教师创造性缺失的表现及原因分析

从我国目前中小学教师创造性发展的现状来看,教师创造性发展中存在的主要问题是创造意识薄弱、创造空间狭小、创造精神不足、创造动机异化,创造目标错位。导致这些问题的原因涉及以下几个层面,教育者自身的原因、学校环境的影响、社会文化因素的作用。     

构建动态多维的外语教学评价体系

现有的外语教学评价体系各有侧重,不能全面体现多元评价与发展评价的基本原则。依据当代评价理论、建构主义学习理论和“以人为本”教育理念,遵循效度原则、信度原则、全面性原则和可持续发展原则,构建了动态多维的外语教学评价体系,该体系体现了评价的互动性、历时性、融合性与多维性特征,对外语教学中评价的实施具有理论指导意义。     

期货市场动态保证金模型实证研究及应用启示

以期货保证金设定方式为研究对象,基于EWMA、GARCH方法和VAR风险价值法,依据对收益序列分布假设的不同,全面构建了两大类9种动态保证金模型,并对3家商品交易所的4个上市品种进行了实证研究。依据风险覆盖率和平均保证金水平两项评价标准,甄选出了表现最优的模型。     

闻一多:新诗史上的杜甫

闻一多对杜甫在人格和艺术技法上进行了有意识的继承,并实施了成功的现代化转换.闻一多成为了中国新诗发展史上的现代杜甫,成为了影响深远的爱国诗人和新诗革新家.对于新诗如何在寻求新变中接通与中国诗歌的几千年之常,闻一多的实践具有诗学价值和现代意义.     

气水交替驱油藏注入能力分析及优化

针对注入能力降低是制约气水交替驱提高油藏采收率的关键因素的问题,以相似理论中的检验分析法推导了气水交替注入无因次注入能力方程,运用考虑相渗和毛管滞后效应耦合的数值模拟方法,评价无因次注入能力的因素影响,讨论并优化了注入水气比。研究结果表明：对于特定油藏体系,通过增加注入气的富化度提高粘滞力重力比来达到改善驱替效果的方法比片面地增加注气速度更高一些;水气比越高,达到相同开采效果所需气量越小,但因此而出现较明显的注入能力下降的趋势。对于低粘滞力重力比的注气条件,选择水气比为2最佳;而对于高粘滞力重力比,则水气比为1是最佳选择。建议在水气比的优选时充分结合油藏地质特征和注入流体特性进行分析。     

双重变形介质储层气井流量动态特征研究

在开发双重变形介质油气藏过程中,储层岩石应力敏感性会明显影响油气藏的开发效果。在考虑储层双重介质和变形特性的基础上,引入渗透率应力敏感系数,建立了双重变形介质气藏不稳定渗流模型（包括：无限大边界气藏、圆形封闭边界气藏、圆形定压边界气藏）,通过Laplace 变换,得到了模型的 Laplace 空间解析解,利用 Stehfest 数值反演得到实空间的解。根据实空间中无因次产量与无因次时间的变化关系曲线,分析了储容比、窜流系数、无因次应力敏感系数、表皮系数对气井流量动态特征的影响。研究结果对科学合理开发双重变形介质气藏、保证气井和气藏正常生产等都具有重要的理论和现实意义。     

一种基于SIS的贝叶斯模型算法

贝叶斯动态模型及其预测理论具有广泛的应用性,如在通信,控制,人工智能,经济管理,气象预报等领域。本文简要介绍了贝叶斯动态模型,对于非线性贝叶斯动态模型提出了SIS算法及其在处理非线性模型中应用。     

多阶段资产投资的动态规划决策模型

本文针对多阶段资产投资问题,给出了在满足一定的风险承受能力情况下的、以最终的总收益尽可能大为决策目标的资产投资组合问题的一个多阶段动态规划决策模型,从中可以求得多阶段投资的整休最优投资组合。继而讨论了其与单阶段投资模型的关系。最后把模型转化为线性动态规划模型。     

A multivariate time series model for the analysis and prediction of carbon monoxide atmospheric concentrations

We use a Bayesian multivariate time series model for the analysis of the dynamics of carbon monoxide atmospheric concentrations. The data are observed at four sites. It is assumed that the logarithm of the observed process can be represented as the sum of unobservable components: a trend, a daily periodicity, a stationary autoregressive signal and an erratic term. Bayesian analysis is performed via Gibbs sampling. In particular, we consider the problem of joint temporal prediction when data are observed at a few sites and it is not possible to fit a complex space–time model. A retrospective analysis of the trend component is also given, which is important in that it explains the evolution of the variability in the observed process.