了基于总线网络的确定寻径算法性能,得出了任何基于ｎ×ｎ二维总线网络的确定寻径算法都至少需要１．５ｎ步的结论。并由此推广到多维总线网络,得出结点总数为Ｎ的δ维总线网络上的确定寻径算法需要步。     

高空湿度探测用加热式湿度传感器的研制

为实现高空高湿环境下对湿度的准确测量,本文设计和研究了集成加热功能的湿度传感器,在探空仪进行高空湿度探过程中利用两只加热式湿度传感器进行轮流加热除湿和湿度测量。通过对聚酰亚胺湿敏材料进行改性和合成,设计和制作了加热式的电容型湿度传感器,其灵敏度为0.2195 pF/%RH、响应时间小于1 s、湿滞为4.8%RH、半年漂移量在±0.3%RH以内。通过分析不同温度下的加热恢复时间,制定了加热式湿度传感器轮流工作的机制,轮流加热时间和周期分别为2s和120 s。并利用数据采集电路以及GPS探空仪对加热式湿度传感器进行了地面静态性能和高空动态性能测试,其高空湿度探测结果与VA SALA RS92的显示出较好的一致性和较低的湿度误差。本文研制的加热式湿度传感器能具有良好的地面性能,实现了交替加热除湿和湿度测量的功能,具有高空湿度探测的应用潜力。     

基于深度神经网络和联邦学习的网络入侵检测

在高速网络环境中,对复杂多样的网络入侵进行快速准确的检测成为目前亟待解决的问题。联邦学习作为一种新兴技术,在缩短入侵检测时间与提高数据安全性上取得了很好的效果,同时深度神经网络（DNN）在处理海量数据时具有较好的并行计算能力。结合联邦学习框架并将基于自动编码器优化的DNN作为通用模型,建立一种网络入侵检测模型DFC-NID。对初始数据进行符号数据预处理与归一化处理,使用自动编码器技术对DNN实现特征降维,以得到DNN通用模型模块。利用联邦学习特性使得多个参与方使用通用模型参与训练,训练完成后将参数上传至中心服务器并不断迭代更新通用模型,通过Softmax分类器得到最终的分类预测结果。实验结果表明,DFC-NID模型在NSL-KDD与KDDCup99数据集上的准确率平均达到94.1%,与决策树、随机森林等常用入侵检测模型相比,准确率平均提升3.1%,在攻击类DoS与Probe上,DFC-NID的准确率分别达到99.8%与98.7%。此外,相较不使用联邦学习的NO-FC模型,DFC-NID减少了83.9%的训练时间。     

基于聚类挖掘的移动通信网络链路优化设计

移动通信网络链路信噪比低且容量小,容易导致通信过程出现中断,通信质量较差,难以实现信息实时传输,为此提出基于聚类挖掘的移动通信网络链路优化设计.首先分析聚类挖掘算法预测失效链路,将相关边聚类信息融入各项指标中,获取边聚类系数定义表达式,结合表达式挖掘节点与周围网络对链路优化形成的价值;利用马尔科夫信道转移法对通信网络链...