试论弗莱登塔尔的数学教育思想及其启示

我国的基础教育正逐步由应试教育向素质教育全面推进 ,由此带来了教育观念、教育思想等方面的转变。荷兰数学家弗莱登塔尔指出 :数学教育应该是现实数学的教育 ;数学教育的目标应该是学会“数学化”。他的这些数学教育思想对我国数学素质教育有一定的启示。

论数学问题解决中的问题设计

“问题解决”的学习和研究,对于数学素质教育的推动和创新思维的培养具有重要的作用。从“问题解决”过程中“问题”的界定着手,分析了一个好问题的特征和提出问题应注意的要素,并在问题设计的具体方法和应用上作了重点探讨和剖析。

小波时间序列分析在铁矿品位波动预测中的应用

利用时间序列预测,针对某进口铁矿石卸载时的在线粒度检测结果,应用MATLAB语言,分别采用自回归移动预测模型、特征点聚类法、双窗口贝叶斯后验检验法3种模型,利用小波分解的高通软阈值和相关特征参数预测其品位波动情况,然后根据预测的品位波动情况按相关标准规定制订取样方案。该方法简单易用,可以节省大量的人力财力。

小波变换和神经网络的X射线衍射波谱滤噪技术比较

多晶X射线衍射扫描所形成的波谱会附带一些背景和噪声,而噪声是影响衍射谱峰分辨率的主要因素。本文通过多晶X射线衍射仪扫描某铁矿石矿物组成所形成的图谱,导入到MATLAB,分别采用神经网络、系统仿真和小波分析三种手段,对该图谱进行滤噪。最终对这三种滤噪方式的滤噪效果进行比较,得出小波分析的方法滤噪效果最佳。

小波变换在铁矿热重矿物分析曲线处理的应用

小波变换是化学计量学中的一门新兴技术,目前在仪器分析的波谱解析中已有诸多应用。而热重分析是一种广泛应用于材料领域的分析方法,只要物质受热发生质量变化,都可采用热重分析。因此可应用于材料热稳定性、矿物分析等,但有时热重分析的曲线会因某种未知因素干扰而难以分辨。利用MATLAB的小波工具箱解析铁矿石热重曲线,采用Daubechies小波的5阶2层分解,对热重曲线进行噪声滤除,并采用小波导数变换分离重叠峰,最终达到提高热重分辨率的目的。

基于小波和神经网络的聚类分析判断进口铁矿石检验的差错及其预防

利用神经网络的聚类分析功能,结合MATLAB软件,采用小波分析、不同神经网络数学建模,对进口铁矿石检验结果的差错进行判断,预测检验结果差错隐患,达到预防检验差错发生的目的。

用神经网络评估进口铁矿石品位波动及品质特性

借助于神经网络的BP网、自组织竞争网、自组织特征映射(SOM)网,利用进口铁矿石品质数据库历史积累作为学习样本,分别对交货批铁矿石的品位波动、铁矿石品质特性分类进行网络训练、仿真模拟。目的是将新的人工智能技术引入进口铁矿石的检验,将日常检验工作人员从繁重的劳动量中解放出来,用技术手段提高人的工作效率。同时,也可将神经网络与进口铁矿石品质特性分类结合,为政府职能部门的政策措施出台提供依据,为广大钢铁企业的原料选择提供参考。

连续小波变换-X射线荧光光谱定量分析铁矿石中二价铁

二价铁是钢铁冶炼的重要指标,需要进行严格控制。常规二价铁检测采用化学湿法,方法相对繁琐、耗时长。随着分析仪器的发展和新的数据处理技术的出现,利用X射线荧光光谱法(XRF)结合连续小波变换图谱处理,能提升二价铁检测的效率。方法利用FeKβ图谱连续小波变换后系数的最大值与FeKβ净积分强度的比值来研究铁矿石中的铁价态。研究表明该比值只与Fe2+和Fe3+的相对含量有关,再利用铁矿石样品通过线性回归建立了该比值与FeO/T.Fe(二价铁与全铁含量之比)之间的关系,同时分析了小波函数选择、特征点选取、测量谱线等对检测结果精密度的影响。对两个铁矿石样品进行精密度考察,FeO测定结果的相对标准偏差(RSD,n=7)均小于3%;对铁矿石实际样品中FeO的测定结果与国标方法相一致;两种方法具有较好的可比性,实验方法可以作为新标准制定建立的技术基础。

小波变换在铁矿石中非铁矿类物质分析的应用

利用小波变换处理图像数据已经在多领域有广泛的应用,因此该技术同样可应用于铁矿石矿相图的分析。为了分辨铁矿石中的夹杂物、非铁矿类物质或冶金废料,一些检验机构采用了矿相分析手段。介绍了基于Matlab的小波变换,对不同铁矿石矿相结构的特征信息进行提取,从而完成矿相的近似体积比定量分析,并通过分析、分类特征信息,对不同矿相图的不同矿物进行检索。

一维离散小波的球团矿压溃曲线高频信号分离及其最佳压力点确认

利用MATLAB一维离散小波的工具箱,将球团矿压溃过程的压力-时间曲线进行噪声分离,提取其高频信号部分,同时将高频信号的振幅与原始压力曲线进行比对,分析了各种球团矿的压力-时间曲线图谱,最终得出,高频信号振幅最大处的时间所对应的原始压力曲线相应的压力为一个球团压力的最佳压力点。

基于BP网神经网络的铁矿取样品位波动的校核

按照ISO3084对铁矿石进行品位波动校核是一种常规方法,但该方法需要耗费大量的人力和财力,检验校核相当不经济。本文利用BP神经网络,采用第四代程序语言MATLAB,利用历年来积累的检验数据或在线粒度检测的部分数据作为学习训练样本,建立数学模型,同时通过MATLAB的命令行方式、GUI方式和系统仿真对铁矿石的品位波动进行模拟检验,模拟结果误差小,得到的网络能为相关铁矿石品位波动情况获取提供手段,最终为铁矿石取制样提供品位波动校核依据。