关键词： 选择性必修   教学视角   学习拓展   课程意义  

摘要： 在高中历史课程的整体结构中,选择性必修课程是必修课程的递进与拓展,是学生从多角度认识历史的发展与变迁,进一步提升历史核心素养的重要载体。因此,选择性必修课程的教学须努力寻找有意义的教学路径,选好视角,做好拓展,帮助学生实现应有的学习意义,在更高层次上实现历史课程的育人价值。

关键词： 小学数学   学习单   核心素养  

摘要： 《义务教育数学课程标准(2022年版)》中彰显了当前教育以人为本的趋势。在国家重视培养创新型人才的背景下,个体的主动性发展尤为重要。因此,在核心素养导向下的小学数学课堂教学中,教师应该认识到,课堂是学生自由成长的沃土。在这片沃土上,教师应该为学生提供更多的空间和时间,让他们在以学习单为导向的群学氛围中汲取知识,享受群学的乐趣,从而通过生生互动来激发学习主动性。在生生互动中,学生需要将学习单作为生生共学的支架。因此,课前应如何设置学习单,课中又如何以学习单为导向进行学习,成为教师关心的热点问题。文章以“百分数的意义”的教学设计为例,对学习单的设置和使用进行了阐述,以期为其他教育工作者提供参考。

关键词： 经济发展   经济与社会   社会进步   高中政治  

摘要： 一、教材内容概述《经济发展与社会进步》是高中政治《经济与社会》教材中的一个重要单元,它系统地介绍了习近平新时代中国特色社会主义思想中关于经济发展和社会建设的主要内容。该单元旨在帮助学生理解经济发展与社会建设中的基本问题。经济建设与社会建设的内容很难截然分开。

关键词： 党的自我革命   党内集中教育   目标导向   问题导向  

摘要： 在全党开展集中性学习教育,是我们党加强自身建设的一个行之有效的方法,是推进党的自我革命的重要途径。坚持目标导向和问题导向相统一是党的十八大以来历次党内集中教育的鲜明特点:既以目标为着眼点,增强方向感、计划性;又以问题为着力点,增强精准性、实效性。在以中国式现代化全面推进强国建设、民族复兴伟业的关键时期,党中央部署开展深入贯彻中央八项规定精神学习教育,正当其时,意义重大。

关键词： 机器学习   品种分类   基因组标记   绵羊   准确性  

摘要： 旨在评估基于基因组标记的机器学习(machine learning,ML)算法在品种分类中的有效性,检验不同ML算法在绵羊品种分类中的应用效果如何。本研究采用2种方式对10个绵羊品种进行单核苷酸多态性(single nucleotide polymorphisms,SNPs)位点选择,第一种利用群体间分化指数(fixation index,FST)进行选择,第二种方式是在FST的基础上使用Boruta特征选择算法对SNPs位点进一步筛选。采用K-近邻、支持向量机(support vector machines,SVM)和自适应增强(adaptive boosting,AdaBoost)等8种不同类别的ML算法对绵羊品种进行分类,采用准确性评估不同SNPs选择方式和不同ML算法在品种鉴定中的差异,鉴定绵羊品种分类的最佳组合方式。本研究采用的数据中既有遗传关系较远的品种,也有遗传相似的品种,保证了后续分析的可靠性。根据前1%的筛选标准,FST分析每次筛选出5361个SNPs位点,Boruta算法最终保留(328±11.7)个SNPs位点用于ML品种分类,且在多次迭代后,被标记为“确认”的SNPs位点得分稳定高于阴影特征和被标记的其他两类SNPs位点。Boruta算法保留的SNPs位点数远低于FST分析。在使用ML模型进行品种分类时,大多数模型的准确性均高于0.9。其中,经过Boruta算法选择SNPs位点之后使用SVM模型进行品种分类准确性最高(0.953),AdaBoost表现也同样优秀(0.947),仅使用FST选择SNPs位点之后使用NB模型分类效果最差(0.601)。除NB外,其余模型接收者操作特征曲线下面积均接近于1。无论使用哪种SNPs选择方式均具有较强的区分能力,使用Boruta算法后效果略好。根据上述结果表明,ML方法的实施有效提高了品种分类的准确性,在绵羊品种鉴定中有良好的应用潜力。

