基于工作流技术的多媒体远程教学课件模型的设计与实现

利用C／S模型开发多媒体教学课件,通过WEB浏览器访问是多媒体教学研究的发展趋势。文章基于面向对象技术,提出了一种集教学,练习,答疑和考试于一体的交互工作流式多媒体教学模型,并利用办公自动化软件LotusNotes／Domino 在大型机S／390上实现了汇编语言的多媒体教学系统。     

基于PCA与改进BP神经网络相结合的电网中长期负荷预测

本文在标准反向传播神经网络的基础上,提出一种结合主成分分析法和改进的误差反向传播神经网络的方法来对电网中长期的电力负荷进行预测。首先利用主成分分析法对电力负荷的影响因素进行特征提取,有效地降低数据样本的维度,消除数据的冗余和线性信息,保留主要成分作为模型的输入数据。然后在标准的神经网络的反向传播环节中引入动量项和陡度因子。两种方法的结合有效地解决了网络收敛速度慢和容易陷入局部最小值的问题。将此方法应用于济源市的中长期电力负荷预测,实验结果表明,基于主成分分析法与改进的反向传播神经网络相结合的方法比常用的标准的反向传播神经网络、基于多变量的时间序列网络及时间序列网络具有更高的计算效率和预测精度,证明提出的预测模型在电力负荷预测中是有效的。     

不同涂布率再造烟叶的热解特性及动力学分析

为研究不同涂布率再造烟叶的热解特性,采用热分析技术并结合Coats-Redfern法研究了不同涂布率再造烟叶的热解行为及主要失重阶段的动力学参数变化规律,进一步监测了再造烟叶热解过程中的气体成分释放.结果表明:① 随再造烟叶涂布率增加,样品中C质量分数逐渐升高,O质量分数呈降低趋势,微观组织结构差异不明显.② 再造烟叶...     

镉浓度对烤烟幼苗镉含量及生长和生理指标的影响

为了探索重金属镉对烟草的危害机理,采用水培试验,调查了不同镉浓度处理在烟草幼苗各部位不同提取态的镉含量以及烟草幼苗干物质积累量、根系活力、叶绿素含量、硝酸还原酶活力和丙二醛含量等生理指标的变化。结果表明,烟草根系镉（Cd）以去离子水提取态为主,其次为醋酸提取态,叶片中Cd主要以醋酸结合态存在。随着镉浓度的提高,Cd存在由活性弱的化学形态向活性强的形态转化的趋势,干物质量的积累先升高后降低;不同Cd浓度处理时,烟草幼苗Cd含量表现为：茎>根>叶,随着Cd处理浓度的提高,烟草幼苗中的Cd更多的富集在烟苗的根部和茎部。根系活力和叶绿素含量逐渐降低;硝酸还原酶活性呈先升高后降低,丙二醛含量则反之。因此,与对照相比,低浓度Cd处理在一定程度上刺激烟草幼苗的某些生理活性,使其呈现更高的生物活性,但高浓度Cd处理则极显著抑制烟草幼苗的生长,使其各项生理活动降低,最终影响其正常的生长。     

变电运维中存在的隐患风险及对策分析

随着科学技术的不断发展,社会各领域广泛应用电力设备开展生产经营活动,电力已成为社会各领域发展的重要推动力,其在社会发展中扮演的角色愈发重要,其作用与日俱增。为更好地发挥自身价值,为客户群体提供高品质的用电体验,电力企业急需提高供电的稳定性。电力企业的相关技术人员应做好变电运维工作,科学分析变电运维中存在的隐患风险,并有针对性地采取对策,才能确保供电的稳定性。     

基于TG-FTIR技术的竹粉热解特性及其动力学行为分析

以竹粉为研究对象,采用热重-红外联用分析技术和分布活化能模型研究其在较宽升温速率范围(20℃/min、50℃/min、100℃/min)内的热解气体释放特性和热解动力学行为.结果表明:竹粉的热解过程经历了干燥预热、快速热解及炭化3个阶段,升温速率的提高使得热解失重曲线和微分失重曲线均向高温侧偏移,同时增加了最大失重速率...     

建筑结构设计中钢筋用量的控制

本文主要从对结构构件合理设计的经验体会上，采用合理的结构体系，建议大量采用HRB400钢筋，减小结构钢筋用量进而降低工程造价的措施。     

基于Python的复合材料船体梁极限强度分析

为在复合材料船体结构数值仿真分析中进行快速建模和分析,采用Python脚本语言和Abaqus前处理模块,开发出针对复合材料船体梁极限强度计算的通用模块.该模块考虑复合材料的各向异性、失效准则及铺层方式等因素.实例表明：所开发的程序界面友好、可操作性强,能有效提高复合材料船体梁极限分析的效率.     

大连城市广场大体积混凝土基础温控措施

根据大体积混凝土的技术要求,在施工工艺,材料组成,前期养护和现场监控等方面采取温控防裂技术措施。结果表明：混凝土最大相对温升为32．3℃,最大拉应变为139．3um,大体积混凝土基础的温差裂缝得到控制。     

基于PCA与改进BP神经网络相结合的电网中长期负荷预测

本文在标准反向传播神经网络的基础上,提出一种结合主成分分析法和改进的误差反向传播神经网络的方法来对电网中长期的电力负荷进行预测。首先利用主成分分析法对电力负荷的影响因素进行特征提取,有效地降低数据样本的维度,消除数据的冗余和线性信息,保留主要成分作为模型的输入数据。然后在标准的神经网络的反向传播环节中引入动量项和陡度因子。两种方法的结合有效地解决了网络收敛速度慢和容易陷入局部最小值的问题。将此方法应用于济源市的中长期电力负荷预测,实验结果表明,基于主成分分析法与改进的反向传播神经网络相结合的方法比常用的标准的反向传播神经网络、基于多变量的时间序列网络及时间序列网络具有更高的计算效率和预测精度,证明提出的预测模型在电力负荷预测中是有效的。