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。     

学生参与电气人才创新能力培养的探索

基于“以学生为本”的OBE教育理念，本文对电气人才创新能力培养进行了探索。整个过程将专业课程体系契合学业规划以明确学生学习目标；学生参与理论、实践教学和平台搭建，在夯实其理论知识的同时丰富教学资源；在创新考核中采用“螺旋递进式”的师生互动模式，全程培养学生自主的创新能力。多年实践探索表明学生在课程实践、学科竞赛、论文发表和申报专利等方面的创新能力得到显著提升。     

基于ERNIE-BiGRU模型的摘要语步自动识别研究

学术文献的摘要是对文献主要内容的浓缩,摘要不同部分的语步具有不同的信息,语步的自动识别和抽取对于学术摘要的后续研究有着重要的应用价值,而目前语步识别的研究相对较少,并且相关算法的效果还需要提高。针对上述问题,该文提出了一种基于ERNIE-BiGRU模型的语步识别算法。该算法首先结合中文句法分析理论提出基于句法依存关系的多语步结构拆分法,对学术文献摘要多语步结构进行自动拆分,获得多个单语步结构;然后构建用于训练的单语步结构语料库,并利用知识增强语义表示预训练模型,训练出句子级词向量;最后将训练出的单语步结构词向量信息输入双向门限循环单元(BiGRU)进行摘要语步自动化识别,取得了良好的效果。实验结果表明,该算法具有较好的鲁棒性和较高的识别精度,在结构化和非结构化摘要上的识别准确率分别达到了96.57%和93.75%。     

浅谈高效节能环保性平台建设

我们整个的项目是围绕着倡节能,促环保进行的,将节能环保与现代技术相连接。拯救地球、保护环境、节约能源,是我们共同的责任。该平台可以清楚的看见个人或集体使用水电量的多少与变化,还可以通过记录将个人的使用与官方平均数据相比较,从而根据此来设置一些等级和奖励,来激励学生时刻节约资源的行动。我们进行了生态学,物理学,心理学等方面的了解和探究,但在网络平台搭建的过程中遇到了很棘手的问题,在IC卡的制作方面我们的能力和条件还不足以满足IC卡的制作,经过探讨我们转换思路使问题得到了比较好的解决。最后我们进行了项目的宣传工作,该项目取得了阶段性的良好进展。     

Sr_2MgSi_2O_7:Eu~(2+),Dy~(3+)-转换剂红色光夜光材料的制备及表征

将具有氧蒽结构的光转换剂加入Sr_2MgSi_2O_7:Eu~(2+),Dy~(3+)荧光粉,可以使夜光纤维的发射光谱红移,发出红色光。采用两种不同的偶联剂对发光材料和光转换剂进行偶联,制备一种能够发出红光的发光材料。借助荧光分光光度计、长余辉荧光测试仪检测红光发光性能,比较光转换剂对发光材料的包覆效果,以提高发光材料向光转换剂的能量传递效率,为开发新型的、发光性能较好的红色夜光纤维提供一定的理论依据。