“互联网+教育”下高校网络课程对教学水平的影响分析——以安徽高校网络教学现状调查为例

当今世界科技进步日新月异,互联网、云计算、大数据等现代信息技术深刻改变着人类的思维、生产、生活、学习方式,深刻展示了世界发展的前景。中国正坚持不懈地推进教育信息化,努力以信息化为手段扩大优质教育资源覆盖面。高校网络课程在"互联网+教育"中占据着重要的地位,在高校的教学过程中成为重要的辅助手段。因此,先了解安徽省"互联网+教育"的实际情况,然后对安徽多所高校学生发放问卷,了解"互联网+教育"下的网络课程相关问题,立足于"互联网+教育"理论,运用SWOT模型结合网络课程的优势与劣势研究其对教学的影响,详细阐述网络课程在提高高校教学水平这一领域当前面临的机遇和挑战,并在此基础之上,提出相应的发展建议。

基于Cortex-M3的槽式太阳能热发电自动追踪系统

设计了一种基于Cortex-M3的槽式太阳能热发电自动追踪系统,该系统将光电追踪和视日轨迹追踪相结合,并增加了阴影躲避反向跟踪算法,实现了对太阳高精度、全方位的追踪,最后通过Forcecontrol软件进行了动态仿真模拟,为该系统以后的商业化运行提供了一定的依据。

基于EMD和长短期记忆网络的短期电力负荷预测研究

针对电力负荷非线性、非平稳性、时序性等特点,提出了一种基于EMD-LN-LSTM的短期电力负荷预测模型。利用经验模态分解(EMD)将经数据预处理之后的原始电力负荷数据分解为有限个内涵模态分量(IMF)和一个残差分量,以降低负荷序列的非平稳性和复杂度。将分解后的各分量分别输入到长短期记忆网络(LSTM)中进行预测,同时利用层标准化(LN)对LSTM进行规范化处理,优化网络模型。对各分量预测值进行重组,求出最终的负荷预测结果。以多伦多真实数据为算例,分别使用EMD-LN-LSTM模型和其他模型进行预测,结果表明:EMD-LN-LSTM模型24 h平均绝对百分比误差相较于RNN模型、LSTM模型分别降低了3.600%、1.864%,而拟合优度均高于RNN模型、LSTM模型,表明该模型能够更好地拟合负荷曲线,具有较高的预测精度。