句法成分语气化的类型、成因与条件

文章研究现代汉语里句法成分的语气化现象,即句法成分或结构体的语气功能凸显而其句法与语义功能削减甚至丧失的现象。文章指出了句法成分语气化的特点与判别标准,描述了三类句法成分的语气化现象及其功能演化的成因与条件:“准情态副词”由句法成分原位演化形成,“准语气词”由小句合并形成,“语气化结构”由直接添加专用的语气成分形成。文章还对诱发句法成分语气化的诸因素做了分析与讨论。

“正”和“在”:情态与体貌之分

本文认为现代汉语副词“正”和“在”的根本区别在于表达情态和体貌之分。“正”表契合情态,强调人或事物恰好契合某种身份、性质、状态等,或强调两个相关的事物、事件或情形在某方面(包括在时间上)恰好契合。“在”则表进行体,表示动作行为活动变化处于持续进行或持续发生的状态。而“正在”既表情态又表体貌,但其句法功能并不只是“正”和“在”的功能交集,而是相对于“正”和“在”既有所收窄,又有所突破。

基于广域信息处理的配电网故障隔离技术研究

针对分布式电源并入配电网后,传统算法进行故障检测时存在定位准确度偏低、反应速度较慢的问题,文中基于广域信息处理技术提出了一种配电网故障隔离方法。该方法采用模态分解算法将故障复杂信号分解为多种类基础小信号,使用支持向量机对这些小信号进行数据分类。但由于传统支持向量机的收敛速度较慢,因此通过引入粒子群算法对其参数加以优化,从而提升模型的运算速度。实验结果表明,在加入分布式电源的电网中,所提算法的故障定位准确率为96.7%,平均运行时间则为43.9 s,且这两项参数在对比算法中均为最优。由此证明,该算法可应用于实际工程中,为配电网故障隔离提供技术支撑。

一种基于PSO-VMD和LSTM的复杂山地风电场观测风速数据质量控制算法

复杂山地风电场普遍存在观测风速数据质量差引起风资源评估误差大、风功率预测精度低的问题。而复杂山地风速呈现较强的间隙性、波动性和非平稳性,导致常规质量控制方法无法有效提高数据质量。针对此,提出一种基于粒子群改进变分模态分解和长短期记忆网络的集成学习算法(PVL),并应用于复杂山地观测风速的质量控制以提高风速数据的质量。以广西某复杂山地风场内5基观测塔2015—2016年逐10 min风速数据为案例进行PVL应用效果检验,并与传统单站及空间回归法、反距离加权法进行对比。应用表明,PVL比传统方法具有更高的寻误率,且在异地形、多风况上具有更强的适应性。

基于多影响因素联合的某抽水蓄能电站主厂房洞室围岩变形预测

为保证地下洞室围岩环境的安全状态,提出了一种以变分模态分解(VMD)方法分解原始数据和粒子群优化算法(PSO)提高预测精度为基础,基于多影响因素联合核极限学习机(KELM)方法的洞室围岩变形预测方法。该方法首先采用VMD方法将监测位移分解为受趋势性因素影响的趋势项位移和受周期性因素影响的周期项位移,去除影响因素的干扰项,其次将演化状态及影响因素作为PSO-KELM的输入数据,预测各影响因素所对应的趋势项或周期项位移,最后叠加两种分项位移,并将多影响因素结合的KELM方法与其他预测方法进行精度比较。对某抽水蓄能电站工程实测数据的验证结果表明,预测结果与原始位移的RRMSE相差仅0.76%,且二者的R为0.986,所提预测方法具有较高的预测精度,可为同类工程的围岩变形预测提供参考。

