新媒体时代大学生生态文明行为培育实证研究

新媒体时代大学生生态文明建设面临的机遇与挑战前所未有,对其进行有效的行为培育对于大学生自身、学校、社会、国家作用重大。调研结果显示个人层面的性别因素、家庭层面的经济状况等因素、高校层面的思想政治理论课等因素、社会层面的媒体宣传等因素、国家层面的执法力度对大学生生态文明行为有显著影响。为此应精心打造大学生生态文明教育新媒体平台,着力构建大学生生态文明行为培育体系,全力构建大学生生态文明主体协同教育机制。

新媒体时代大学生生态文明行为培育实证研究

大学生生态文明行为对于大学生自身、家庭、学校、社会作用重大。调研结果显示个人层面的性别因素、家庭层面的经济状况等因素、高校层面的思想政治理论课等因素、社会层面的媒体宣传等因素、国家层面的执法力度对新媒体时代大学生生态文明行为有显著影响。为此应大力开展大学生网络生态文明教育,着力实施分类培养,积极推动生态文明制度建设,努力优化生态文明培育环境,全力构建大学生生态文明主体协同教育机制。

基于中国大学MOOC下的高等数学在线教学

2020年新冠肺炎疫情的爆发使得大部分的高校都采用在线教学的方式进行教学。文章通过回顾在线教育的发展历程及其特点,提出了基于中国大学MOOC下的高等数学在线教学方法。从在线活动的架构、教学内容的重新设计、具体直观和形象化的呈现方式,以及互动优先的教学活动设计等几个方面来介绍在线教学的设计方法。通过问卷调查,发现学生对基于本文所提出的设计方法的教学效果是满意的,最后讨论了在线教学相对于线下教学的优势。

中西大学生思想政治教育的对比及启示

对比中西高等教育的历史沿革可以发现,西方高等教育的原发性使其思想政治教育寓于大学本身日常的教育和管理之中,中国大学的思想政治教育则存在"非学校教育"和"单边主义"等问题。贯彻"以人为本"理念,利用中国传统文化,充分挖掘社会思想政治教育资源,在实践上加强中国大学生思想政治教育科学性和艺术性的创新整合,是解决中国思想政治教育问题的根本途径。

对“概率论与数理统计”课程教学改革的几点思考

“概率论与数理统计”是高等院校的一门基础性课程,目的在于提高学生发现问题、分析问题和解决问题的能力。“概率论与数理统计”课程主要划分为概率论与数理统计两部分,其中概率论主要以随机现象发生的概率作为研究对象,而数理统计是借助于分析实验来对随机现象加以研究,总结规律。处于信息化、大数据的社会背景下,概率论与数理统计的应用范围越来越广泛,关系着大学生逻辑思维与数学素养的培养,高校教师应高度重视这门课程的教学。该文分析了“概率论与数理统计”传统教学中存在的弊端,并阐述了几种丰富课堂教学的有效方法,以期为高校教师提高教学水平提供一些有益的参考。

面向新型电力系统的虚拟电厂商业模式与关键技术

以新能源为主体的新型电力系统的电源侧结构与负荷侧形态均发生深刻变化,导致其电力电量平衡困难日益凸显,对用户侧灵活性可调节资源的需求更为迫切。虚拟电厂通过需求响应和协调控制聚合海量、分散、多元的柔性负荷与分布式资源,形成大容量的统一灵活调节能力,对保障新型电力系统安全稳定运行至关重要。文中从虚拟电厂的基本概念、商业模式和关键技术三方面进行综述。首先,介绍了虚拟电厂的概念、特点和功能,对比分析了国内外具有借鉴意义的虚拟电厂示范工程;其次,从价值主张、资源组成、经营模式和成本收益等多方面阐述了虚拟电厂的商业模式;再次,从状态感知与灵活聚合、信息预测与容量估计、市场交易与优化决策、补偿结算与效益评估等方面综述了虚拟电厂关键技术,剖析了现有技术、模型和方法的重点与难点;最后,展望了面向新型电力系统的虚拟电厂未来发展方向。

