检索结果-南通市图书馆

实验技术与管理 2024年第3期41卷 217-224页

作者：闫海鹏刘孟林张琳琳秦志英河北科技大学机械工程学院河北石家庄050018

该文设计了集筛分、研磨、分装、压片、打标、清洗等多工位于一体的土壤样品制备实验装置。该装置采用高度模块化的多工序集成制备技术实现了制样过程的自动化,并结合实验研究探讨了工艺参数及含水量对筛分效率的影响规律。将该实验装... 详细信息

该文设计了集筛分、研磨、分装、压片、打标、清洗等多工位于一体的土壤样品制备实验装置。该装置采用高度模块化的多工序集成制备技术实现了制样过程的自动化,并结合实验研究探讨了工艺参数及含水量对筛分效率的影响规律。将该实验装置应用于教学实践,有利于调动学生学习的积极性、主动性,提高工程实践能力和自主创新能力。

关键词：土壤污染土样制备筛分自动化教学应用

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

阿莫西林克拉维酸钾联合布地奈德雾化吸入对喘息性肺炎患儿肺功能及血清HMGB1、PCT的影响

引用

四川生理科学杂志 2024年第7期46卷 1604-1607页

作者：林霞玉山县中医院江西上饶334700

目的:探究阿莫西林克拉维酸钾和布地奈德雾化吸入联合治疗小儿喘息性肺炎的效果及对患儿肺功能、血清高迁移率族蛋白B1(Serum high mobility group protein B1,HM GB1)、降钙素原(Procalcitonin,PCT)的影响。方法:选取2021年1月至2023年... 详细信息

目的:探究阿莫西林克拉维酸钾和布地奈德雾化吸入联合治疗小儿喘息性肺炎的效果及对患儿肺功能、血清高迁移率族蛋白B1(Serum high mobility group protein B1,HM GB1)、降钙素原(Procalcitonin,PCT)的影响。方法:选取2021年1月至2023年5月我院收治的66例小儿喘息性肺炎患者作为研究对象,采用随机信封法分为雾化组和联用组,各33例。雾化组吸入雾化的布地奈德治疗,联用组在雾化组的基础上加用阿莫西林克拉维酸钾治疗。治疗10 d后,比较两组疗效、症状缓解时间、住院时间、炎症指标(HMGB1、PCT)、肺功能指标[潮气量与体重之比(Ratio of tidal volume to body weight,VT/kg)、呼气流量峰值时间与总呼气时间之比(Ratio of time to peak tidal expiratory flow to total expiratory time,TPTEF/TE)、呼气流量峰值与总呼气流量之比(Ratio of volume to peak expiratory flow to total expiratory volume,VPEF/VE)]和不良反应情况。结果:治疗10 d后,联用组总有效率明显高于雾化组(P0.05)。结论:阿莫西林克拉维酸钾和布地奈德雾化吸入联合治疗小儿喘息性肺炎效果显著,能缩短症状缓解时间和住院时间,改善炎症因子水平和肺功能,且不会加重不良反应,安全性高。

关键词：阿莫西林克拉维酸钾布地奈德雾化吸入小儿喘息性肺炎疗效

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

新课程背景下小学数学结构化教学实践

新课程背景下小学数学结构化教学实践

引用

2024年文化信息发展论坛

作者：顾林霞江苏省启东市陈尚义小学

结构化教学是一种系统性、整合性的教育模式,能根据学生的特点,选择适宜的教育素材、教育方法,满足学生的主体学习需求,不仅降低了学生学习的难度,也提升了学生知识探究主动性。在新课程背景下,社会对小学数学教育提出了新的要求,如何... 详细信息

结构化教学是一种系统性、整合性的教育模式,能根据学生的特点,选择适宜的教育素材、教育方法,满足学生的主体学习需求,不仅降低了学生学习的难度,也提升了学生知识探究主动性。在新课程背景下,社会对小学数学教育提出了新的要求,如何迎合时代教育趋势,开展针对性、实效化的教育模式,已经成为当前教育的关键。为此,文章基于新课程背景,探讨小学数学结构化教学实践,希望能落实新课程教育要求,助力学生成长成才。

关键词：新课程小学数学结构化教学教学实践

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于聚类及长短时记忆神经网络预测油田产量

引用

石油科学通报 2024年第1期9卷 62-72页

作者：王洪亮林霞蒋丽维刘宗尚中国石油勘探开发研究院北京100083

利用机器学习方法预测油田产量的精度与训练样本的代表性及数量息息相关。通常,采用油田生产数据或者油井生产数据构建训练样本。将油田作为训练样本,存在“小样本”的问题;将油井作为训练样本,由于老油田一般具有开发层系多、生产历史... 详细信息

利用机器学习方法预测油田产量的精度与训练样本的代表性及数量息息相关。通常,采用油田生产数据或者油井生产数据构建训练样本。将油田作为训练样本,存在“小样本”的问题;将油井作为训练样本,由于老油田一般具有开发层系多、生产历史长、油井投产批次多等特点,人工标注能够代表油田产量递减规律的训练样本难度大,且耗时费力。本文将油田和油井生产数据有机融合构建训练样本,建立产量智能预测模型,预测油田产量。首先,采用无监督学习的K均值聚类算法,依据有效厚度、孔隙度、渗透率、饱和度等信息对油井进行聚类分析,识别产量递减类别,并将每类油井转换成一口典型油井作为该类油井的代表;其次,将典型井作为预测对象,通过从每类油井中按比例随机抽取油井来增加训练样本数量,即将典型井和油井生产数据融合构建训练样本;最后,基于长短时记忆循环神经网络建立模型预测典型井产量,进而预测油田产量。研究结果表明:该方法既解决了油田数据作为训练样本的“小样本”问题,又降低了油井数据作为训练样本的标注难度与工作量,并且精度符合现场生产要求,对油气产量智能预测的工程化落地应用具有一定指导意义。

关键词：油井产量 K-Means聚类样本标注神经网络人工智能

来源：

维普期刊数据库博看期刊

同方期刊数据库评论