微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%

由于转炉冶炼过程中的热力学和动力学反应复杂，副枪控制模型和传统的烟气分析模型存在很大的局限性，导致了转炉冶炼终点碳含量的预测精度偏低，是实现智能炼钢的主要技术瓶颈. 针对上述问题，提出了基于烟气分析的炼钢过程函数型数字孪生模型. 首先，利用烟气分析得到连续监测的实时数据，以此来实时监控转炉熔池内钢水的碳氧反应状态; 然后，根据熔池反应所处的不同阶段，利用函数型数据分析方法建立吹炼前期和吹炼后期的函数型预测模型; 在此基础上，按照吹炼前期和吹炼后期这两个阶段来分别自动修正模型中的系数函数，从而能在复杂的实际工况条件下完成对熔池碳含量的准确预测. 通过260 t氧气转炉的工业应用实例，证实函数型数字孪生模型具有良好的自学习和自适应能力，对异常冶炼状态具有良好的鲁棒性，可以实现全过程的熔池碳含量动态预测，终点碳质量分数在± 0. 02% 范围内的命中率为95%. 利用函数型数字孪生模型在拉碳阶段对钢水中碳含量的预测值来控制终吹点. 更为重要的是，在保证入炉原料成分、温度、质量等参数稳定的前提下，采用该模型可以有望取消基于副枪的停吹取样步骤，从而降低生产成本，提高产品质量和生产效率，具有广泛的工业应用前景

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性

报表是一个容器对象,其间可以包含其 他对象。例如,报表的数据源就是报表中包 含的数据表或查选对象。又如,报表中的子 报表就是报表中包含的报表对象。报表中包 含的对象也称为报表控件。 设计报表就必须很好地掌握报表控件的 设计方法,而报表控件设计主要包括报表控 件属性的设置及其应用方法的选择与编程。 本节主要介绍各个报表控件除“名称” 属性以外的各个属性值的含义、取值规则及 其属性值的设置方法

为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求

使用装备有产量监视仪的 CASE IH2366联合收获机,在黑龙江垦区进行农田作物 产量分布信息采集试验,取得了一些试验数据、经验和体会。通过试验对产量监视系统有了 更深入的了解,为今后的精准农业试验奠定了基础 关键词:全球卫星定位系统;联合收获机:产量监视仪 农田作物产量分布信息(基于GPS的收获机产量监视仪)的试验是实施“精准农业”的 第一步,只有采集到农田作物产量分布信息,才能用计算机软件绘制出谷物产量分布图(田 间信息处理),为作物生产管理决策提供条件 农田作物产量分布信息(基于GPS的收获机产量监视仪)的试验由黑龙江八一农垦大学 与黑龙江省友谊农场共同实施,试验地点在友谊农场五分场二队,取得了一些试验数据、经 验和体会

聚类分析( Cluster Analysis)是根据研究对象的特征对研究对象进行分类的 多元分析技术的总称分类问题是各个学科领域都普遍存在的问题,例如人口学 中研究人口生育分类模式、人口死亡分类模式;医学中对各种精神病特征的分 析;市场营销学中进行市场分层、确定目标市场等等,这些都需要对研究对象 进行分类。聚类分析是应用最广泛的分类技术,它把性质相近的个体归为一类 使得同一类中的个体具有高度的同质性,不同类之间的个体具有高度的异质 聚类分析的大部分应用都属于探测性研究,最终结果是产生研究对象的分 类,通过对数据的分类研究还能产生假设。聚类分析也能用于证实性目的,对于 通过其他方法确定的数据分类,可以应用聚类分析进行检验

