关键词： 多状态层次系统   结构函数学习   动态贝叶斯网络   小样本   变点  

摘要： 多状态层次系统由部件层、子系统层和系统层三个物理层次构成。在运行期间,系统每个层次可能会经历多种状态或性能水平的变化。结构函数量化了部件-子系统-系统之间的状态映射关系,是多状态层次系统可靠性分析的基础。然而,结构函数的构建通常面临着状态映射关系不确定性、状态观测数据不完全和小样本以及结构函数存在变点等问题。传统的结构函数构建方法主要依赖于专家知识,难以准确构建系统结构函数,进而无法精确评估多状态层次系统的可靠性。随着传感技术的飞速发展,通常可从多状态系统的多个物理层次获取可用状态观测数据,这些状态观测数据蕴含着系统的状态映射关系和健康状态等有效信息。因此,如何基于状态观测数据学习结构函数并进行系统可靠性评估是本论文研究的关键。 动态贝叶斯网络能够建模多状态层次系统的状态概率映射关系,并且能够结合先验信息有效处理不完全和小样本的状态观测数据。本论文将探讨基于动态贝叶斯网络的多状态层次系统结构函数学习方法。本论文的主要研究内容和创新点包括: (1)提出了基于状态观测数据的多状态层次系统结构函数学习方法。考虑状态映射关系的不确定性,采用动态贝叶斯网络构建了多状态层次系统的可靠性评估模型。在可用状态观测数据为完全数据时,基于极大似然估计算法学习结构函数。在可用状态观测数据为不完全数据时,基于期望-最大化算法学习结构函数。算例结果表明所提方法能够有效学习多状态层次系统的结构函数,并且随着样本数和数据完全程度的增加,所提方法的精度提高。 (2)提出了小样本下融合先验信息的多状态层次系统结构函数学习方法。针对状态观测数据小样本问题,在贝叶斯统计分析的框架下,基于狄利克雷分布量化了结构函数的先验信息。针对完全观测数据,提出了基于贝叶斯估计的结构函数学习算法。针对不完全观测数据,提出了基于变分贝叶斯期望-最大化算法的结构函数学习算法。算例结果表明相较于传统依赖大样本的结构函数学习方法,所提方法在小样本下能够提供更稳健的可靠性评估结果。 (3)提出了考虑变点的多状态层次系统结构函数学习方法。针对由于功能需求或工作环境发生改变导致结构函数产生变点的问题,基于动态贝叶斯网络构建了带有变点的多状态层次系统可靠性评估模型。针对变点和不完全观测数据,提出了一种嵌入式的期望-最大化算法。与传统期望-最大化算法不同,所提算法在最大化步骤中嵌入了一个混合整数优化算法用于识别模型变点。算例结果表明所提方法能够准确识别变点并学习变点前后的结构函数。所提方法的精度随着样本数和数据完全程度的增加而提高。