关键词： TBM隧道   围岩分类   数据驱动   堆叠集成学习   TBM数据处理  

摘要： 机器学习的数据驱动方法为隧道掘进机(tunnel boring machine,TBM)施工智能化赋能,对于优化掘进工艺、提高掘进安全性和降低人工成本至关重要。针对TBM运行数据噪声多、参数冗余及有效特征提取困难的难题,运用数据驱动的机器学习方法,挖掘数据蕴含的机-土复杂相互作用,实现TBM围岩岩体分类预测。首先,对于TBM掘进过程中产生的大量运行数据,采用核密度估计(kernel density estimation,KDE)对典型掘进参数曲线提取特征,获取稳定掘进阶段TBM关键运行参数的最大概率。然后,面向实际场景TBM运行数据,提出围岩分类堆叠集成学习算法,通过k-fold交叉验证进一步优化算法,利用基分类器和元分类器两层学习框架挖掘数据中的复杂关系。最后,采用5868个TBM掘进段的数据集对该算法的有效性进行验证。结果表明,四分类问题预测的平均F1达到0.705,二分类问题预测的平均F1达到0.797,其预测效果均优于所选的四种基分类器。

关键词： 文言文学习   优秀传统文化   教学设计  

摘要： 文言文是中华优秀传统文化的瑰宝,是培养学生正确价值观、必备品格和关键能力的载体。教学统编语文教材三年级上册的《司马光》一文时,教师要根据语文课程立德树人的根本任务,认真解读教材文本,确定教学目标。在课堂上,教师可采取“三问”“三读”“三讲”“三拓”的策略,引导学生习得语言文字,掌握学习文言文的基本方法,感受人物的高尚品质,理解中华优秀传统文化的博大精深,继承与弘扬中华优秀传统文化,获得语文核心素养的全面发展。

关键词： 机器学习   异常检测   无监督学习   聚类算法   粒子加速器  

摘要： 中国散裂中子源(China Spallation Neutron Source,CSNS)作为一个用户装置,其稳定运行对科学研究的顺利开展具有重要意义。然而,由于加速器系统的高度复杂性,传统的基于阈值的报警机制在应对复杂和多样化的异常时表现出明显的局限性,部分未能及时检测的异常可能引发束流联锁,降低运行效率和稳定性。为了解决这一问题,本文提出了一种基于机器学习的异常检测方法,并开发了CSNS加速器智能值班员样机系统。该系统通过特征工程和无监督学习算法,能够实时监测运行数据并精准识别复杂异常,尤其是对传统方法难以检测的波动形态异常表现出显著优势。样机系统已成功应用于CSNS加速器运行环境,能够准确捕获运行过程中的异常情况并报警,从而提升异常监测的准确性和故障排除效率。

关键词： 深度强化学习   虚拟同步发电机   频率调节   模仿学习   近端策略优化  

摘要： 由于可再生能源发电固有的不确定性和低惯量特性,随着分布式能源(DER)的快速发展,电力系统正面临显著的系统频率动态恶化。为解决这一问题,使DER能够模拟传统同步发电机运行的虚拟同步发电机(VSG)技术已被开发并得到广泛关注。然而,现有研究主要集中于采用固定参数运行VSG以提供惯量支撑,而很少关注动态调整VSG以利用其快速响应特性来提升电力系统的频率响应性能。因此,文中提出一种基于深度强化学习的频率调节(DRL-FR)方法,该方法可自适应调整一、二次调频及VSG的动态参数。首先,构建频率调节模型,并将新能源电厂建模为可调VSG,将最优频率调节问题建模为马尔可夫决策过程。然后,构建DRL-FR控制器,其动作空间为一、二次调频动态参数,涵盖下垂控制、比例-积分-微分控制、机组参与系数及VSG可调参数。最后,开发了一种结合单调优势重加权模仿学习的近端策略优化算法,可结合历史运行数据及专家经验加速模型训练过程。在改造的IEEE 39节点系统中进行测试,验证了所提DRL-FR方法的有效性。

关键词： 三相配电网   电压控制   深度强化学习   物理模型   变流器  

摘要： 分布式光伏的大量并网加剧了配电网节点电压的幅值波动与三相不平衡程度,传统算法在面对三相不平衡配电网电压控制问题时存在求解速度和最优性方面的不足。基于此,该文提出了一种面向三相不平衡配电网电压控制的物理模型辅助式深度强化学习方法。首先,重点考虑光伏并网逆变器的无功调节能力、储能的充放电有功调节能力与其变流器的无功调节能力,构建了融入节点电压幅值偏差和电压三相不平衡度抑制的配电网电压控制模型。其次,针对该三相非线性耦合控制问题,该文提出的物理模型辅助式深度强化学习算法将储能的充放电物理特性引入到强化学习算法中,确保了在离线训练和在线决策过程中均不会出现储能载电量偏离可行域的现象。最后,采用IEEE三相123节点算例验证了所提方法的有效性。