基于NSGA-Ⅱ传感位置优化的曲面重构及误差补偿方法

通过优化光纤布拉格光栅形状传感技术中传感点位置和补偿重构结果来提高薄层合金板三维形状重构精度。通过ANSYS workbench建立合金板仿真模型,提取应变和位移模态振型,根据模态置信准则、转换矩阵稳定性和模态振型相似性分别设计了三个目标函数,采用快速和精英机制的多目标遗传算法优化传感器位置。将镍钛合金板弯曲成不同曲率半径的弧形,利用光纤布拉格光栅中心波长漂移量和线性插值算法计算得出不同形状下的结构应变,重构合金板形状,均方根误差和最大误差相较于单目标优化算法分别减小30%和15%。利用粒子群优化径向基函数神经网络算法拟合误差与位移的关系实现误差补偿,均方根误差和最大误差比无补偿时分别减小了90%和70%,最大相对百分比误差仅为5%,提高了三维形状重构算法精度。

基于粒子群算法的农用轮胎柔性环模型参数辨识方法

轮胎柔性环模型能准确表达轮胎变形,但模型的刚度参数无法直接测定,因此模型刚度参数的辨识成为建模过程中的关键。本文基于轮胎柔性环模型运动学方程,分析农用轮胎固有频率与刚度参数之间的关系,提出基于粒子群算法的柔性环模型刚度参数辨识方法。通过轮胎模态试验获取轮胎固有频率,采用粒子群算法对柔性环模型刚度参数进行辨识。将固有频率的试验值与预测值的平均误差作为评价指标,对比粒子群算法与传统算法及遗传算法辨识结果,结果表明粒子群算法的参数辨识结果精度较高,平均绝对误差为1.67 Hz,平均相对误差为1.66%,相较于遗传算法,平均相对误差降低16.16%,运算时间减少93.19%。通过接地印痕试验获取农用轮胎接地角度,结合辨识所得刚度参数,估算轮胎所受到的垂向力,对比垂向力的试验值与预测值,结果表明粒子群算法的参数辨识结果精度较高,垂向载荷估算平均相对误差为1.97%,相对于遗传算法,平均相对误差降低12.05%。

柱形障板条件下声矢量圆阵相位模态域目标方位估计

提出了基于横向、纵向和对角排列的声压振速联合处理协方差矩阵构造的相位模态域最小方差无畸变响应(MVDR)目标方位估计方法。该方法利用弹性柱障散射声场模型,根据声矢量圆阵相位模态变换理论,构造声压与不同振速分量的互协方差矩阵,并进行相加、纵向、横向和对角排列得到扩展互协方差矩阵,将扩展互协方差矩阵分解重构后进行MVDR目标方位估计。理论分析与仿真结果表明,纵向排列互协方差矩阵具有更好的方位估计性能,相加互协方差矩阵具有较低的背景谱,对角和横向排列相对纵向排列较差。水池试验和湖试结果进一步验证了纵向排列互协方差矩阵具有较其他3种方法更好的方位估计性能。

潮州方言语气词“还”的语法化

潮州方言的“还”除了做副词(还_(1)),还可做句末语气助词(还_(2)),构成“XP_(1)+还_(2)”句式。“还_(2)”具备以下功能:(a)反驳语气词(还_(2a));(b)肯定语气词(还_(2b))。“还”的语气词用法由表反预期义的语气副词,经过成分省略、重新分析而成。句法结构的变化,促使“还”的语义辖域重心前移,语义内容随之改变,由此进一步引发“还_(2a)>还_(2b)”的语气功能演变。

基于量子行为粒子群算法的舱室噪声监测点优化布置

针对舱室噪声在线监测及声场预报问题,本文提出了一种基于量子行为粒子群算法的舱室内部声监测点优化布置方法。根据研究频段范围确定所需声腔模态阶数,计算全部备选监测点位置处各阶声腔模态的声场分布,采用模态置信矩阵作为目标函数,基于量子行为粒子群算法对监测点位置进行优化,获得优化布置方案。从声腔模态采样的正交性及内外声场响应的角度与其他测点布置方案进行了性能比较。研究表明:本文方法优化得到的测点布置方案采集声腔模态信息更全面,可有效提升舱室内声场的重建精度和基于舱室内声场监测的水下辐射噪声预报精度。