关键词： 高中地理   有意义学习情境   有意义学习   地理核心素养  

摘要： 《普通高中地理课程标准(2017年版2020年修订)》强调将课程内容情境化,通过设计特定的学习情境,引导学生更好地分析和认识地理环境与人类活动的关系,提高学生运用知识解决实际问题的能力。有意义学习情境以促进有意义学习为目标,注重引导学生在新旧知识之间建立实质性联系,获得对新知识的意义理解,在问题的解决中实现知识的迁移运用,是一种将学习内容与学生生活实际、社会实践关联起来的学习情境。然而在教学实践中,存在新旧知识之间逻辑性弱,学生难以建构知识之间的联结等较为突出的问题。因此,为培育学生的核心素养,促进学生的有意义学习,本文从有意义学习的角度对情境创设进行系统的探讨。 本文主要采用文献研究法、课堂观察法、访谈法、行动研究法。首先,通过查阅大量文献确定本文的研究背景与研究意义,系统梳理国内外关于有意义学习、情境创设和有意义学习情境的研究现状,确定本文的研究问题、研究思路以及研究方法。第二,对有意义学习和有意义学习情境进行概念界定,并阐述本研究的理论基础。第三,采用课堂观察法与教师访谈法,了解高中地理有意义学习情境创设现状。第四,基于已有研究,结合课堂观察与教师访谈结果,提出高中地理有意义学习情境创设策略。第五,在已有理论和上述情境创设策略的基础之上,对《农业区位因素的变化》一节进行案例设计与实施。最后是本研究的主要结论、创新之处及展望。 通过课堂观察与教师访谈发现,整体上教师的有意义学习情境创设水平较高。具体表现在:(1)情境创设与学习内容联系密切,并考虑到学生原有的知识经验和认知水平;(2)情境主线清晰,指向整体的学习任务;(3)情境多进行问题化设计,且问题链的设计遵循由易到难、层层递进的原则;(4)注重引导学生合作交流;(5)情境素材的选取途径多样。虽然借鉴之处比较多,但也有一些不足,主要有:(1)新旧知识间的逻辑性有待加强;(2)忽视学生对思维导图的自主绘制;(3)对新知识的迁移运用有待加强;(4)对自主发现问题的引导还需重视;(5)运用信息技术创设情境的能力有待加强。在已有研究的基础上,结合课堂观察和教师访谈结果,提出了高中地理有意义学习情境创设策略:(1)选取生活中的情境素材,挖掘其中蕴含的情感价值;(2)设计和学习主题有逻辑联系的先行组织者;(3)按照知识的发展逻辑呈现情境;(4)创新情境的呈现形式;(5)注重引导学生自主绘制思维导图。在相关理论研究与策略的指导下,选取了《农业区位因素的变化》一节进行案例设计与实施。 本研究的创新点在于研究视角的创新。目前,有关情境创设原则与创设方式的研究较多,但关于地理有意义学习情境创设的探讨比较少。因此,依据相关的理论研究,从有意义学习的角度对地理情境创设进行了较为深入的探讨,提出了高中地理有意义学习情境创设策略,希望为一线教师创设有意义学习情境提供教学参考。

关键词： 慢性心力衰竭   中医辨证   机器学习   随机森林   支持向量机  

摘要： 目的: 将机器学习方法与心衰中医辨证相结合,旨在开发一个提高慢性心衰中医辨证效率的智能模型,为心衰患者临床治疗和管理提供决策支持。 方法: 收集广州中医药大学第一附属医院2017年1月至2022年1月病房住院收治的慢性心力衰竭患者。根据病例纳入及排除标准筛选合适的病例,并对收集的病例临床数据进行严格的质量控制和预处理。随后,通过聚类分析,应用K-means算法,对心衰患者临床数据分组,探索并分析数据内部的异质性。其次,通过关联规则分析,利用Apriori算法,探索心衰患者临床特征之间的潜在关联。最后,应用支持向量机(Support Vector Machine,SVM)和随机森林(Random Forrest,RF)等机器学习方法构建心衰智能辨证模型,通过交叉验证、ROC曲线等方法对模型性能进行全面评价。 结果: 1.K-means聚类分析中,研究将心衰患者根据临床特征进行有效分类,识别出不同的患者群体,并通过簇内特征分析深入探讨各群体的特点。研究结果提示:气阴两虚血瘀证在聚类簇中具有高度相关的特性,表明气阴两虚血瘀证在某些特征指标存在高度一致性。同时也观察到某些聚类簇包含多种证型,如气虚血瘀证和阳气亏虚血瘀证联系紧密,由此可猜测气虚血瘀证和阳气亏虚血瘀证的某些特征指标相似。 ***关联规则分析中,通过挖掘心衰临床特征之间的频繁项集,研究发现一系列有助于心衰辨证的关键特征。研究表明:气促、乏力、神志清等症状在气虚血瘀证、阳气亏虚血瘀证、气阴两虚血瘀证三种辨证类型中频繁共现,提示对于心衰的三种证型,气促、乏力、神志清等症状普遍存在。同时,研究发现,针对气阴两虚血瘀证,舌色红是其强关联特征,针对阳气亏虚血瘀证,该证型患者多合并高血压疾病。 3.心衰辨证模型方面,支持向量机(SVM)和随机森林(RF)模型均展现出优异性能。通过对比分析模型的准确率、召回率、精确率和F1分数等评价指标,研究发现:SVM模型在气虚血瘀证的诊断中,准确率为81.44%、精确度为64.71%、召回率为82.24%、F1分数为72.43%;在气阴两虚血瘀证,模型的准确率为95.01%、精确度为93.83%、召回率为95.00%、F1分数为94.41%;在阳气亏虚血瘀证,模型的准确率为85.32%、精确度为82.54%、召回率为55.32%、F1分数为66.24%。同时,对于RF模型,气虚血瘀证的准确率为81.16%、精确度为66.12%、召回率为74.77%、F1分数为70.18%;在气阴两虚血瘀证,模型的准确率为95.01%、精确度为95.51%、召回率为93.12%、F1分数为94.30%;在阳气亏虚血瘀证,模型的准确率为83.38%、精确度为70.24%、召回率为62.77%、F1分数为66.29%。并且,对比RF模型和SVM模型在不同证型上的AUC值,研究发现,SVM模型和RF模型在气虚血瘀证和气阴两虚血瘀证的诊断上AUC值一致,分别为0.88和0.99。然而,在阳气亏虚血瘀证的诊断上,SVM模型的AUC值为0.91,而RF模型的AUC值为0.89,略低于SVM模型的性能。 结论: 研究通过结合中医传统辨证理念与现代机器学习技术,构建新型心衰辨证模型。通过多种评估指标验证,RF模型和SVM模型均能有效识别心衰患者的中医证型。并且,由于SVM模型在非线性问题上的强大处理能力,在本研究中展现出更好的分类效果。研究的创新性尝试为心衰辨证的客观化、智能化、高效化提供了有效的策略和方向。