基于微分代数方程的电力市场模型的研究及应用

结合Alvarado提出的电力市场动态模型,利用特征值技术与不等式相结合的方法从理论上讨论了电力市场在Lyapunov意义下的稳定性。首先将电力市场的数学模型转化,给出两个矩阵的和及两个矩阵之积的特征值与原矩阵特征值的关系;再利用这些不等式给出了直接利用模型系数判断电力市场稳定和不稳定的一系列充分条件。利用这些条件只需少量的计算即可判定电力市场的稳定,该方法简单易行,最后用实例进行了验证。

《概率论与数理统计》网络课程的建设与研究

本文研究了《概率论与数理统计》网络课程建设的必要性、可行性及目的,讨论了我校《概率论与数理统计》网络课程建设的具体建设方案。

概率论与数理统计课程改革的探讨

教学改革是一项积极而慎重的课程体系建设,要融合现代的教学理念,突破传统教学的局限性,为学生提供一个更充实、开阔的课堂教学。

基于数学建模大学生创新实践能力培养的探索与实践

创新实践能力培养是实施素质教育的一个重要组成部分。数学建模由于其创新性和实践性,是培养创新实践能力的有效途径。文章提出以数学建模为依托,将数学建模思想方法贯穿数学基础课教学、数学建模课教学、数学建模培训和数学建模竞赛全过程,探索和实践提高理工科大学生创新实践能力的新途径。

大学物理实验中关于不确定度的几个问题讨论

主要讨论了大学物理实验误差和不确定度的关系以及直接测量不确定度的评估,最后对单次测量的不确定度评估以及不确定度计算过程中数据修约问题进行了讨论。

“以产出为导向”的概率论与数理统计教学探索与实践

概率统计已成为大数据时代下每个人不可或缺的思维工具。为体现"以产出为导向"的教育理念,培养出大数据时代下德才兼备的复合型人才,文章结合多年教学实践,从教学理念、教学内容、教学方式及考核体系等多维视角透析概率论与数理统计课程教学中存在的突出问题,探索出五条易于实现的教学路径。

大学物理中一些公式的对应性

1引言 在大学物理课的授课过程中，有经验的老师都会注意到质点运动学的线量和角量有着简单的一一对应关系，并且与之相关的公式也颇具相似性，列举如下．

一种组合电极电容层析成像重建图像融合方法

提出一种基于电容层析成像(ECT)组合电极重建图像及层次聚类的ECT图像融合方法。首先,构建组合8电极及12电极ECT阵列传感器,研究2种组合传感器激励测量方案;其次,采用层次聚类法对两种组合电极ECT重建图像进行聚类,从而消除重建过程中产生的伪影;最后,将聚类后的2种图像再进行小波融合重建。实验结果表明,相较于原始重建图像,所提方法重建图像平均相对误差最小,最大降幅达到23.4%,平均相关系数最大,最大增幅达到10.56%。

基于实例迁移学习的小样本光伏功率短期预测

针对新建光伏电站历史数据匮乏导致功率预测精度不足的问题,提出一种基于实例迁移学习的小样本光伏发电功率短期预测方法。首先,以一组丰富的长期运行光伏数据为源域,利用多核最大均值差异估计源域与目标域光伏数据的匹配相似性,筛选出高相似的迁移源域;然后,建立加权对抗双向长短期记忆网络,通过对抗学习赋予源域光伏样本权重以调整其数据分布,将调整后的源域数据充实目标域数据集,采用双向长短期记忆网络挖掘公共知识域中光伏发电功率序列与气象数据的双向时序关联特性,实现小样本条件下光伏功率的精准预测。结果表明:相较于传统深度学习和模型迁移方法,所提方法能有效提高历史数据有限条件下光伏功率的预测精度。

基于深层小波网络的电容层析成像图像重建

提出了一种基于深层小波网络的电容层析成像(ECT)图像重建算法,采用Landweber算法生成初始重建图像作为网络输入;以U-Net深度卷积神经网络模型为骨干模型,通过在上、下采样层引入小波变换提取不同层次的特征,以及采用跳跃连接方式搭建高频特征传递通道,保留更多的细节信息,充分利用特征图中的全局和局部信息特征。仿真及静态实验结果均表明,基于该算法的图像重建精度更高,仿真及静态实验重建图像的平均相对图像误差分别为0.1918及0.6570,平均相关系数分别为0.9685及0.8169。

