药学专业《物理化学》课程教学改革的思考

《物理化学》是药学专业的学科基础必修课程,为提高药学专业学生学习《物理化学》课程的兴趣,更好地掌握物理化学的基本知识和技能,针对当前《物理化学》教学过程中存在的问题,根据多年药学专业《物理化学》课程的课堂教学实践,特此提出以下教学改革思路:(1)优化教学内容,突出物理化学知识在药学领域的应用;(2)改革教学方式和手段,引入微课和雨课堂,提高课堂学习气氛和学习效率;(3)改革考核方式,实验部分单独设课,理论课实行课前、课中、课后多元评价模式。     

农业水利工程灌溉现状及节水措施

现代社会发展过程中,水资源的重要性持续提升。农业发展中,农田灌溉需要大量的水资源,但中国水资源短缺的问题逐渐恶化,在这样的情况下,必须加强节水措施的应用,一方面避免浪费,同时提高水资源的利用率。文章将结合现阶段中国农业水利工程灌溉中存在的问题,有针对性的提出相应的节水措施,希望可以为中国农业发展创造更好的条件。     

区域雨洪资源利用潜力及应用模式

现阶段我国的雨洪资源管理工作已取得初步成效,因此对之前工作的经验和方法加以分析和总结,对于完善我国雨洪资源管理技术和更新现代城市雨洪资源管理模式都有着重要助益。文章分析了雨洪资源利用的潜力,提出了雨洪资源利用的管理模式和具体措施,在此基础上研究了雨洪资源利用和管理系统的结构,希望能够促进我国雨洪资源的合理利用。     

ICP-OES测定喙尾琵琶甲各虫态中8种微量元素含量比较

喙尾琵琶甲不同虫态样品进行微波消解,采用电感耦合等离子体发射光谱法ICP-OES对不同虫态中8种微量元素进行分析比较。研究发现,喙尾琵琶甲各虫态中Zn、Al、Fe、Cu、Mn含量较丰富,Cd、Cr、Ni在3种虫态中含量均较低。幼虫中Al、Fe、Cu、Mn含量显著高于成虫和蛹;蛹中Zn的含量显著高于成虫和幼虫,为506.87 mg/kg,其他7种微量元素均低于成虫和幼虫,这一结果为喙尾琵琶甲蛹开发为一种补锌的生物制品提供了基础研究数据。     

基于K-Medoids聚类与栅格法提取负荷曲线特征的CNN-LSTM短期负荷预测

高效准确的短期负荷预测是电力系统安全稳定与经济运行的重要保障。针对峰荷与谷荷预测误差较大的问题,提出一种基于栅格法提取负荷曲线特征的卷积神经网络和长短期记忆网络(convolutional neural network and long short term memory network, CNN-LSTM)混合预测模型。首先,采用K-Medoids算法对日负荷曲线聚类,将各聚类中心作为典型代表日负荷曲线。采用栅格法将典型代表日负荷曲线划分为若干个区间并依次编号,提取负荷曲线的特征。然后,将各典型代表日负荷曲线特征与对应负荷类型历史数据重构成新的特征集输入到CNN-LSTM混合神经网络中。利用CNN挖掘数据间的特征形成新的特征向量,再将该特征向量输入到LSTM中进行预测。最后,以美国新英格兰地区2012至2013年电力负荷数据集为例进行仿真验证。结果表明,所提方法在不同日期下的负荷预测精度均有所提升,并且在提升日负荷平均预测精度的同时,有效提升了峰荷、谷荷的预测精度。     

钢铁企业高炉煤气受入量的组合预测模型

针对钢铁企业中高炉煤气（ BFG）受入量难以有效预测的问题,提出了一种基于数据滤波的组合预测模型。首先,采用经验模态分解（ EMD）法将原始训练数据分解为相互独立的固有模态函数,根据各模态函数自相关函数的特点滤去噪声分量,采用滤波后的重构序列作为训练样本;然后,采用组合的支持向量机（ SVM）模型对受入量进行预测,并利用遗传算法（ GA）对支持向量机的参数进行优化;最后,利用现场实际数据验证该模型的预测精度,并与传统预测方法相比较,三组预测的平均绝对百分误差分别为3.22'、4.43'和5.23'。结果表明该方法对高炉煤气受入量的预测具有较高精度,为煤气管网的平衡调度提供了决策支持。