信息技术网络课程的设计与实现

本文在对国内外信息技术网络学习现状分析的基础上，以山西省《信息技术》教程为蓝本，以建构主义为指导，综合运用IIS、Dreamweaver、Flash、SQL Server、ASP等技术开发出一个网络环境下的信息技术学习系统．     

对或有事项的确认与披露的思考

或有事项是会计实务中比较难把握的事项。就或有事项的会计处理及披露作了一些探讨，并以一个实例进一步说明了或有事项的处理及披露。     

二十世纪上半叶中国农村婚姻制度探微

20世纪上半叶中国社会经历了剧烈的变迁。农村的婚姻制度并没有在择偶方式即“父母之命，媒妁之言”上发生根本的变化。“父母之命”依然代表着农村择偶方式的主流。而在一些交通便利、距离大城市较近的农村，尤其是沿海、沿江的农村地区出现了一些新变化。择偶方式要产生根本的变化将是一个长期的过程。     

人工神经网络X射线荧光光谱法测定钢中酸溶铝

建立了一种人工神经网络-X射线荧光光谱法测定钢中酸溶铝的方法，用X射线荧光光谱法测定低合金钢中总铝值，应用所建立的ANN-BP网络模型，输入总铝含量直接预测出酸溶铝含量。同时使用改进的BP算法，避免了神经网络学习中可能产生的麻痹现象。该方法用于钢中酸溶铝的测定，结果满意。     

华北克拉通恒山地区晚太古代变质火山岩的地球化学特征及构造意义

对恒山地区出露的变质火山岩开展岩相学、地球化学、锆石U-Pb年代学和Hf同位素研究,旨在确定其形成时代,探讨岩石成因及地球动力学意义。锆石U-Pb定年结果表明,这些变质火山岩喷发于新太古代晚期(2508±20Ma)。地球化学分析结果显示,恒山变质火山岩由变质玄武岩和变质玄武安山岩组成,SiO₂(45.51%～62.67%)、FeO_T (4.43%～15.72%)和MgO (3.75%～8.14%)含量变化幅度大,是幔源岩浆经单斜辉石、角闪石和磁铁矿分离结晶的产物。这些变质火山岩富集轻稀土(LREE)和大离子亲石元素(LILE),亏损重稀土(HREE)和高场强元素(HFSE),具有相对高的Th含量和Th/Yb比值,呈现钙碱性岛弧火山岩的特征。结合不相容元素比值Nb/Yb,Zr/Yb和(Nb/La)_N的特点,推测其来源于俯冲带具流体交代特征的富集地幔源区。结合区域构造背景,推断恒山变质火山岩形成于新太古晚期大陆弧环境。     

宗教文化对泉州古城街道活力的影响分析

以泉州古城为例,利用多源数据构建街道活力与其影响因素的分析框架,建立包含街道物理环境影响因素和宗教文化影响因素的街道活力评价指标体系.分析宗教建筑对街道活力的影响,并进一步分析宗教建筑与街道的空间关系对街道活力的影响.研究结果表明：街道活力与街道两侧的寺庙宗祠的数量呈负相关,香火旺盛的寺庙宗祠会提升附近街道的活力,但与寺庙宗祠距离无显著相关关系;在寺庙宗祠入口设置广场或宽敞的步行区可以集聚人气,并在寺庙宗祠周围布置商业或与其他景点结合以形成连续的活力点,有助于提升街道活力.     

钢管混凝土组合柱耐火性能对比分析

采用非线性有限元软件ABAQUS对方钢管混凝土柱、复式钢管混凝土柱、内嵌十字型钢钢管混凝土柱和4腔钢管混凝土柱4种钢管混凝土组合柱开展火灾下的力学分析,并采用相关实验数据进行验证.分析不同荷载比下钢管混凝土组合柱的温度场、位移-时间曲线、截面内力重分布等.结果表明：内嵌型钢(钢管)有助于提升柱体的轴向刚度,钢管混凝土组合柱的破坏模态表现为压缩鼓曲破坏;低荷载比下内嵌钢管允许方钢管发生更高的温度材性劣化,进而提升了柱体的耐火性能,火灾荷载比越小,提升效果越显著.     

鄂尔多斯盆地长7储层致密油水平井CO2补充能量与吞吐参数优化

长7储层是鄂尔多斯盆地主要的致密区块,近一半的致密油分布其中。针对长7储层开采渗透率低、开采难度大、依靠弹性开采产能较低、能量衰竭较快等问题,通过数值模拟的方法,构建水平井分段压裂数值模拟模型,首先对比不同吞吐方式对油田产能的影响,优选出CO₂吞吐为首选的补充能量方式。其次对井网形式、井网参数及吞吐参数进行优化研究。最终优选出合适的吞吐方案,达到提高生产效率的目的。结果表明,该储层的最优注采吞吐参数为：周期注入量为2 673 t、注入压力为21 MPa、注入速度为90 t/d、焖井时间为10 d。研究对鄂尔多斯盆地长7储层提高采收率具有一定的参考意义。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。