基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

人工智能在智慧海洋建设中的应用

围绕人工智能与智慧海洋建设这条主线，论述人工智能、智慧海洋的概念，列举当前较为成熟的人工智能与海洋科技在海洋观测方面融合的切入点，初步展现一种海洋技术与装备智能化的发展路径，提出加快人工智能技术向智慧海洋建设赋能的几点建议。     

超高效液相色谱-串联质谱法同时检测糕点中6种甜味剂

目的建立超高效液相色谱-串联质谱法同时测定糕点中6种常用合成甜味剂的分析方法。方法选用超纯水作为提取溶剂,涡旋和超声提取后,低温离心,取部分上清液加入正己烷除脂,Waters Atlantis■T3色谱柱、甲醇-5 mmol/L甲酸铵(含0.1%甲酸)作为流动相、亲水亲脂平衡型固相萃取柱HLB(hydrophile-lipophile balance)净化。结果6种甜味剂在质量浓度为10~200 ng/mL的曲线范围内呈良好线性关系,相关系数r均大于0.999,平均加标回收率在85.0%-98.2%之间,相对平均偏差(relative standard deviation,RSD)为1.3%~6.7%。结论该方法具有前处理简单、灵敏度高、检测速度快等优点,适合糖精钠、甜蜜素、三氯蔗糖、阿斯巴甜、阿力甜、纽甜的检测,但不适用于安赛蜜的检测。     

基于发展科学探究能力的高中化学教学实践 ——以"元素周期律"章节为例

基于学生在学习元素周期律时存在的普遍问题改进了教学实践,分析了元素周期律发展学生科学探究能力的价值,设计了四个教学环节——趣味导入,成果展示;分析规律,做出猜想;设计方案,收集证据;梳理模型,迁移应用,并提出了三点针对学生探究能力发展的教学建议.