碎片整合式线上线下混合教学模式应用研究

提出了碎片整合式线上线下混合教学模式,即应用“互联网+”和数字技术,制作课程多媒体课件,将相关知识点制作成知识图谱,将基础知识分块分片录制成微视频发布到超星学习通平台。组织学生建立班级QQ学习群和学习团队,要求学生提前下载教学资源,从而在任何情状况下都能进行自主学习。以C语言课程为例,采取小组教学、个别指导、分组讨论、全体参与、分组演示等方式验证了教学效果。

基于CiteSpace知识图谱的新财经人才培养模式研究

为了促进新财经人才培养模式创新发展,基于宏观视角,借助CiteSpace软件分析近10年新财经人才培养领域的发文特点,梳理出新财经人才培养模式研究的现状、热点与演化脉络,在此基础上提出我国新财经人才培养的具体路径:加强校企合作、校校合作,重点发挥核心机构辐射带动作用;开展“新财经+地方特色”教学培养模式;全方位立体化建立纵深式产教融合培养模式;深化学科融合力度,推动新财经人才综合素质培养。

基于分布式滑模控制的微电网二级电压控制策略

微电网是由分布式电源(DG)、负荷、储能和控制装置等构成的可控系统,能够充分高效地利用分布式能源资源。提出了一种基于分布式滑模控制的微电网二级电压滑模控制方法,基于图论和多智能体系统原理设计了分布式滑模控制器,该滑模控制器通过通信网络获取与其相邻分布式电源的电压信息,并利用Pade近似方法对通信网络中所产生的时间延迟进行补偿。在MATLAB/Simulink平台中对该控制方法进行仿真,验证了所提出二级电压控制策略的有效性。

抑制不同运行方式下故障电流的直流电网网架结构优化方法

直流电网故障电流水平决定了限流装置成本以及换流元件寿命,而通过网架结构优化可有效降低故障电流水平。然而,现有的网架结构故障电流水平评价指标存在一定误差,且不能反映不同运行方式下的综合故障电流水平。因此,提出一种抑制不同运行方式下故障电流的直流电网网架结构优化方法。首先给出直流电网短路故障电流的计算方法;然后提出基于图论的网架结构通用表示方法,在此基础上提出正常运行方式及N–1运行方式下的故障电流水平综合评价指标;最后提出一种以抑制不同运行方式下故障电流的直流电网网架结构优化方法,并通过PSCAD/EMTDC软件在六端直流电网中验证了所提方法的有效性。

SL-tgStore:新的时序知识图谱存储模型

为了解决时序知识图谱的存储问题,提出结合快照和日志模式的时序知识图谱存储模型SL-tgStore.模型由若干时间桶组成,每个时间桶由一系列的时间窗口组成.在首个时间窗口引入初始快照作为时序知识图谱存储和处理的基本单元,在接下来的时间窗口存储为增量日志.提出相应的阈值来确定初始快照的生成,即生成一个新的时间桶,以达到初始快照数量与增量日志数量的平衡,并提出临时快照生成算法.所提模型能够有效解决快照存储模式消耗内存大,日志存储模式查询效率低的问题.为了对SL-tgStore模型进行高效查询,在此基础上提出4种索引结构.在4个真实数据集上进行实验,理论研究与实验结果表明所提出的SL-tgStore存储模型具有高效性.

基于图搜索的陆空两栖平台3D路径规划算法

为了解决陆空两栖平台路径规划能效与寻径效率问题,提出了一种基于图搜索算法的全局路径规划算法。考虑了空中飞行能耗与地面行驶能耗模型的不同,结合起飞阈值、地面移动成本系数、空中移动成本系数等参数决定模态切换机制,在遇到难以越过的障碍时使用逃脱算法脱困,当允许地面通过时优先采用地面行驶的方式到达目标点以提升寻径效率与能效。为验证该算法,分别建立了针对陆空2种模式下的能耗模型,在现有交通规则约束下完成城市场景和虚拟迷宫测试。结果表明:本算法的搜索效率相较于对照组算法提升了30%以上,有效提升搜寻效率的同时降低了能量消耗。

