短轨枕裂缝成因及宽度与深度关系探究

以兰州轨道交通运营过程中正线短轨枕出现不同程度裂缝为研究背景,选取出入段线分别按照洞内、洞外检测检查了短轨枕裂缝宽度、深度等,分析了短轨枕中出现裂缝的成因和混凝土裂缝对短轨枕结构力学性能、混凝土结构耐久性的危害;通过对短轨枕裂缝宽度与深度关系的探究,裂缝深度与裂缝宽度呈正相关,建立裂缝深度预测模型,并验证预测模型可靠性;最后对洞内、洞外裂缝分别给出了具体的建议和处理措施,对城市轨道交通短轨枕裂缝的研究有一定的借鉴意义。

混凝土裂缝宽度和深度对裂缝表面碳化的影响

为研究混凝土裂缝宽度和深度对裂缝表面混凝土碳化的影响,制作了带裂缝的钢筋混凝土试件并进行了碳化试验研究。研究采用碳化时未开裂的试件、裂缝近似贯通的试件、裂缝未贯通的试件的横断面,其中裂缝近似贯通试件、裂缝未贯通试件的横断面即为裂缝开裂断面。对于裂缝近似贯通和未贯通的试件,通过对比裂缝的宽度、深度和裂缝表面混凝土的碳化情况,并与未开裂试件断面混凝土碳化情况进行对比分析。研究结果表明,裂缝宽度对于混凝土裂缝表面的碳化几乎没有影响,表面碳化主要与裂缝深度有关。本文对混凝土开裂部位的耐久性研究仅以裂缝表面宽度为依据进行的方法提出了不同看法,建议将混凝土裂缝宽度和深度列为同等重要的研究依据。

基于宽度-深度神经网络的风电功率预测方法

风电功率预测对于维护风电场中电网的安全性与稳定性具有重要的意义。本文提出一种基于宽度-深度神经网络的风电功率预测方法,该方法从数据出发,综合利用了影响风电功率预测的不同因素来进行风电功率预测。该方法同时结合了宽度神经网络和深度神经网络的优势,将人为选择的特征以及机器深度学习到的特征结合起来用于网络预测。本文利用爱尔兰某风电场的实测数据进行了算法验证实验,实验结果表明,本文算法的风电功率预测精度优于传统的基于浅层神经网络的风电功率预测方法。

大学英语词汇知识之宽度与深度

从词汇知识的宽度与深度的角度,论述了大学英语词汇习得的重要性与复杂性;指出了词汇量的扩充不是完全解决词汇难题的唯一关键,并以此来提升外语学习者对词汇学习的质与量两方面的重视。最后,提出了一些建议,以全面提高学习者对词汇的使用能力。

基于宽度和深度模型以及残差网络的综合能源负荷短期预测

针对用户级综合能源系统负荷波动大,能源耦合复杂的特点,提出一种基于深度和宽度模型(Wide&Deep)和残差网络(ResNet)框架并且采用完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和主成分分析(Principal Components Analysis,PCA)的综合能源系统联合负荷预测方法。所提模型由宽度和深度两部分组成:深度部分参考ResNet拟合残差映射的思想将多个长短期神经网络(Long Short-Term Memory,LSTM)子层堆叠构建深度预测网络,深度部分数据在输入前采用CEEMDAN进行分解,并利用主成分分析对分解结果进行主要影响因素提取和排序,并通过对数据的梯级输入实现对不同信息密度数据的梯级利用;宽度部分则采用简单模型并对传统Wide&Deep-LSTM模型的Wide部分输入进行改进,有效降低了模型的训练难度。通过实际算例分析可知所提模型具有良好的预测精度和收敛速度。与常规模型相比,所提模型具有一定优越性。

基于宽度&深度学习的基站网络流量预测方法

针对无线网络流量长期预测问题,提出一种基于宽度&深度学习的基站网络流量预测方法。首先,利用S-H-ESD算法和数据平滑方法对网络流量数据进行预处理,以降低噪声数据对预测的影响;然后,将网络流量作为宽度&深度模型的深度部分(神经网络)的输入,将无线资源控制(RRC)连接数和物理资源块(PRB)利用率作为模型的宽度部分(线性模型)输入,通过结合深度部分和宽度部分来预测网络流量。所提方法为所有基站的网络流量建立一个预测模型,预测结果的均方根对数误差(RMSLE)为0.985,明显优于传统的季节性差分自回归滑动平均模型(RMSLE为2.095)和长短期记忆网络模型(RMSLE为3.281)。实验结果表明:宽度&深度模型通过结合线性模型的记忆能力和深度模型的泛化能力,能够更好地解决无线网络流量的长期预测问题。

