清明祭

<正>每年都过清明节,祭奠祖先,祭奠英烈。今年清明节照例是细雨纷纷,我们照例完成了这些传统的功课,在返程的车水马龙中,心中突然一阵悲情涌起:这世间还有许多不能忘却的亡者需要祭奠。     

浅谈英语单词记忆的几种方法

如何记忆单词,有很多的方法。根据多年学习与教学的经验,总结了一些常用、简单、科学有效的记忆单词的方法。     

善用气味你的生活大不同

故乡青草地的味道,儿时难忘的美食,无一不以气味的形式存留在人们记忆中。但嗅觉的魅力不仅只是留在记忆里,更多新的研究发现,气味会全面影响身心健康。为此,最新一期的《康健》指出,善用气味,也许你的生活会大不同。     

压力容器在用磁记忆检测

在用压力容器的应力集中部位,在温度、压力和介质作用下会产生裂纹等危险性缺陷。采用金属磁记忆检测技术,能准确快速发现在用压力容器应力集中部位,实现在役压力容器损伤的早期诊断,为保证压力容器安全运行作贡献．     

悠悠"水上人家"

有关水与船的记忆,一直藏在我们心里的恐怕是儿时课本里鲁迅先生在《社戏》里有关的描述,“……一出门,便望见月下的平桥内泊着一只白篷的航船,大家跳下船,双喜拔前篙,阿发拔后篙,年幼的都陪我坐在舱中,两岸的豆麦和河底的水草所发散出来的清香,夹杂在水气中扑面的吹来;月色便朦胧在这水气里……”水与船的温情,船与人的协和,散发醇香的情谊,是缅怀乡情的支点,更是水上生活柔和的体现。     

基于Wavelet-LSTM模型的北京空气污染物浓度预测

文章为了达到精准预测北京市空气污染物浓度目的,应用小波分解变换(wavelet transform)和长短期神经记忆网络(long short-term memory,LSTM)相结合的方法,建立Wavelet-LSTM空气污染物浓度预测模型,对北京市6项空气污染物浓度预测。研究首先通过小波分解变换将日空气污染物浓度的历史时间序列分解为不同频率并重新组合为高维训练数据集合;其次使用高维数据集训练LSTM预测模型,重复试验调整参数,获得最优预测模型。研究结果表明,组合模型对于污染物浓度预测比传统LSTM模型的预测精度和稳定性更高。     

我们站在新的起点上

2005年1月,当众多为人熟知的报刊在一场全国性的整顿中成为封存的记忆时,一份全新的刊物散发着墨香出现在读者面前,她——就是《绿色视野》。时光如流,仿佛就在刹那之间,八年四个月过去了,在这个美好的春天,我们迎来了《绿色视野》创刊100期的日子。一百期,八年四个月,有过甜蜜,有过痛苦,有过成功,有过失落,但我们始终秉承"以人为本,贴近社会、贴近生活、贴近普通百姓,     

油气储罐罐壁焊缝静载拉伸检测试验研究*

为建立磁记忆信号与罐体焊接缺陷演变的对应关系,获得以非接触方式检测焊缝处的磁记忆信号来实现对罐体的早期预警和无损检测技术,开展罐壁焊缝试样静载拉伸试验,研究油气储罐在静载拉伸过程中焊缝的磁记忆信号变化规律,并结合有限元模拟仿真进行磁场分布规律的分析。结果表明:磁记忆信号梯度值会在焊缝缺陷处产生突变;随着裂纹深度的增加,磁记忆信号梯度峰峰值呈线性增加,并且峰值随着拉伸载荷的增加而线性增加。     

历史转折点上的北大教授

《中老胡同三十二号：老北大宿舍纪事（1946－1952）》是一本钩沉历史记忆之书,以中老胡同三十二号为经,以北大教授的家事国事为纬,交织出一幅中国知识分子的家国记忆图景。     

基于CNN_LSTM模型的复杂支路故障电弧检测*

在低压交流配电系统中,当多支路并联的复杂系统的某1支路中出现串联电弧故障时,识别难度大幅提升。为了预防此类情况引发的电气火灾,提出1种卷积神经网络(CNN)与长短时记忆网络(LSTM)结合的串联故障电弧检测方法。首先,搭建实验平台用以采集不同负载在不同支路下发生故障时和正常工作时的干路电流数据;然后,构建CNN_LSTM模型并做出相应改进,将电流数据直接输入到模型中,由模型自主提取波形特征并进行分类。研究结果表明:该方法可以快速、准确地识别出电弧故障,准确率达99.04%以上,且能够较为准确地检测出是哪类负载所在的支路发生电弧故障,准确率达97.90%,可为复杂支路下的电弧故障识别研究提供参考。