检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

原位激发产脲酶微生物固化尾矿砂试验

硅酸盐学报 2025年

作者：赖永明孔秋平龙岩学院资源工程学院福建永强岩土股份有限公司

尾矿砂力学性质差，重金属含量高，故其治理需要兼顾力学性能的提升和重金属的固定，实际工程中还需考虑成本及适用性。设计并优化尾矿砂原位激发方案，筛选富集本土微生物中的产脲酶菌固化尾矿砂，通过一系列试验评价比较本土产脲酶菌... 详细信息

尾矿砂力学性质差，重金属含量高，故其治理需要兼顾力学性能的提升和重金属的固定，实际工程中还需考虑成本及适用性。设计并优化尾矿砂原位激发方案，筛选富集本土微生物中的产脲酶菌固化尾矿砂，通过一系列试验评价比较本土产脲酶菌和巴氏芽孢杆菌固化尾矿砂效果及经济环境效益。结果表明：1) 相同固化轮次下，本土产脲酶菌具有更强的重金属固定能力和更好的固化深度和均匀性。2) 本土产脲酶菌固化15轮与巴氏芽孢杆菌固化10轮的尾矿砂力学性能相当，同时成本下降2/3。3) 原位激发诱导碳酸钙沉淀填充了砂颗粒间的孔隙，并将可交换态的重金属转变为金属碳酸盐沉淀、金属–碳酸钙共沉淀或被铁、铝氧化物吸附，在提升力学性能的同时实现了原位固定尾矿砂中重金属。原位激发产脲酶微生物固化尾矿砂改善了砂土肥力，有利于矿山植被修复，具有良好的工程适用性和经济环境效益。

关键词：原位激发微生物诱导碳酸钙沉淀尾矿砂重金属固定

基于O-PIRTAS模式的翻转课堂在内科护理学中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

学周刊 2025年第1期1卷 123-126页

作者：高莹莹胡绘杰王娅如新乡医学院三全学院护理学院河南新乡453000

本文探讨将O-PIRTAS翻转课堂教学法纳入内科护理学课堂中是否有助于提高教学效果。采用便利抽样法,选取我校2021级护理本科115名学生为研究对象,采取随机对照表,把学生分成观察组(n=57)和对照组(n=58)。开展基于O-PIRTAS模式的翻转课堂... 详细信息

本文探讨将O-PIRTAS翻转课堂教学法纳入内科护理学课堂中是否有助于提高教学效果。采用便利抽样法,选取我校2021级护理本科115名学生为研究对象,采取随机对照表,把学生分成观察组(n=57)和对照组(n=58)。开展基于O-PIRTAS模式的翻转课堂教学,教学结束后比较两组学业成绩,学生自主学习能力和翻转课堂满意度情况,采用SPSS 25.0进行统计分析。结果显示,观察组学生对该模式的翻转课堂满意度有所提高(P<0.001),观察组学生考核成绩高于对照组(P<0.001)。观察组学生自主学习能力量表各维度均高于对照组(P<0.001)。因此我们可以得知,基于O-PIRTAS翻转课堂教学模式应用于内科护理学课程教学成效显著,对学生学业成绩的提高起到推动作用,增强了学生的自主学习能力。

关键词： O-PIRTAS模式翻转课堂内科护理学

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

弋阳风雅诗

诗词月刊 2020年第6期 93-94页

作者：程欣荣邹黎阳王润章鲁加勇孙振堂黄小祥刘剑平余玉有韩萍胡如孔李春英余宾李湘泰南柯黄小暑陈远藩何思光不详

基于深度学习模型的文化景观基因命名实体识别

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

地球信息科学学报 2025年

作者：林洁如胡最衡阳师范学院地理与旅游学院传统村镇文化数字化保护与创意利用技术国家地方联合工程实验室

【目的】针对当前传统聚落研究缺乏结合自然语言处理的原理与方法从海量文本数据中提取文化景观基因信息的相关探索，本文提出景观基因命名实体(Traditional Settlement Landscape Genes Named Entity,TSLGNE)的概念，并以邵阳市48个传... 详细信息

【目的】针对当前传统聚落研究缺乏结合自然语言处理的原理与方法从海量文本数据中提取文化景观基因信息的相关探索，本文提出景观基因命名实体(Traditional Settlement Landscape Genes Named Entity,TSLGNE)的概念，并以邵阳市48个传统村落为案例，采用BERT-BiLSTM-CRF深度学习模型开展TSLGNE的识别研究。【方法】首先，结合地理实体特征与文化景观基因理论及其分类体系，提出TSLGNE的概念、分类体系与知识表达方法。其次，基于TSLGNE的分类体系与扩展BIOES标注方法，对研究案例源文本数据进行语料标注，构建了相应的语料库。随后，基于BERT-BiLSTM-CRF深度学习模型识别并提取语料数据中的TSLGNE信息。最后，通过Neo4j图数据库对获取到的TSLGNE知识进行组织与储存，并基于此对区域传统聚落及其TSLGNE进行空间特征分析。【结果】本文模型能够有效识别文本数据中的建筑、环境、文化等12类景观基因实体信息，总体精确率、召回率、F1值相较对比模型均有提升。与BiLSTM-CRF、BERT-CRF模型相比，本模型的F1值分别提高11%与1%。特别地，本模型对于语料数据质量差且语义复杂的实体的识别效果有极大提升，如文化基因C3类实体识别的F1较对比模型分别提高了31%与5%。【结论】此方法能够有效地对区域复杂的传统聚落文化基因特征及其关系进行空间分析处理，对今后结合GIS和数据挖掘方法分析传统聚落的重要文化特征及传统聚落知识服务等具有较好的借鉴意义。

关键词：传统聚落文化景观基因自然语言处理命名实体识别 BERT预训练语言模型 Neo4j图数据库知识图谱