逾期风险预测的宽度和深度学习

逾期风险控制是信用贷款服务的关键业务环节,直接影响放贷企业的收益率和坏账率。随着移动互联网的发展,信贷类金融服务已经惠及普罗大众,逾期风控也从以往依赖规则的人工判断,转为利用大量客户数据构建的信贷模型,以预测客户的逾期概率。相关模型包括传统的机器学习模型和深度学习模型,前者可解释性强、预测能力较弱;后者预测能力强、可解释性较差,且容易发生过拟合。因此,如何融合传统机器学习模型和深度学习模型,一直是信贷数据建模的研究热点。受到推荐系统中宽度和深度学习模型的启发,信贷模型首先可以使用传统机器学习来捕捉结构化数据的特征,同时使用深度学习来捕捉非结构化数据的特征,然后合并两部分学习得到的特征,将其经过线性变换后,最后得到预测的客户的逾期概率。所提模型中和了传统机器学习模型和深度学习模型的优点。实验结果表明,其具有更强的预测客户逾期概率的能力。

论二语词汇深度习得及其研究的若干问题

传统的词汇习得观认为,习得一个单词即指掌握它的形式和意义。长期以来,这一观点较少受到质疑,以致在外语教学中涌现出大量的以形式和意义相互匹配为核心的词汇练习和测试。事实上,这是一种片面的以意义为驱动力或目标的语言学习认知观。针对上述问题,本文介绍和讨论了与词汇知识深度相关的若干问题并且说明:个体词汇的完整知识和习得远远不只是形式和意义的简单匹配,而是一个“知识”与“能力”交互作用的多维集合的习得过程。

基于知识位势的技术创新合作中的知识扩散研究

从知识位势的角度出发,对企业技术创新合作中的知识扩散问题进行了研究。定义了有关知识位势的基本概念,探讨了知识主体间进行知识扩散的条件,给出了知识主体的知识位势扩散函数描述,探讨了知识位势的构成要素及相互作用,对知识主体进行知识扩散的影响因素进行了分析。

8通道复合蛇形流道质子交换膜燃料电池综合优化研究

文章建立了三维、稳态、恒温的8通道复合蛇形流道质子交换膜燃料电池(PEMFC)模型,并利用多物理场直接耦合分析软件COMSOL Multiphysics,对流道尺寸(宽度-深度)、气体扩散层(GDL)孔隙度、进气速度以及温度不同的8通道复合蛇形流道PEMFC单体内流动和传质过程进行了数值模拟和计算研究。研究结果表明,PEMFC的水分布特性、气体分布特性、电流密度分布特性、压力分布特性以及电化学特性均会随着宽度-深度的变化而变化,最佳宽度-深度组合为1.2 mm-0.8 mm,最佳GDL孔隙度-进气速度-温度组合为0.5-5 m/s-353.15 K。

复杂产品系统的技术开发模式

复杂产品系统生产对于国家竞争力具有重要的影响。通过对复杂产品系统和企业技术能力的分析,提出从技术宽度和深度两个维度来认识复杂产品系统,并提出复杂产品系统技术研究开发的选择模式。

基于Wide&Deep-XGB2LSTM模型的超短期光伏功率预测

为了充分利用电网自身的海量历史数据进行光伏功率预测,提出一种宽度&深度(Wide&Deep)框架下融合极限梯度提升(XGBoost)算法和长短时记忆网络(LSTM)的Wide&Deep-XGB2LSTM超短期光伏功率预测模型。对历史数据进行特征提取,获得时间、辐照度、温度等原始特征,在此基础上进行特征重构,通过交叉组合和挖掘统计特征构造辐照度×辐照度、均值、标准差等组合特征,并通过Filter法和Embedded法进行特征选择。在TensorFlow框架下通过算例对比验证了所提模型及特征工程工作对光伏功率预测性能的提升效果。

一种求解不确定作业车间调度问题的随机仿真优化方法

针对以工件提前/拖期惩罚成本期望值最小化为目标函数、且工序加工时间不确定条件下的作业车间调度问题,将宽度-深度(BD)仿真量全局优化分配机制嵌入至进化序优化(ESOO)算法框架的粗糙仿真评估阶段。宽度仿真量分配用以调整样本数量,并利用进化算法进行调度解的样本取样和迭代优化;而深度仿真量分配则是利用最优计算量分配技术,依据当前种群中个体的均值和方差进行仿真量的自适应分配。最后通过标准调度测试算例验证了ESOO-BD随机仿真优化方法的可行性和有效性。