有限大小量子Dicke-Stark模型的动力学性质

利用相干态的超完备性,可以有效解决光子数空间的截断问题,在有限的相干态空间中即可得到精确的计算结果.本文在相干态空间中计算了Dicke-Stark模型的数值精确解,继而讨论了该模型的量子相变和时间演化动力学.通过计算Dicke-Stark模型基态的平均光子数和平均角动量,发现了量子相变现象,量子相变临界点会随非线性Stark作用发生移动.计算得到Dicke-Stark模型平均光子数和平均角动量随耦合强度和时间演化的相图,有助于了解有限大小Dicke-Stark模型的动力学性质.

流场声学层析成像测量方法仿真和实验研究

流速是实现工业生产过程在线监测和精准化控制的重要依据。为准确测得流场分布,提出了基于径向基函数结合均衡优化(RBF-EO)算法的流场声学层析成像方法。采用径向基函数逼近建立声学流场重建模型,利用均衡优化算法求解重建问题中的不适定方程。对典型的四角切圆速度场模型进行了数值模拟与算法的抗噪性检验,并将本算法与传统的重建方法:Tikhonov算法、SVD分解法和灰狼优化算法进行了比较。仿真结果表明该算法能够很好的反演出流场分布,具有较高的重建性能和良好的抗噪性。最后,在实验室进行了1.05 m×1.05 m的测量区域内的流场声学测量实验,并与飘带流场显示和风速仪测量结果进行了对比,结果显示,RBF-EO算法与风速仪测量结果在8个测点的平均误差为9.77%,验证了本文声波流场测量方法的可靠性。

基于轻量级卷积神经网络的复合绝缘子憎水性诊断方法研究

复合绝缘子因其良好的性能在电网中普遍使用,为提高复合绝缘子带电憎水性检测的智能化和自动化水平,文中提出一种基于轻量级卷积神经网络的复合绝缘子憎水性诊断方法。文中使用EfficientNet算法对复合绝缘子不同憎水性等级对应的水迹图像数据进行特征提取训练,通过对模型准确率和参数量等方面的比较,并结合模型在边缘计算设备上的正向推理速度,确定EfficientNet-b3模型为本应用场景下的最优模型。该模型分类准确率为96.43%,在Jetson Xavier NX上的正向推理速度为57.16 FPS,在精度和速度方面均优于其他经典卷积神经网络对比算法。后接触角的测量结果验证了该模型在实际应用中的分类有效性。该模型搭载无人机可进行现场运行复合绝缘子的憎水性测量,具有一定的创新价值和良好的应用前景。

红景天对尾吊小鼠眼压、视网膜结构及PI3K/AKT/HIF⁃1α信号通路的影响

针对微重力环境导致的航天相关眼综合征存在眼压升高与视网膜病变问题,研究红景天对尾吊小鼠眼压、视网膜结构的影响及作用机制。实验取55只C57小鼠,分为5组,每组11只,经2周造模,4周给药干预,历时6周;第2、4、6周测量小鼠眼压,6周后HE染色观察小鼠视网膜结构,RT⁃PCR测定小鼠视网膜内PI3K、AKT、HIF⁃1α基因表达水平。结果显示:尾吊模拟微重力状态下,小鼠眼压4周显著性高(P<0.01),6周时出现自然回落;6周小鼠视网膜结构未发生明显病理性改变,视网膜内PI3K、AKT、HIF⁃1α基因表达水平显著升高(P<0.05);应用红景天干预,可有效降低尾吊小鼠4周时的眼压(P<0.01),调节6周时视网膜内PI3K、AKT、HIF⁃1α基因表达水平(P<0.05);高剂量红景天干预造成6周时小鼠眼压较空白组显著升高(P<0.05)。红景天可降低尾吊小鼠的眼压升高,调节小鼠PI3K/AKT/HIF⁃1α信号通路表达水平,低剂量红景天干预安全性更佳。