承压类特种设备损伤模式知识图谱构建及应用

为进一步提高承压类特种设备损伤模式的数据管理水平,以知识图谱技术为研究基础,整合损伤模式多源数据,采用自上而下法构建损伤模式知识图谱,并使用Neo4j图数据库进行知识存储与可视化,搭建智能问答系统。研究结果表明:基于知识图谱的智能问答系统能够实现损伤模式关键信息的高效查询和信息检索。研究结果可为承压类特种设备损伤模式的识别、预防与管理提供有力支持,为相关领域内智能化发展提供参考与借鉴。

经验模态分解-图神经网络算法预测农产品价格

为了提高图神经网络算法对农产品价格预测精度,采用经验模态分解法按时间片轮转抽取农产品历史价格信号,以便对历史价格信号进行特征提取;将原始价格信号分解成多个本征模态函数及残余项,并根据本征模态函数构建样本特征;根据得到的样本特征构建价格预测图结构,将图结构输出的特征信号通过图神经网络的过渡函数和预测函数,通过不断减小损失值输出农产品价格预测结果。结果表明,经验模态分解可以对原始农产品价格信号的本征模态函数分量进行有效分解和提取,从而使经验模态分解-图神经网络算法的农产品价格预测平均绝对误差减小71.4%;相比于其他类型的预测算法,经验模态分解-图神经网络算法对4类农产品价格预测的平均绝对误差更小,最大值仅为2.465。

融合IVMD的海表温度时空智能预测方法

精准的海洋表面温度(sea surface temperature, SST)预测在海洋和气象领域具有重要意义,如海洋渔业捕捞和海洋天气预报等。提出一种融合改进变分模态分解(improved variational mode decomposition, IVMD)的时空混合模型来预测SST,采用中心频率观察法、残差指数最小化和皮尔逊相关系数改进变分模态分解(variational mode decomposition, VMD),去除SST序列冗余,利用图卷积神经网络(graph convolutional network, GCN)提取SST交互特征并结合长短时记忆网络(long short-term memory, LSTM)捕捉时间动态,提高预测精度。选取中国东海海域进行实证分析,实验结果表明:与现有模型对比,本文模型在均方根误差、平均绝对误差和平均绝对百分比误差3个指标上均有显著提升,验证了本文模型的有效性和稳定性。

图数据库Neo4j下的POI同位特征提取

本文以图结构为基础,针对城市兴趣点(POI)在空间网络中的同位特征展开挖掘,突破了传统欧式空间下的各种限制。在理论方面,本文总结了图结构下的空间分布关联特征和挖掘方法,并与欧式空间进行对比,通过剖析Apriori算法,利用网络Voronoi图构建连接图结构和关联规则挖掘算法的桥梁,并采用同位模式判定方法进行图结构与欧式空间的比较分析;在实践层面,使用图数据库Neo4j存储、管理和处理图结构,充分发挥Neo4j在复杂关联数据处理方面的优势,提升了算法效率。另外,本文还利用Neo4j进行关联规则挖掘,验证了基于图结构的方法比欧式空间更适应城市POI结构特征的结论。

知识图谱在口腔医疗器械消毒供应风险控制中的研究

目的:构建口腔消毒供应不良事件知识图谱,设计智能化口腔医疗器械消毒供应不良事件风险评估模型与风险因素分析控制系统,通过系统应用提高口腔器械消毒供应质量。方法:通过数据接入服务实现口腔器械消毒供应数据自动化采集、转换和载入,采用失效模式与效应分析(FMEA)和动态风险评价理论构建口腔消毒供应不良事件知识图谱,采用递归神经网络(RNN)构建消毒供应不良事件风险预测模型及根因分析法,对口腔器械消毒供应不良事件进行风险评估及根因分析。结果:口腔器械清洗不良事件前4项风险因素分别为清洗参数设置错误、清洗后器械有污渍、清洗后管腔清洗未达标和清洗后器械存在水垢,系统预测概率分别为4.67%、2.33%、1.50%和1.39%,与事实发生概率的2.14%、1.85%、0.75%和0.50%总体保持一致。消毒器械表面存在水渍不良事件前4项风险因素为消毒设备温度设置过高、消毒设备消毒时长过久、消毒器械表面污物残留和加热管水垢残留,与实际统计结果前4项风险因素构成比顺序一致。结论:智能化口腔医疗器械消毒供应不良事件风险评估模型与风险因素分析控制系统应用,能够及时发现口腔器械消毒供应操作环节质量隐患并实施风险控制,提高口腔器械消毒供应质量。