摘要： 《义务教育英语课程标准（2022年版）》要求教师秉持英语学习活动观组织和实施教学，从而确保课程目标的有效落实。教师要秉持“在体验中学习、在实践中运用、在迁移中创新”的理念，引导学生运用所学知识、技能和策略，围绕主题表达个人观点和态度，解决真实问题，体现正确的价值观，达到发展核心素养的目的。

摘要： 主题意义下的英语词汇教学属于整体性的教学设计，是以主题为支架，将教学内容渗透到有趣、生动的情境或故事中，以调动学生词汇学习的积极性，并为学生合作能力、自主学习能力的提升，及师生互动提供平台。假如将英语语言比作一幢高楼的话，那么词汇就犹如英语语言这幢高楼的钢筋水泥，是构成英语语言的基本单位。虽然小学生的学习能力和记忆力都很强，但受到年龄尚小等因素的影响，再加上缺乏听说英语的真实环境，词汇教学效果不尽如人意。基于此，教师应依据教材内容将词汇教学置于一定的主题意义下，给学生营造生动的教学环境及活动情节，让学生在有趣的教学过程中加深对词汇的理解，提升对词汇的运用能力，最终显著优化小学英语词汇教学效果。

关键词： 传热反问题   深度学习   降阶模型   神经网络   热载荷  

摘要： 在过去几十年里,传热反问题(IHCP)得到了广泛的研究和迅速的发展,但是传统的反问题求解方法如梯度类回归算法等,仍然面临着精度和鲁棒性的苛刻要求。灵敏度计算成本随着问题规模的膨胀而大幅增加。需要一种低成本,泛用性的新算法来改进求解策略,避免这些固有问题。 近年来深度学习方法在自然语言处理和图像识别领域取得了巨大成功,逐步嵌入到物理问题和工程实践中,在处理非线性问题方面发挥着重要作用。本文首先基于现有的IHCP求解理论,进行整合分析,提出了一种求解反问题的数据降维深度学习方法。文中详细介绍了神经网络的原理和优化过程,以及超参数选择,模型调优的过程。讨论了数据降阶方法和深度学习的结合方式,并且完成了对于PCA还原精度的验证,以及温度数据库的数据压缩。 接着从实际IHCP出发,对于对流换热系数参数辨识任务应用了文中提出的反问题求解方法,在成功辨识对流换热系数后,测试了网络的泛化性以及抗噪性,提出了改进策略。根据不同的任务需求和先验规律,构造适当的热流编码以及解码器,对于齿轮模型进行了传热反演,辨识了未知的分段线性插值热流函数。最后,对于经典的返回舱算例进行求解,应用样条曲线采样方法,很好地近似了未知的驻点热流历史,显示出该方法具有鲁棒性。并在重复计算中相比LM算法具有显著的速度优势,证明了所提出的数据降维深度学习方法在传热反问题求解中的可行性。