用样板操作纠正违规作业

从2004年11月5日起,一部名为<露天矿电铲技术操作岗位规程>的现场"样板操作"演示录像片在某矿业公司露天矿开始热播.在矿山开了20多年电铲的一位矿工全看过录像后感触颇深,他以前苦于背记岗位规程,如今看了这部"样板操作"录像,不仅对岗位规程加深了理解,增强了记忆,而且还将他一直忽视的不正确操作细节一一纠正过来.这部40分钟的录像片,涵盖了电铲司机从交班到接班的整个工作程序,对穿戴劳保品、确认作业环境、查阅交班日志、设备点检、润滑、技术操作和班后清扫等项工作,都做出规范性演示,深受职工欢迎.     

河涌传奇

如果广州的河涌也有记忆，那么在其记忆的最深处，定是蓄满了浓郁的岭南风韵。     

人间真情——吉林市中百商厦“2．15火灾”侧记

2004年2月15日午间,一场大火在吉林省吉林市中百商厦熊熊燃烧起来。红色的火魔卷起滚滚浓烟,毫不留情地夺去了54人的生命,70人在持续4个小时的大火中受伤。省长道歉面对这场意外的灾难,吉林省、吉林市两级政府都表现出开放、透明、负责任的姿态。2月16日,吉林省省长洪虎来到火灾现场,察看了一片狼藉的中百商厦,在现场主动接受各路记者的集体采访。在接受采访中,洪虎郑重地向     

红色警告——吉林市中百商厦“2.15火灾”扫描

2004年2月15日午时,一场大火在吉林省吉林市中百商厦熊熊燃烧起来。红色的火魔卷起滚滚浓烟,毫不留情地夺去了54个人的宝贵生命,70人在持续4个小时的大火中受伤。     

记忆负荷对警戒工效影响的ERP研究

使用事件相关电位的研究方法,以警戒绩效和信号事件引起的大脑诱发电位为指标,要求12名被试在2组记忆负荷条件下进行警戒作业,通过分析绩效指标和脑电指标的变化来探讨记忆负荷对警戒工效的影响及作用机制。结果表明,随记忆负荷增加,操作人员的识别效率明显下降,对信号的反应准备期出现延迟,警戒的强度和持续性均开始衰退,最终造成警戒工效的下降和人因失误的发生。作业中的记忆负荷不可能完全消除,但可以通过优化操作系统和界面的设计来降低操作过程中的记忆负荷,同时注意控制整体的工作负荷,对特殊岗位还可以监控操作人员的警戒状态,适时调节觉醒水平。     

中国生物多样性变化趋势分析

在生物多样性受到严重威胁前提下,为评估中国生物多样性保护的成效,引入了世界自然保护联盟(IUCN)开发设计的红色名录指数(Red List Index,RLI),结合我国实际情况修订后,计算脊椎动物和维管植物的红色名录指数。结果显示,以均值法(Equal-steps method)计算的脊椎动物RLI有所上升,脊椎动物整体多样性丧失速率下降;而以灭绝风险法(Extinction risk method)计算的脊椎动物RLI有所下降,表明有部分高濒危等级的脊椎动物物种进一步丧失;两种方法计算的维管植物RLI均有所下降,说明维管植物多样性丧失速率加快;而基于均值法计算的维管植物RLI下降速率更快,说明数量较多的物种丧失速率加快,亟需加强保护。这是RLI在国家水平上进行应用,也是在国家水平上对RLI指数进行验证,计算结果将为我国生物多样性保护提供参考。     

一支钢笔的“叮嘱”

在我的抽屉里至今还珍藏着一支陈旧的红色英雄牌钢笔，它伴随着我度过了24个春秋。每当我看到它，脑海中就闪现出一个身影，她就是我的同班同学彭飒。虽然她已离开24年了，但在我脑中一直保留着那段抹不去的记忆。     

远去的记忆

说起去成都、走长江、看三峡，那是几年前的事了，在心中已经幻化成遥远的记忆。零散的碎片只能勾勒出粗线条的走马观花，但那份思绪，那份浓情，还有一次次让人惊喜万分的与山与水与灵猴的亲密接触，却永远融入了生活的每一天，时时激起情感的涟漪，去回味那醇醇的、绵绵的、无法言表的甜美。     

六安瓜片：关于青春的记忆

喜欢喝茶，尤其是喜欢六安瓜片。倒不是会品茶，只因它形状漂亮，便没来由地喜欢。还有它承载着我关于青春的记忆，悬壶高冲，热流直下，状如葵花子的叶片在杯底翩跹，与心事一起绽放，品六安瓜片，有时更像是品味过去，咀嚼青春的味道。     

基于多通道长短期记忆网络的PM2.5小时浓度预报

PM_2.5作为主要的大气污染物之一,严重影响空气质量和人体健康. 基于深度学习的PM_2.5小时预报研究中,不同输入要素的历史时间序列对PM_2.5预报结果的响应情况存在差异. 因此,基于太原市2019—2020年空气质量监测站、气象观测站的数据,提出一种多通道长短期记忆网络(Multi-Channels Long Short Term Memory,MULTI-LSTM)模型对PM_2.5浓度进行预报. 首先使用独立的长短期记忆网络(LSTM)学习每个输入要素,然后将每个模型的学习结果进行融合,最终获得未来多小时的PM_2.5浓度预报结果. 将单通道LSTM模型(BASE-LSTM)和LSTM扩展模型(LSTME)作为对照模型,与MULTI-LSTM模型的预报精度进行对比. 结果表明:不同观测窗与预报时效下,MULTI-LSTM模型在测试集上的预报精度明显高于其他2个对照模型. 其中,MULTI-LSTM模型在8 h观测窗和6 h预报时效组合下,均方根误差(RMSE)、平均绝对百分误差(MAPE)以及拟合指数(IA)分别为20.26 μg/m3、51%、0.91. 对未来逐6 h的预报中,观测窗宽度从8 h增至32 h,MULTI-LSTM模型的预报精度无明显变化,观测窗宽度为40和48 h时,RMSE比8 h观测窗下分别下降了2%和3%. 此外,增加LSTM层深度不会提升模型的预报精度. 研究显示,利用MULTI-LSTM模型作为PM_2.5浓度小时预报模型,通过选取合适的观测窗宽度与气象要素,可获得精度较高的预报结果.