天津“十八街”麻花

天津“十八街”大麻花因其具有酥脆香甜、个大形美、久放不绵的特点而驰名中外.不仅老“天津卫”知其美味,许多外国朋友品尝后也赞不绝口.七十多年前,座落在南楼村的“十八街”麻花店与其它小吃店卖的麻花并无两样,为了与同行竞争,几经探索改革,“十八街”麻花终于胜人一等.手艺传到范氏兄弟时,俩人分别在大沽路东楼附近开了两个“夫妻店”,兄弟俩互不相让,使麻花质量更上一     

基于CEEMD-ISSA-LSTM的空气质量预测

针对传统空气质量(AQI)预测模型精度较低的问题,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化长短期记忆网络(LSTM)的预测模型。首先,针对具有大量噪声的AQI数据直接进行预测误差较大的问题,利用CEEMD算法将原始AQI数据进行模态分解,以降低噪声对预测结果的影响。其次,针对麻雀搜索算法(SSA)易陷入局部最优、收敛速度慢的问题,利用正弦混沌、动态自适应惯性权重、高斯变异和反向学习策略改进麻雀算法,降低了SSA陷入局部最优解的概率,提高了麻雀算法的收敛速度和寻优能力。最后,利用ISSA对LSTM模型的参数进行寻优,构建ISSA-LSTM模型进行预测,得到最终的AQI预测结果。实验结果表明,与其他传统预测模型相比,基于CEEMD-ISSA-LSTM模型对AQI的预测具有更高的精度,其预测的均方根误差为1.24μg/m³,平均绝对误差为0.98μg/m³,拟合度为98.5%。     

基于PSO优化BP神经网络的多传感器数据融合

针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error, MAPE)和拟合度(r²)均优于BP神经网络和自适应加权(adaptive weighted, AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。     

基于STM32室内空气质量检测系统的设计与实现

以STM32F407单片机为核心处理器,选择氧气、甲烷、二氧化碳、PM_2.5以及温湿度传感器构成传感器阵列。该系统可以针对室内有毒有害气体得到连续输出响应,输出信号由单片机采集,由卡尔曼滤波算法处理,进而得到一个连续、稳定、可标定的空气指数并在液晶显示屏上显示;通过NB-IoT无线传输模块发送给手机APP,实现用户远程实时监测居家环境信息,若二氧化碳、甲烷和PM_2.5含量超标时,则启动报警装置。经过测试发现,该系统实现了监测与报警一体化的智能控制,具有体积小、功耗低等优点。     

按照国际惯例建立我国反倾销、反补贴和产业损害调查制度

国家经贸委于1997年1月21日～23日召开反倾销。反补贴和产业损害调查机制研讨会，国务院有关部委局和部分省市。有关企业的代表参加了会议。国家经贸委副主任俞晓松在会上指出，开放市场同保护国内工业要相辅相成，不能分割。我们丹应国内币扬要强凋两条原则，一是平着互利，币局开放要有利于引进技术，提高国内经济发展水平，不能也不巨须以牺牲民族工业为代们。二是要逐步开放币场。同的，保护本国工业必须采用国际通行做法。倾销和补贴都是不公平贸易，是也弄贸易组织所禁止的行为，允许昌成员对Z征收反倾销税、反补贴税。这对标制但价…     

应用型高校产教融合课程建设研究与实践——以《轨道交通信号设计与施工》课程为例

本文以《轨道交通信号设计与施工》课程为例,分析了在当下行业发展日新月异、技术飞速更新迭代的时代里,该课程所面临的一些问题,教学模式和方法有待完善和改进的地方。本文研究了在产教融合背景下,从课程标准的制定到教学实施等课程改革具体内容,探索了如何将行业企业专家和资源融合到人才培养的全过程,培养出轨道交通行业所需要的高素质应用型人才。     

基于SWT-ISSA-LSTM的地铁空气质量预测建模

为了提高地铁室内PM_2.5的预测精度,降低监测成本,提出了一种基于孤立森林算法(isolated forest, IF)、同步压缩小波变换算法(SWT)、改进麻雀搜索算法(improved sparrow search algorithm, ISSA)和长短期记忆网络(long short-term memory network, LSTM)的混合模型。首先,使用孤立森林算法检测并去除异常数据,在用SWT算法对原始PM_2.5数据进行去噪处理;其次,针对麻雀算法(SSA)易陷入局部最优、收敛速度慢的问题,利用正弦混沌、动态自适应惯性权重、高斯变异和反向学习策略改进麻雀算法,降低了SSA陷入局部最优解的概率,提高了麻雀算法的收敛速度和寻优能力;最后,利用ISSA对LSTM模型的参数进行寻优,构建ISSA-LSTM模型进行预测,得到最终的PM_2.5预测结果。实验结果表明,SWT-ISSA-LSTM模型在均方根误差比SWT-LSTM模型和SWT-SSA-LSTM模型分别降低了8.38和3.27μg/m³。在...