-
题名以赛促教视域下职业院校教师教学能力提升研究
被引量：1
- 1
-
-
作者
费潇潇
宁玉红
张奇峰
-
机构
北京劳动保障职业学院教务处
北京劳动保障职业学院城市安全学院
-
出处
《职业》
2024年第14期25-28,共4页
-
基金
北京劳动保障职业学院课题“‘以赛促教’模式下职业院校教师教学能力提升的研究”(课题编号:202238)的研究成果。
-
文摘
全国职业院校技能大赛教学能力比赛是培养和提升教师教学能力的重要手段。本文使用三级编码方式,将教学能力构成要素归纳为教学认知能力、教学设计能力、教学实施能力、数字化能力、教学发展能力,同时提出了思想认知、成果转换、实践应用3个方面的教学能力提升策略,为职业院校教师开展教学提供理论支撑和实践指导。
-
关键词
教学能力比赛
职业院校教师
教学能力提升
-
分类号
G63
[文化科学—教育学]
-
-
题名基于轻量化网络和多域损失函数的随机噪声衰减方法
- 2
-
-
作者
陈伟
李安禹
李韵竹
未晛
张庆臣
金彦
魏龙海
-
机构
非常规油气省部共建协同创新中心·长江大学
气象信息与信号处理四川省高校重点实验室·成都信息工程大学
数学地质四川省重点实验室·成都理工大学
中国石油川庆钻探工程有限公司地质勘探开发研究院
北京劳动保障职业学院城市安全学院
武汉市工程科学技术研究院新技术研发中心
中交第二公路勘察设计研究院有限公司
-
出处
《天然气工业》
北大核心
2025年第4期60-69,共10页
-
基金
国家自然科学基金项目“基于经验模态分解的自由表面多次波衰减方法研究”(编号:41804140)
长江大学非常规油气省部共建协同创新中心开放基金项目“鄂西页岩储层地震弱信号智能检测方法研究”(编号:UOG2024-19)
+1 种基金
武汉市科技计划重点项目“基于水平钻的隧道围岩性态全域探测技术与装备研发”(编号:2023010402010609)
深地国家科技重大专项项目“地球深部探测与矿产资源勘查”(编号:2024ZD1001003)。
-
文摘
随机噪声的存在严重影响了地震数据的质量,对地震解释和反演解析带来了严重干扰,特别是在深层油气勘探过程中有效信号相对较弱的情况下问题更为突出。为了提高地震资料信噪比,设计了具有多尺度特征提取能力的轻量化网络架构,采用并行多尺度大核空洞卷积模块捕获跨尺度局部特征,结合通道—空间双注意力机制建立全局特征关联,然后构建时频域联合优化目标函数,通过自适应权重系数平衡时域均方误差与频域能量损失,在去除随机噪声的同时减少有效信号损失,最后利用数据分块训练策略,将大规模地震数据分割为可并行处理的训练样本集,提升模型泛化能力,最终形成了一种联合轻量化网络与多域损失函数来去除地震数据中随机噪声的方法。研究结果表明:①多域损失函数通过优化时域和频域内的损失值,确保了在抑制噪声的同时最大限度地保护原始信号的完整性和局部细节特征,有效提高了资料的信噪比;②与前馈去噪卷积神经网络(DnCNN)相比,提出的方法在参数量(Params)、浮点运算次数(FLOPs)和训练时长方面均有明显改进,将Params减少了约14.29%,FLOPs减少了约15%,并且训练时间缩短了约40.88%;③多尺度平行大核卷积通过并行3种尺度的空洞卷积,实现了跨尺度局部特征的协同提取,可以更好的处理复杂地震数据。结论认为,提出的新方法不仅能够有效去除地震数据中的随机噪声,而且通过优化网络结构实现了更低的计算成本和更快的训练速度,对提高地震勘探效果有着重要的实践意义。
-
关键词
地震资料处理
地震数据去噪
随机噪声
深度学习
多尺度
轻量化
-
Keywords
Seismic data processing
Seismic data denoising
Random noise
Deep learning
Multi-scale
Lightweight
-
分类号
P631.3
[天文地球—地质矿产勘探]
-
-
题名基于DnCNN与多尺度特征提取的地震数据去噪方法
- 3
-
-
作者
刘威
徐振旺
未晛
江源
陈伟
-
机构
长江大学非常规油气省部共建协同创新中心
中国石油辽河油田公司石油勘探开发研究院
北京劳动保障职业学院城市安全学院
气象信息与信号处理四川省高校重点实验室
数学地质四川省重点实验室
-
出处
《西安石油大学学报(自然科学版)》
北大核心
2025年第1期18-31,共14页
-
基金
国家自然科学基金项目“基于经验模态分解的自由表面多次波衰减方法研究”(41804140)
数学地质四川省重点实验室开放基金项目“基于循环谱增强技术的复杂叠置致密河道储层预测方法研究”(scsxdz2023-10)。
-
文摘
地震数据中混杂的随机噪声严重影响数据的解释和应用,传统的去噪方法在去除噪音的同时无法避免丢失有效信号,难以满足精准去噪的需求。为此提出了一种基于降噪卷积神经网络(DnCNN)与多尺度特征提取的地震数据去噪方法。在多尺度特征提取模块中加入通道注意力机制、空间注意力机制以及深度可分离卷积,并且借鉴残差网络结构,使得网络不仅可以学习不同尺度的特征,还能够合理分配不同通道和空间的权重,充分利用数据之间的相关性。这种方法不仅显著提升了网络训练的效果,而且在去噪的同时,能够最大程度地保留原始地震数据的有效信号和局部细节。
-
关键词
地震数据去噪
深度学习
多尺度特征
DnCNN
-
Keywords
seismic data denoising
deep learning
multi-scale feature
DnCNN
-
分类号
TE19
[石油与天然气工程—油气勘探]
P631.443
[天文地球—地质矿产勘探]
-
-
题名思想政治教育视域中青年网民“网络出征”现象探析
被引量：3
- 4
-
-
作者
冯宝晶
赵春丽
-
机构
北京劳动保障职业学院城市安全学院
北京工商大学马克思主义学院
-
出处
《思想政治教育研究》
北大核心
2022年第4期118-122,共5页
-
基金
国家社科基金思政专项“思想政治理论课教师的网络发声与高校意识形态安全研究”(19VSZ035)。
-
文摘
“网络出征”是近年来中国青年网民发起的针对海外社交媒体的网络爱国集体行动。从思想政治教育视域来看,“网络出征”是网络思想政治教育实践的新形式,是网络亚文化增进爱国主义教育的新方式,也是网民自发开展的网络意识形态斗争的新形态。网络思想政治教育要善于走“网络群众路线”,要适应青年人爱国表达方式的转变,鼓励和引导网民创作丰富多样的网络亚文化承载形式,以独特的网络亚文化符号厚植爱国主义情怀,把推动网络发声、引领网络舆论作为网络思想政治教育实践的重要形式。
-
关键词
网络出征
网络思想政治教育实践
青年网民
网络亚文化
-
分类号
G642
[文化科学—高等教育学]
-