基于3D图谱APP的课程教学设计在康复专业中的应用

为探索3D图谱APP在“人体系统解剖学”实验课程中的应用效果,文章以山东医学高等专科学校2023级康复医学专业的96名学生为研究对象,结合“人体系统解剖学”课程要求和康复医学专业的特点,组织实施了基于3D图谱的实验课程教学设计方案。通过随堂测验和课后调查问卷评估了3D图谱的使用效果。研究结果表明,使用3D图谱能够增加实验课程的趣味性,提高学生参与课堂互动的积极性,从而有效提升学习效率。

融合模式决策的4WIS车辆路径规划方法

针对四轮独立转向(four-wheel independent steering,4WIS)车辆的路径规划问题,提出了一种融合模式决策的图搜索算法.首先,对4WIS车辆三种运动模式进行建模,并分析其运动模式的运动特性,据此设计多模式节点拓展策略,实现了4WIS车辆多运动模式与路径规划的融合.然后,针对最优节点选取和运动模式决策问题,设计了多目标代价函数,引导4WIS车辆合理切换运动模式,并生成平滑路径.最后,在MATLAB软件上进行仿真实验,在多种场景中测试所提出算法,验证其可行性与有效性.结果表明:提出的算法在路径规划中考虑了三种运动模式的优化组合与模式切换问题,能实现最优运动模式序列和最短路径规划.且该算法求解效率高,所规划路径优异,能充分发挥4WIS车辆的高灵活性与高通过性,有效解决其路径规划问题.

基于知识图谱的汽车电工电子技术混合式教学模式的探索与实践

随着信息技术的快速发展,传统的汽车电工电子技术教学模式在信息化快速发展的今天面临很多挑战.本研究旨在探索基于知识图谱的汽车电工电子技术混合式教学模式,以提高教学效果和学生学习兴趣.本研究通过构建汽车电路领域的知识图谱,并结合线上与线下教学数字资源,形成新型的教学模式.该模式不仅能够辅助教师进行个性化教学,还能促进学生自主学习,提高课程的教学效率和质量.

轨道交通专业群个性化实践教学模式设计

针对当前实践教学同质化严重的问题,以知识图谱为切入点,从轨道交通专业群角度出发,提出轨道交通专业群知识图谱构建方法;基于建构主义学习理论思想,从系统性、启发性、外延性、可度量四个方面提出面向群体的个性化实践教学模式设计原则;以设计原则为指导,提出实践教学模式在内容体系、组织流程、信息反馈机制方面的设计方案。该设计方案以实现轨道交通专业群个性化实践教学为目标,为轨道交通高水平复合型人才培养,尤其是面向群体的个性化人才培养提供新型支撑手段。

基于实时滑动分解的融合时空图卷积流量预测研究

为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑动分解方法,此方法使得训练集随着时间轴动态变化,在每次分解过程中使用的均是实时和历史信息并未使用未来信息,更加符合实时预测任务需求。紧接着,利用自适应噪声完备集合经验模态分解技术将交通流数据进行分解得到一系列本征模态函数分量,将分量分别按照邻近、日和周相关等时段构建多尺度输入以表达时序数据的时间相似性;然后,构建一个时空融合网络有向图,有向图由表示时间相似性的时间图和反映空间连通流向性的空间图组成,用以表达路网节点所包含的时空相似性信息;同时,在模型训练过程中通过引入时空注意力机制使得模型自适应为时空关系分配不同的权重以便关注相似性更强的关键节点来提高模型预测精度。最后,为了验证EASTGCN模型的稳定性和鲁棒性,分别设计了多因素输入实验和多步长对比实验,并在公开的数据集上进行了实例验证。研究结果表明,EASTGCN模型在多步长预测任务中指标增幅跨度最小且性能最稳定;多因素输入的EASTGCN模型在PEMS04数据集的MAE、RMSE指标上相对于单因素输入模型来说分别降低3.83%~27.03%、4.24%~12.77%,在PEMS08数据集的MAE、RMSE指标上降低0.91%~38.69%、0.07%~31.21%。总的来说,EASTGCN模型不论是在长期预测任务还是在预测精度上均有更好的表现,实时滑动分解方法为“分解+预测”组合模型提供了一种新的思路。

