【摘 要】
:
把1、2、3、4、5这5个数分别填入下面的空格里,使得方格中6、8、10、12这四个数都分别等于围着它的三个数的和。小朋友,你能填出来吗?
论文部分内容阅读
把1、2、3、4、5这5个数分别填入下面的空格里,使得方格中6、8、10、12这四个数都分别等于围着它的三个数的和。小朋友,你能填出来吗?
其他文献
针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进行压缩;将分段均方根误差引入K中心点聚类算法,实现聚类参数的自适应选择;提取其中的聚类中心点作为轨迹特征点,得到不同类别船舶的典型轨迹。以天津港主航道船舶自动识别系统(automatic identification system,AIS)数据为例,基于地理信息系统平台ArcGIS实现聚类
为精准预测船舶交通量,基于多源数据融合,提出用于预测船舶交通量的三阶段法,分别预测交会水域、单条航道的船舶交通量,并以长江六圩水域以及苏北运河航道为例进行实证研究。结果表明,三阶段法预测模型具有较强的预测精度。预计2040年苏北运河航道货运承载能力饱和度达到17.13%,即未来苏北运河航道利用水平较为合理,但仍处于较低水平,尤其是蔺家坝—宿迁窑湾航段和宿迁窑湾—淮安航段的利用水平更低。本文预测方法和结果可为水路交通规划与调度管理提供支撑。
为准确预测集卡的港内周转时间,进而提升整个物流系统的作业效率,通过对集装箱码头闸口数据进行深入分析,得到3种不同任务类型的集卡港内周转时间序列,并在此基础上提出一种基于小波分解和自回归移动平均(autoregressive moving average,ARMA)模型的集卡港内周转时间预测方法。该方法首先利用小波分解技术对集卡港内周转时间序列的多维变化特征进行逐层分离,再利用ARMA模型对分离后的多个时间序列分别进行拟合,然后对拟合结果进行合并,以此近似模拟原序列的时变规律,继而实现集卡港内周转时间的短期
观察下图,请在空格内填上合适的数和运算符号。仔细观察每组图的苹果数量,先写出加法算式:3+3+3+3+2=14。再把这个加法算式改写成乘加算式或乘减算式。我是这样解的。加法算式中加数3有4个,我们可以把加法改为乘法,算式为:3×4+2=14。
针对自动化集装箱码头的堆场箱区布置和交换区车道配置问题,利用多智能体仿真方法构建自动化集装箱码头作业系统仿真模型,分析不同的堆场箱区布置和交换区车道数量对码头吞吐量和服务水平的影响,并对船舶到港时间间隔与自动导引车(automated guided vehicle,AGV)配置数量进行敏感性分析。结果表明,相较于箱区平行于码头岸线布置,箱区垂直于码头岸线布置的码头吞吐量和服务水平更高。在不同的AGV配置数量下,通过合理配置交换区车道可减少AGV的等待时间,提高码头吞吐量和服务水平。
针对谁来主导投资建设水铁联运专线问题,通过分析其中涉及的主要利益者之间的利益关系,建立三方演化博弈模型。通过演化博弈理论并结合MATLAB仿真,揭示在有限理性条件下,博弈各方进行决策的行为特征及其稳定状态。结果表明:在投资收益大于原有收益情形下,政府和港口部门将选择独立投资或合作投资建设水铁联运专线,铁路部门将选择合作投资建设水铁联运专线。
小朋友,我们一起来学习“乘法的初步认识”。“乘法的初步认识”是学习乘法的开始,学习时可结合动手操作,充分利用学过的加法计算的知识来学习。通过观察、比较,发现加法算式的特点,知道求几个相同加数的和,除了可以用加法计算,还可以用乘法计算,而且用乘法计算比较简便,初步认识乘法的意义。同时我们还要学会根据求几个几列出乘法算式,掌握乘法算式的写法和读法,认识乘法算式各部分的名称。
一年级一班举行图书“漂流”活动,大家都带了不少童话书参加活动。倩倩拉着芳芳的手说:“你猜猜我今天一共带了几本童话书?”芳芳噘嘴说:“你什么都没告诉我,我怎么猜得出来嘛!”古灵精怪的倩倩想了想,说:“我带的童话书比6本多,比9本少。”芳芳笑着说:“这就好猜了,你带的童话书可能是7本,也可能是8本。”
为分析新冠肺炎疫情对航运市场的影响,识别后疫情时代航运市场的潜在风险,用向量自回归(vector autoregression,VAR)和方差分解的方法测算疫情对航运市场的溢出效应。以各国家或地区新冠肺炎累计确诊人数比例代表其疫情严重程度;为消除季节性因素,以航运市场指标与上一年的同比变化率代表航运市场情况。结果显示:油船运输市场、干散货运输市场和集装箱船运输市场均受到新冠肺炎疫情的影响,但不同经济体因其在相对应的贸易市场中的供求关系不同,以及经济体对疫情的控制程度不同,所呈现的溢出效应关系亦不相同。
为降低钢铁企业采购和运输铁矿石的综合成本,考虑船型、航速和碳排放等因素,建立长江铁矿石运输的混合整数非线性规划模型。将模型中的非线性项转化为线性项,运用CPLEX求解器求解。针对CPLEX求解中大型规模算例的局限性,引入标准粒子群优化(particle swarm optimization,PSO)算法提高求解精度。针对标准PSO算法容易陷入局部最优的问题,提出一种基于自适应策略的改进PSO算法,动态调整惯性权重,提高算法的收敛性和全局寻优能力。通过数值实验发现,改进后的算法在全局寻优能力和收敛能力上有一