雨中的绿铃铛

正"铃铃,铃铃……"不知道是什么时候,也许,是几年前的那个雨季,我就听到了这种细微的声音,清脆的,明亮的,充满温馨的,令人难忘的……那时候的雨是明亮的,丰满的,使人动情的,一丝丝,一缕缕,轻快而有节奏感地拍打着窗户。像一个个美丽的音符,敲奏着一曲雨的赞歌。在记忆中,这雨是一片深绿的。如果没有记错,那正是周围草木和枝叶的绿,那么活跃,那么生动……雨中的草木非常茂盛,窗户外面是一片种满葡萄     

世界睡眠日

正进入21世纪,人们的健康意识空前提高,"拥有健康才能有一切"的新理念深入人心,因此有关睡眠问题引起了国际社会的关注。人一生中有三分之一的时间是在睡眠中度过,5天不睡眠人就会死去,可见睡眠是人德生理需要。睡眠作为生命所必须的过程,是机体复原、整合和巩固记忆的重要环     

平板及焊缝中裂纹磁记忆检测技术研究

为了将磁记忆技术用于裂纹缺陷的检测领域,应用试验研究和有限元分析相结合的方法,分析裂纹的深度、埋深、宽度以及扫描角度对平板中裂纹磁记忆检测的影响。针对45号钢板建立深度和宽度2个影响参量与磁记忆信号之间的量化关系。沿焊缝长度方向和垂直焊缝长度方向对焊接裂纹进行磁记忆检测,研究焊接裂纹的检测方法和信号特征。提出根据局部波形呈现正弦波形态判别缺陷的方法。研究结果表明,用磁记忆检测技术能够对裂纹进行定位,并根据波形信号特征量对裂纹深度、宽度进行量化评价。     

金属磁记忆检测技术研究进展

传统漏磁检测技术属于强磁检测法,检测前需对被测件进行均匀饱和磁化,这类强磁无损检测技术对揭示宏观几何型缺陷较为有效,但无法发现材料与结构的早期损伤。近年来发展起来的基于弱磁检测的金属磁记忆法可以实现对材料及结构性能退化的旱期诊断。本文对金属磁记忆检测的原理、研究现状进行了综述与分析,并指出了该领域的发展趋势。     

认知心理与安全

正何为认知心理认知心理是人在认识活动中所体现出来的心理现象或心理活动。心理学研究表明,人的认识过程由一连串相互联系、相互影响的阶段或环节构成,其中包括感觉、知觉、记忆、思维、想象等。其中感觉是人对直接作用于本身感觉器官的事物个别属性(如颜色、形状、硬度等)的反映过程,它是使外界事物的刺激进入人脑的中介和桥梁,是把人同外界事物联系起来的纽带;知觉是对直接作用于感觉器官的事物整     

午睡意想不到的五大好处

正真正健康的午睡不应该超过30分钟,同时,午睡要养成每天定时定量的习惯。不管夜间睡眠是否足够,白天想小睡片刻,是人类正常的生理需求。目前一些拉丁美洲国家和欧洲国家仍保有此习惯。据估计,全世界有一半的人口,仍然生活在午睡的习惯中。但健康的午睡过犹不及,以15~30分钟最恰当,若是超     

基于长短时记忆神经网络的河流水质预测研究

准确高效地预测河流水质变化趋势对河流水环境治理与保护具有重要意义。该文利用广州市白坭河上自动监测站每2 h的水质数据,从单测站数据时序之间的相关性和上游测站的影响两方面,分别建立长短时记忆网络(LSTM)河流水质预测的循环神经网络模型。模型以氨氮浓度为输出变量,比较了不同输入变量下的模型预测效果,并以最优模型和常用的深度学习算法支持向量机(SVM)进行了比较。结果表明:单测站LSTM模型经输入变量特征选择后的预测结果比仅使用氨氮浓度单变量的时间序列预测更接近真实数值;对加入上游监测站的双测站LSTM模型,输入的变量经过特征选择时,模型预测效果优于全部水质变量作为输入的预测结果,也优于单测站LSTM模型;但不进行特征选择时,输入变量增加,模型学习到噪声而使精度下降;和SVM模型相比,最优特征组合的LSTM模型具有更好的预测效果。研究也表明,对输入变量进行特征选择后,LSTM模型是一种有潜力的河流水质预测方法。     

深水钻井隔水管磁记忆内检测装置研发及应用

为了解决深水钻井隔水管裂纹、磨损、疲劳损伤等检测难题,基于磁记忆检测技术研制1种内检测器.其主要结构包括:数据采集腔,周向布置的60路GMR高灵敏度传感器,导向支撑轮,吊装牵拉钩等.该设备可以在不拆卸浮力块的情况下完成隔水管内壁的覆盖式扫查.结果表明:检测器具备较高的可靠性,操作简单、检测效率高;检测数据可以有效反映隔...     

基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选;ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM_2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM_2.5浓度受PM₁₀和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...