在中职物理教学中提升学生创新能力的认识和体会

以中职物理教学课改精神为指导，结合中职学生现状和中职教育的特点，本文主要研究中职教师在中职物理教学中，如何引导、培养学生学习物理理论的实际运用，从而达到提升学生创新能力的目的。     

测控数据实时处理中小波分析方法的应用

针对测控系统实时数据处理中数据抖动问题，提出了基于样条小波分析的实时数据处理方法。通过预先对数据奇异值的剔除，对实时数据进行滤波。该方法结合自适应门限奇异值剔除方法，扩展了小波分析在实时数据处理方面的应用。通过对真实测量数据的处理证实了本方法的有效性。     

模糊神经网络分类器在企业建模知识管理中的应用

为了对企业建模活动进行知识管理，开发了基于Web的企业 模型知识库系统，并按照CIM-OSA的思想将参考模型库划分为通用、部分通用和专用三个层次。如何在这三个 层次之间建立合理的分类检索体系成为企业建模知识管理的一个核心问题。文章引入模糊神经网络分类器解决企业参考模型库的模型分类问题，通过一个应用实例进行算法验证，并与基于模糊数据挖掘的分类方法进行比较分析。实验数据表明，模糊神经网络分类器具有很好的性能。     

TD-SCDMA标准缺陷研究

从智能天线的工作原理出发说明使用智能天线时很难实现小区的分扇区应用、多频点天线公用，因此可以证明智能天线还不是一项可供商用的实用技术；考虑相邻小区／扇区时隙的不对称分配所产生的相邻小区／扇区收发干扰时，可以证明上、下行时隙实质上是不能按需分配的。3G使用的频段是2GHz，具有传播衰落大、穿透能力差、不易做大范围覆盖。TD—SCDMA标准很难提供3G标准所规定的在车栽、步行、静止环境下分别达到144 kbit／s、384 kbit／s和2048 kbit／s的无线接入速率要求。     

WCDMA无线接入标准性能分析

从移动台发功率和小区用户最大容量角度对WCDMA(宽带码分多址)标准进行了分析,并与cdm a2000或EV-DO标准的相关参数进行了比较。证明WCDMA在规定的频段及发信速率条件下移动台无法提供所需的发信功率。此外WCDMA只能提供对称的上、下行物理信道,无法满足移动因特网的需求。ITU(国际电信联盟)选择2 GHz频段作为车载移动通信频段是勉为其难的,又将其对称分配给上、下行物理信道更是不合理的。只有采用TDMA(时分多址)方式的cdm a2000 1XEV-DO或EDGE方式才能提供高速无线接入。     

深圳市创新型产业空间政策研究——基于政策工具视角

基于政策工具视角,构建了创新型产业空间政策工具分析框架,采用内容分析法对深圳市创新型产业空间政策进行编码统计与量化分析.结果显示,深圳市创新型产业空间政策呈现出以供给型政策工具为重的强效供给特征,而对于环境型、需求型政策工具则应用不足.未来发展,深圳市应调整优化创新型产业空间政策结构,平衡供给型政策工具的组合搭配,提升需求型政策工具的使用率,增强环境型政策工具的辐射面,推动创新型产业空间的健康发展与合理配置.     

当前中专学生素质现状与改进对策

中共中央《关于教育体制改革的决定》明确地提出了我国的教育任务,它指出:教育的根本任务是提高整个中华民族的素质;全面培养学生的思想道德素质、文化素质、业务素质和身心素质,是党的教育方针的具体体现.联系当前中专学生在日常学习生活中表现出的素质现状,我们觉得前景不容乐观,找出问题制定对策应是我们每个教育工作者的当务之急.     

关于职业学校计算机教学的思考

随着计算机技术的飞速发展,信息量的急剧增加,计算机成为人们生活、工作、学习中不可缺少的工具,现在和未来计算机将逐步改变人们的生活方式和工作方式,计算机应用能力将是人们的生存能力之一.因此,对职业学校计算机基础教育也提出了新的挑战和要求.搞好职业学校计算机基础教学,可以大大提高毕业生就业竞争力.     

粉煤灰固化超盐渍土的抗剪强度及耐久性

利用宁夏平罗县姚伏的超盐渍土,分别掺入5%、10%、15%、20%、25%、30%的粉煤灰进行固化改良,通过三轴试验,研究7d和28d龄期压实系数为90%、93%、96%固化盐渍土的抗剪强度;定性观察分析365d龄期的固化超盐渍土的耐久性.结果表明:当粉煤灰掺量在0~10%时,黏聚力增加显著;当粉煤灰掺量在10%~30%时,黏聚力增加缓慢.当粉煤灰掺量在0~15%时,摩擦角增加缓慢;当粉煤灰掺量在15%~30%时,摩擦角增加显著.7d与28d龄期固化超盐渍土相比较:当粉煤灰掺量在15%以内时,随着龄期的增加黏聚力和摩擦角有小幅波动变化;当粉煤灰掺量在15%以上时,随着龄期的增加黏聚力有增加的趋势,而摩擦角有降低的趋势.建议利用粉煤灰固化超盐渍土时,最佳掺量控制在10%~15%.365d龄期的各组固化盐渍土均处于松散状态,因此,利用粉煤灰固化超盐渍土需进一步研究改善其耐久性.     

基于Stacking集成机器学习的波浪预报

采用多层感知器模型、随机森林模型为第一层子模型,极端树模型为第二层元模型,建立基于Stacking集成机器学习的波浪预报算法,并引入邻域平均法抑制在拐点处产生的数值震荡。以长江口外海2016年1—9月的风速和中国近海波高数据为数据源,利用机器学习风速与有效波高之间的关系,将2016年10—11月的风速、波高数据用于预报结果的对比分析,预报前45 d R²拟合优度达到0.97以上,平均误差最大值为0.08 m,平均相对误差最大值为0.05,预报结果与波浪谱模型结果趋势一致,准确度较高;预报结果后15 d误差增长较快,这与训练集数据中寒潮浪占比较少有关。