《文心雕龙》中语气词“也”“矣”“夫”的修辞认同功能——融合体认语言学的结构对称性研究

古汉语语气词的语义、句法等功能广受重视,但修辞功能尚未获得关注。借助新修辞学奠基人肯尼斯·伯克认同理论中的形式认同策略以及体认语言学中的对称性体认方式,论文分析了刘勰《文心雕龙》中使用数量最多的“也”“矣”“夫”。研究发现,反复出现的三大语气词均与对称结构紧密相关:“也”“矣”衬字足句,形成对称结构,使节奏协调工整;“夫”后可引出对偶、反问等对称结构,有力地激发了读者的参与。这三大语气词在对称结构中均拉近了作者与读者间的距离,促进了认同的实现。本研究为古汉语语气词提供了当代修辞学与体认语言学相结合的跨学科研究路径与方法。

从礼貌看汉语拒绝表达中的语气词

以电视剧会话为分析语料,参考礼貌因素讨论语气词“吧”“呢”在汉语拒绝表达中的应用情况及其语用功能。“吧”可附在独立成句的结构(如“算了”)、表建议命令等指令行为的小句/句子、反问句、表商量的问句、表评价的陈述句等结构之后,缓和拒绝语气。“呢”主要出现在表示拒绝的陈述句句末、句中以及反问句的句末,这些结构中的“呢”对于会话双方关系地位、年龄、性别等非语言因素有限定,凸显了礼貌的得体性。

基于改进PSO-VMD-MCKD的滚动轴承故障诊断

针对滚动轴承信号在强噪声背景下故障特征提取困难的问题,提出一种变分模态分解(Variational Modal Decomposition,VMD)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的故障诊断方法。首先基于VMD方法选取故障信号的最优模态分量,然后采用MCKD算法增强最优分量信号中的冲击成分,最后通过包络谱分析提取滚动轴承的故障频率。利用粒子群优化算法(Particle Swarm Optimization,PSO)对VMD算法中的参数α和K以及MCKD算法中的参数L和M进行寻优,并对PSO算法中惯性因子和学习因子的更新方法加以改进,以提高参数寻优过程的收敛速度。仿真分析和试验结果表明,所提出的诊断方法可以有效提取被强噪声淹没的滚动轴承故障特征。

一种基于改进VMD-PSO-CNN-LSTM的短期电价预测方法

为了提升电价预测的准确性和预测模型的稳定性,提出一种基于改进VMD-PSO-CNN-LSTM的短期电价预测方法。首先,通过研究变分模态分解(variational mode decomposition,VMD)与电价影响因素的相关影响程度,并引入最大信息系数(MIC)构建VMD参数优化模型;然后,利用卷积神经网络(convolutional neural networks,CNN)与长短期记忆(long short-term memory,LSTM)神经网络对VMD分解得到的各模态分量进行预测。同时,根据深度可分离卷积结合电价时间规律,在CNN卷积部分构建多尺度的卷积特征提取结构,并利用粒子群优化算法优化包括CNN卷积层数量、CNN卷积神经元数量、LSTM隐藏层数量、LSTM记忆时间以及全连接层数等在内的参数,从而实现模型预测准确性和稳定性的提升。最后,对澳洲电力市场日前电价进行分析预测并与对照算法对比,结果表明该文算法具有更高的精度和更好的稳定性。

基于VMD-PSO-LSSVM的降雨量预测研究

降雨事件具有高度随机性,为了对复杂的降雨量进行科学有效地预测,提出VMD-PSO-LSSVM的降雨量预测模型。首先利用VMD方法分解原始降雨量序列;然后运用粒子群算法优化最小二乘支持向量机的关键参数,使用精准构建的预测模型对一系列子序列进行预测;最后合成所有的预测子序列,获得最终预测结果。仿真结果表明,VMD-PSO-LSSVM模型预测结果误差更小,准确度更高,可以成为有效的降雨量预测工具,为农业和水利部门制定水资源管理决策提供参考,降低旱涝灾害的风险。

