基于深度学习的MLP-GRU复合模型简答题评分系统的设计

简答题自动评分(ASAG)在减轻教师负担和实现教育数字化方面有重要意义。为解决简答题自动评分模型考虑角度单一的问题,结合深度学习技术,以BERT模型为基础,融合感知机(MLP)和门控循环单元(GRU),建立了一种MLP-GRU的简答题自动评分模型。该模型同步考虑标准答案和学生答案之间的蕴含关系和相似性,实现对学生答案的多角度综合评估。首先,运用BERT模型进行学生答案的特征提取,为后续评分过程提供了丰富的语义信息。随后,引入了感知机和GRU模型,分别结合BERT输出,以计算与标准答案之间的文本蕴含和文本相似度评分,确保考虑答案的流畅性和逻辑性。最终,融合文本蕴含评分、文本相似度评分,得出最终评分结果。结果显示,该模型的均方根误差为0.266,Kappa系数为0.969,F1-分数为0.778,说明模型评分与人工评分具有高度一致性。

基于GA-BP的煤矿瓦斯监控系统“大数干扰”信号辨识

针对瓦斯传感器数据传输过程受到强电磁信号干扰而产生误报警的问题,在实验模拟“大数”干扰的条件下,提出了基于遗传算法(GA)优化BP神经网络的煤矿瓦斯监控系统大数干扰信号辨识方法。首先根据大数干扰信号幅值变换较快的特点,确定BP神经网络的输入与输出,然后利用贝叶斯正则化的方法提高网络的泛化能力,结合遗传算法的全局搜索能力,优化网络的权值和阈值,最后建立了GA优化BP神经网络的大数干扰信号辨识模型。实验结果表明,遗传算法能够有效降低BP神经网络的训练误差,GA优化BP神经网络辨识模型和未被优化的BP神经网络相比,优化后的网络测试信号相对误差由10.003降低到6.096,且辨识后不会影响瓦斯突出信号的正常输出,能够解决煤矿井下因大数干扰信号造成传感器误报警的问题。

CO_(2)抽取地热联合驱油封存一体化技术进展

概述了干热岩的分布及形成原因,简述了国内外干热岩勘探开发的现状,对比了CO_(2)开发干热岩与常规开发技术,以CO_(2)应用技术为切入点,提出了注二氧化碳循环热交换(CO_(2)-EGS)-二氧化碳强化采油(CO_(2)-EOR)-二氧化碳封存(CCS)联合技术,从多方面因素考虑,分析了该联合技术的优越性,概括了其在技术、投资及地质风险和环境保护等方面存在的不足和挑战。此联合技术是碳捕获、利用与封存技术(carbon capture,utilization and storage,CCUS)的有益补充。

二氧化碳地下封存与页岩气开采联合技术研究进展

在介绍超临界二氧化碳特性的基础上,着重论述了scCO_(2)-ESGR工艺的核心技术,剖析了scCO_(2)强化开采页岩气的技术优越性,并指出了目前尚需解决的科学问题及存在的弊端和不足,最后提出了从室内理论研究和现场应用效果评价2方面出发,双管齐下,全面实现页岩气的高效开发和规模化生产。