测控技术与仪器专业 《测控技术与仪器专业导论》 《单片机系统实践》 《工程光学基础》 《信号与系统》 《精密机械设计(1)(2)》 《软件技术基础》 《传感器原理及应用》 《误差理论与数据处理》 《微机原理及应用》 《机器视觉》 《可编程逻辑器件及应用》 《PLC 及应用》 《虚拟仪器》 《精密机械设计实践》 《传感器原理及应用实践》 《虚拟仪器实训课程》 《智能车实训课程》 《开放性实验》 《测控电路》 《控制工程基础》 《光电检测技术与系统》 《计算机测控技术》 《DSP 技术及应用》 《电子线路 CAD》 《测控电路设计实践》 《专业实习》 《机器人实训课程》 《光电竞赛实训课程》 《电子设计竞赛实训课程》 《精密测量技术》 《测控仪器设计》 《光机电一体化技术与系统》 《激光测量技术》 《嵌入式系统及应用》 《现代测试技术导论》 《测控专业综合实践》 《大学生科技创新计划项目》 《创新创业与实践》 《科研训练项目》 《毕业设计》 光电信息科学与工程专业 《光电信息科学与工程导论(1)(2)(3)(4)》 《精密机械设计基础》 《应用光学》 《现代电子技术及应用》 《现代电子技术应用综合设计》 《物理光学》 《光学设计》 《现代光学实验》 《光度学与色度学》 《数字图像处理及应用》 《激光原理及应用》 《视觉检测系统设计与实践》 《光学系统设计》 《数字系统设计》 《专业软件基础》 《光存储与显示》 《光纤技术与应用》 《光电信息系统综合实践》 《光谱分析技术》 测控技术与仪器专业(外培计划) 测控技术与仪器专业医疗设备制造方向(双培计划） 《大学生职业发展与就业指导(4)》 《医疗仪器综合实践》 《医用光电检测技术》 《激光在医学中的应用》 《医学图像处理与分析》 《现代医学仪器》 《医学信息学》 《医学统计学与临床研究方法》 《光谱学》 《生物医学光子学》

专业必修课程 《农业实验室安全教育》 《遗传学 B》 《生物化学 B》 《植物生理学 A》 《土壤肥料学》 《生物统计》 《植物生产类专业导论》 《微生物学》 《园艺植物保护学》 《园艺基础实践》 《植物学 B》 《蔬菜栽培学》 《园艺植物育种学》 《果树栽培学》 《设施园艺学》 《园艺植物栽培学》 《园艺植物育种学（各论）》 《园艺产品贮藏与加工学》 《园艺生物技术》 专业综合实践环节 《冬季果树修剪实习》 《农业气象学教学实习 B》 《春季果树修剪实习》 《规模化农业生产与产业调研》 《果蔬育苗实习》 《园艺社会实践》 《园艺专业毕业论文（设计）》 《园艺专业生产实习》 《植物学教学实习 B》 专业选修课程 《插花艺术》 《葡萄栽培与酿造学》 《食用菌栽培》 《西甜瓜栽培》 《园艺植物组织培养》 《无土栽培原理与技术》 《新疆名特果树》 《名特蔬菜》 《园艺植物研究法》 《观赏植物栽培学 》 《科技论文写作 》 《现代园艺学进展》 《园艺生态学》 《园艺种子种苗学》 《园艺专业外语》 《智慧园艺》 五、专业拓展课程 《农业大数据原理与应用 C》 《农学概论 B》 《农产品营销学》 《现代企业管理》 《农业生产机械化》 《双碳概论》

专业必修课程 《植物生产类专业导论》 《微生物学》 《农业实验室安全教育》 《植物学 B》 《农业气象学 B》 《生物化学 B》 《遗传学 B》 《植物生理学 A》 《生物统计》 《农业生态学 B》 《土壤肥料学》 《农学实践基础》 《分子生物学基础》 《农业信息技术》 《农业生物技术 B》 《作物表型研究法》 《植物保护学 B》 《作物栽培学》 《作物种子学》 《作物育种学 B》 《耕作学》 专业综合实践 《植物学教学实习 B》 《农业气象学教学实习 B》 《农学专业生产实习 A（创新型）》 《农学专业生产实习 B（创业型）》 《农学专业毕业论文》 专业选修课程 《生物进化论》 《科技文献阅读与写作》 《作物施肥原理与技术 B》 《节水灌溉理论与技术》 《绿洲农业学》 《农业信息技术研究法 B》 《基因组学概论》 《农业生物技术研究法》 《农业遥感理论与实践 B》 《地理信息系统基础 B》 《农业大数据原理与应用 B》 《作物栽培学专题》 《农业政策与法规》 《绿洲生态工程》 《有机农业概论》 《作物种子生产 B》 《农业推广学》 《农业经营管理》 《电子商务 B》 《特种经济作物栽培学》 《互联网+现代农业》 《无土栽培原理与技术》 《园艺通论》 《双碳概论》 《农业生产机械化》 《农产品营销学》 《智慧农业理论与实践》