王辉风景油画作品选

王辉，1956年生，1982年毕业于福建师范大学美术系。现为中国美术家协会会员，中国油画学会会员，福建博物院研究馆员，福建积翠园艺术馆副馆长。作品曾参加第六届全国美术作品展览、第八届全国美术作品展览、第三届中国油画精选作品展、中国现代绘画艺术展等大型展览并多次获奖，曾在印尼雅加达举办“王辉风景油画艺术展”，出版有《王辉风景油画作品集》。

“景观社会观社会”中的造景及反思 王辉访谈录

id+c:听说你去年一年读了超过100本书,读书是你的业余消遣,还是创作的需要?王辉:经营事务所和项目,免不了有无限的烦恼,读书让人暂时不纠葛于眼前的琐事,这是很有效的逃避。但我读的书其内容并不是逃避式的,而更多的是对现实的解释、关于现实的策略、应对现实的方式,所以这种逃避也只是暂时去养精蓄锐,目的还是要折返回现实世界。

意写群山 王辉油画艺术展作品选登

王辉1956年生于福建,1982年2月毕业于福建师范大学艺术系美术专业.现为中国油画学会理事、北京当代中国写意油画研究院执行副院长,先后被聘任为武夷学院、清华大学美术学院、敦煌艺术学院客座教授、研究员.福建省美协油画艺委会主任、福建省油画学会副会长.

王辉油画写生作品选登

王辉1956年生于福建、原为中国政协文史馆油画研究院副院长兼秘书长；现为北京当代中国写意油画研究院常务副院长，中国油画学会理事，武夷学院、清华美院和敦煌艺术学院特聘客座教授，中国美术家协会会员、福建省美协油画艺委会副主任，福建省油画学会副主席、作品多次入选近三十次全国性大展、发起2002年《印象武夷——中国油画家采风写生活动》、应邀参加数十次中国当代油画名家风景写生创作展览活动，组织策划2013年《再写生、共写意中国油画名家作品研究展》和《文脉传薪——2015’中国写意油画学派名家研究展》全国巡回展和“文脉传薪——2016’中国写意油画学派名家研究展》巡回展。

王辉油画作品选登

王辉中国油画学会理事，中国美术家价会会员，福建省画院特聘画家、福建博物院研究员，中国油画家武夷山联谊会秘书长，福建省武夷学院特聘教授。

心路武夷 王辉油画作品选登

王辉 1956年生，1982年毕业于福建师大艺术系。作品曾先后十多次入选中国油画展、全国美展及国家级学术展览，多次获奖。2002年开始倡导户外写生，以寻求艺术突破，并相继参与数十次的全国当代油画家写生活动。现为福建积翠园艺术馆副馆长、福建博物院研究馆员、中国美术家协会会员、中国油画学会团体会员、武夷山中国油画家会馆主持。

瓷胎画珐琅的复制及传承发展研究王辉

珐琅,又称“佛郎”“法蓝”,实际上是外来语的译音,珐琅一词源于中国隋唐时古西域地名拂菻,当时东罗马帝国和西亚地中海沿岸诸地制造的搪瓷嵌釉工艺品称作拂菻嵌或佛郎嵌,简称为拂菻.出现景泰蓝后转音为法蓝,后又为珐琅.现代汉语词典对珐琅的定义为：[珐琅].

王辉·说

第一部分关于建筑与城市实践 Q1在都市实践的不少作品中,都可以看到建筑师对于公共建筑的关注,能否谈谈您理解的公共建筑对城市有什么意义？ 首先需要理解什么是公共建筑,并不是说向公共开放的建筑就是公共建筑。比如最近很多城市都爱做＂三馆＂＂四馆＂之类的文化中心,显然这些是公共建筑,也是花了纳税人钱的公共建筑。

孟岩 刘晓都 王辉

社会 都市实践顾名思义是站存城市的立场上思考建筑问题。近10年柴，由于中国城市化的迅猛发展，当前的城市问题也与我们开始独立实践时有很大差别，解决城市问题的一些通用性的方法也形成了相当的套路，因而，抽象地谈城市会流于通俗和空泛。

王辉艺术作品欣赏

王辉毕业于景德镇陶瓷大学艺术系，毕业后创立陶瓷美术工作室，进一步学习专研陶瓷装饰技法和应用。在多年的学习和实践中，结合景德镇青花分水和国画泼墨，首创大面积青花分水泼墨彩装饰技法。

王辉陶瓷艺术

王辉，毕业于景德镇陶瓷大学艺术系，毕业后在景德镇创立陶瓷美术工作室至今。国画院江西分院一级画师，中国高级工艺美术师，江西省工艺美术师，国家一级陶瓷技师，中国书画界联合会会员，景德镇陶瓷历史研究院研究员。

基于VMD-ISSA-GRU组合模型的短期风电功率预测

为解决风速不确定性和波动性造成风电功率预测精度不高的问题,提出一种基于变分模态分解(VMD)、改进麻雀搜索算法(ISSA)和门控循环神经网络(GRU)的VMD-ISSA-GRU组合模型。首先,利用中心频率法确定采用VMD分解后的模态分量个数,这样有效避免了过分解或者分解不充分。其次引入混沌映射、非线性递减权重以及一个突变策略来改进麻雀搜索算法,用于优化门控循环神经网络,然后对分解得到的各个子序列建立ISSA-GRU预测模型,最后叠加每个子序列的预测值得到最终的预测值。将该模型用于实际风电功率预测,实验结果表明:VMD-ISSA-GRU组合模型的平均绝对误差、平均绝对百分比误差、均方根误差分别为1.2118MW、1.8900及1.5916MW;相较于传统的GRU、长短时记忆(LSTM)神经网络、BiLSTM(Bi-directional LSTM)神经网络模型以及其他组合模型在预测精度上都有明显的提升,能很好地解决风电功率预测精度不高的问题.