混凝土开裂部位氯离子渗透试验研究

为研究混凝土裂缝宽度和深度对裂缝表面氯离子渗透的影响,制作了带裂缝的钢筋混凝土试件并进行了氯离子渗透研究.采用氯离子溶液浸泡时未开裂的试件、开裂试件的横断面进行研究.对于开裂的试件,通过对比裂缝的宽度、深度和裂缝表面氯离子渗透情况,并与未开裂试件断面氯离子渗透情况进行对比分析.研究结果表明,裂缝宽度对于裂缝表面氯离子渗透几乎没有影响,表面氯离子渗透主要与裂缝深度有关.对混凝土开裂部位的耐久性研究方法提出了新的观点,对混凝土结构耐久性的研究具有重要的参考价值.

网络学习环境与学生认知方式的实证研究

本研究探讨场独立和依赖型认知方式的学习者在全局和系列的网络学习环境下学习,匹配和不匹配认知方式的学习环境对学习者学习效果的影响。实证研究结果支持"学习者认知方式是网上学习材料界面设计的一个重要影响因素,可以利用认知方式创造适合学习者的学习环境,提高学习效果"的说法。

基于使命视角的文旅产业融合发展新思考

新时代背景下文旅融合发展赋予了其新使命、新任务,肩负着为文化资源寻找新载体,提升旅游产品品质,承担弘扬文化,提升国家文化软实力,满足人民群众对美好生活的追求,促进旅游产业结构优化升级的重任。针对目前文旅产业融合存在停留在浅层次、单方面、以及文化过度商业化的弊病,提出了市场主导、文化核心、“客主”共享的发展新思路。

小学数学课堂应注重“三度”

怎样的数学课堂才是耐人寻味的？细细品味一些名师的优秀课堂,笔者发现只有具备了情感的温度、文化生活的宽度、思想深度的数学课堂,才能真正展现数学独特的魅力,让我们的学生学有所得。一、温度：真情润泽灵动的生命数学是一门理性的学科,只有当学生主动地参与课堂活动教学才会有效。作为教师。

基于Wide&Deep-LSTM模型的短期台区负荷预测

负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷预测的精确度奠定了良好的基础。文中将深度学习方法引入到电力系统的短期台区负荷预测中,综合利用了负荷台区的电压、电流、功率以及时间等特征信息。同时在已有的长短期记忆网络(LSTM)模型和宽度&深度(Wide&Deep)模型的基础上,建立了基于Wide&DeepLSTM的深度学习短期负荷预测模型,并在此基础上进行了日前台区负荷预测。该模型能够兼具深度神经网络的学习能力与LSTM模块的时间序列信息表达特性,能够较好地解决台区电力负荷预测的多特征维度及时序性特征问题。最后利用Tensorflow深度学习框架生成了仿真模型并加以验证,仿真结果充分证明了所提方法的准确性与实用性。

产学研合作对高校科技成果转化速度的影响研究

现有文献认为,产学研合作能够通过打破高校和企业之间的信息壁垒以及资源共享,促进高校科研成果转化应用。文章认为,高校专利能否快速转化还与专利本身的特点密切相关。那么,产学研合作是否会通过影响专利的特征而促进专利转化,这是一个值得探索的问题。文章以我国“985“”211”工程高校2005—2018年的授权发明专利为研究样本,展开实证研究。结果发现(:1)产学研合作对高校专利转化速度具有显著正向影响,即产学研合作可以提升高校专利的转化速度(;2)从作用机制来看,产学研合作通过提升高校专利的技术宽深度和专利质量以及降低专利的基础性从而加快高校科技成果转化速度。

剖腹产切口憩室大小与月经淋漓不尽关系的探讨

目的:探讨剖腹产切口憩室大小与月经淋漓不尽的关系。方法:腔内超声探查有剖腹产切口憩室的患者120例,询问患者是否存在月经淋漓不尽的症状,是否是在剖腹产后才出现。结果:剖腹产切口憩室的开口宽度及深度均大于5mm以上的101例患者均有不同程度月经淋漓不尽症状;小于5mm的19例患者有5例出现月经淋漓不尽的症状,14例没有出现此症状,出现概率为26%。结论:剖腹产切口憩室的开口宽度及深度大小与月经淋漓不尽有相关性。