基于ATT-TCGNN的综合能源系统多元负荷短期预测

综合能源系统多元负荷之间存在较强的复杂耦合关系,且多元负荷数据具有较强的波动性与随机性。针对上述特点,提出一种基于图神经网络、注意力机制、变分模态分解的多元负荷短期预测模型。首先,对多元负荷数据进行变分模态分解,削弱其波动性与随机性;然后,通过经注意力机制改进的图学习网络建立充分反映多元负荷耦合联系性、负荷与气象间关联性的图结构,并用图预测网络对图结构与多元负荷历史数据进行分析,实现多元负荷预测;最终,结合亚利桑那州立大学的实际数据对所提出模型与其他模型进行对比分析,结果表明,所提出模型具有更高的预测精度。

基于扩张状态观测器的有限时间船舶编队控制

[目的]为了解决大多数船舶编队控制算法控制周期长和时效性差的问题,提出一种基于扩张状态观测器(ESO)的有限时间控制策略。[方法]采用一种非线性终端滑模算法,通过对控制律分区域设计,克服传统终端滑模存在的奇异性问题;将非线性终端滑模与图论结合,实现有限时间的船舶编队控制;利用扩张状态观测器观测并补偿船舶模型中的不确定性及外界的干扰,以保证船舶编队控制的精确性;运用Lyapunov理论验证船舶编队控制律的稳定性。[结果]仿真结果表明,采用所提控制策略使整个编队系统误差在5 s左右趋近于0,从而实现了稳定。[结论]该控制策略能有效控制船舶编队,且控制速度快、时效性好。

基于STAGCN-Informer时空组合模型的风电功率预测方法

针对风电功率预测中,空间信息受时空波动性和随机性影响无法有效提取,导致预测精度不足的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)、融合时空注意力图卷积网络(Spatiotemporal Attention Graph Convolutional Network,STAGCN)和改进Informer的组合模型(STAGCN-Informer-DCP)。首先运用VMD对原始特征进行模态分解,提取出不同时间尺度上的特征信息。同时利用北方苍鹰算法(Northern Goshawk Optimization,NGO)优化VMD的核心参数(惩罚因子和K值)选择。其次,利用融合时空注意力的STAGCN模块动态捕捉目标风机与近邻相似风机的时空特征,并将其与原始的信号分量融合获得携带空间尺度信息的特征向量。最后使用改进的Informer模型提取时序上下文的长期依赖关系,并实现多步输出预测。实验结果表明,该组合模型能较好地捕捉动态时空依赖,并有效提高了中长期风电预测的准确度。

融合天空偏振光的视觉SLAM研究进展与展望

模仿生物复眼对偏振光敏感机理的偏振光导航是近年兴起的新技术,具有稳定、无源及完全自主的特性,偏振传感器的小型化、一体化使其与低成本相机、惯性测量单元等有效集成成为可能。回顾分析多传感器融合的视觉同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)解决方案,梳理偏振导航传感器、天空偏振模式等最新研究进展,进而通过对辅以天空偏振光的视觉-惯性导航系统(Visual-Inertial Navigation System,VINS)的探索,进一步阐释该方案是应对视觉SLAM室外长航时导航实际的可行解。在此基础上,指出面向室外机器人操作系统、图优化框架的偏振成像仪定向观测约束模型的挑战性问题,供研究者探讨。所开发的偏振光辅助的VINS-Fusion具有扩展绝对位姿约束边的图优化技术特色,可实现全局一致的导航轨迹跟踪,为遥感测绘、军事探索等任务中的自主移动机器人导航与定位提供了创新性技术支持。