河南固始方言做语气词和助词的“来”

“来”是固始方言中的一个高频词,其特殊用法是做语气词、助词。“来”作语气词,可以用于疑问句、感叹句和陈述句,具有丰富的语气意义。关于语气词“来”的探究,主要从使用条件以及功能、意义出发进行研究。“来”作助词,可以出现在动词或动词性短语前后作为进行体、持续体标记,位于句末充当完成体标记,表达丰富的时体义。

上古汉语OV语序结构助词“是”“之”差异及原因

借助“是”“之”前置的OV语序是上古汉语OV语序的重要类型之一,对“是”“之”的差异及原因进行探索,有助于全面认识OV语序。从历时角度看,其差异在西周时期开始出现,春秋战国时期二者差异全面呈现,两汉时期随着OV语序的消失二者差异也随之消失。从数量上看,受语体的影响,不同时期使用数量不同。在使用上,因二者出现的时间不同、来源不同,其差异体现在三个大的方面,是与“将”搭配、前置宾语、语气强弱等,其中语气强弱还包括否定词句法位置、否定对称、与疑问词的搭配、句末是否有语气词、主语为人称代词“我”或“吾”等五个小的方面的差异。从差异产生的原因看,依次为时间表达、连接性强弱、语气强弱。

重新认识《马氏文通》助字卷的得失

《马氏文通》问世130年来,学界对其助字卷的评价仅限于肯定和褒扬。本文从系统性角度发现,该书助字卷为上古语气词构建了聚合系统、功能系统和叠助系统,但也存在四个重要不足。一是错将汉语语气词等同于印欧语的动词形态的功能。二是不清楚字句应有语气的形式手段为何物。三是没有明确区分字句应有语气和助字所表语气,更未明确二者关系。四是仅将语气词的功能分为信疑两个范畴。这四个不足对古今语气词研究至今仍然具有不可小觑的影响。

近代汉语句末语气词“是”的产生、来源及发展

判断系词位于句末并演变为语气词的现象出现于汉语及一些藏缅语系语言中,代表了判断系词语法化的一种新路向,体现了一种主观性和交互主观性不断增强的主观化过程,蕴含类型学价值。文章首先梳理现代汉语方言“是”作句末语气词的用法,并在历时考察的基础上,探讨近代汉语句末语气词“是”的用法及其语法化路径。研究表明,句末语气词“是”大致产生于唐宋时期,主要经历了“回指代词→后置判断句中‘是也’共用→‘也’字脱落→句末语气词”的演变过程。判断系词“是”成为判断句的唯一语法标记后,全面取代了“也”的功能,除了发展出焦点标记、强调标记、对比标记的用法外,在“NP+VP+(其他)+是”结构中也发展出语气词的用法。最后将研究视野扩展到藏缅语系语言中,结合藏缅语句末系词语法化为语气词的众多实例,深入挖掘其蕴含的类型学价值。

基于MEEMD的MEMS陀螺仪降噪方法

为了有效抑制微机械陀螺仪的随机误差,基于改进的经验模态分解(MEEMD),结合粒子群优化算法(QPSO)优化的卡尔曼滤波(KF),提出了一种微机械陀螺仪降噪方法。通过引入排列熵的概念对微机械陀螺信号进行分解得到本征模态分量;计算各分量排列熵,分析排列熵变化趋势筛选出信号噪声混叠的分量,对其中混叠的分量分析建模,采用QPSO-KF算法滤波去噪;再对滤波结果和信号主导的分量进行重构,实现微机械陀螺信号降噪。实验验证了所提方法的有效性,相比传统经验模态分解(EMD)、KF精度提高了1个数量级,验证了所提方法的有效性和精度。