短期效果

摘要： 在小学英语句型教学中,我们常常面对这样的现象:学生学得快,但忘得也快。知识的学习包括识记、保持、再认和回忆等一系列心理过程,一些教师只注重记忆的短期效果,而忽视了记忆后期的保持和再认。那么,教师怎样帮助学生加强对已学句型的巩固呢?笔者认为,不断复现,及时巩固,是提高小学英语句型教学效果的一条捷径。艾宾浩斯遗忘曲线是复现教学的“基石”。1885年,艾宾浩斯采用无意义音节作为记忆材料,检验了个体在不同时间间隔内遗忘量的变化趋势,并绘制出一条著名的“艾宾浩斯遗忘曲线”。研究发现,遗忘在学习之后立即开始,而且遗忘的进程并不是均匀的。

摘要： 近年来,随人们饮食习惯及生活方式的转变,龋病发生率逐渐增加,已成为影响口腔健康的主要慢性非传染性疾病[1]。恒磨牙邻面龋为临床常见龋病,受恒磨牙解剖形态、组织结构及所处环境影响,邻面龋相较于面龋更易发生牙髓感染[2],因此及时充填修复十分重要。光固化复合树脂为近年来出现的一种新型修复材料,具有化学粘连性好、颜色逼真度高及耐磨性强等优点,在临床得到较为广泛的应用。本研究旨在探讨光固化复合树脂与银粉玻璃离子水门汀充填修复对恒磨牙邻面龋的短期治疗效果。

摘要： 笔者从事食品雕刻专业的教学,有着十几年指导学生技能竞赛的经历。早期笔者采用传统的训练方式:教师教学生做,以填鸭式训练方式为主。从短期效果看,学生上手快。但从长远的角度来看,学生只是“机械地会做”,无法深刻理解技能竞赛内涵,不具备进一步自主提升的能力条件。同时,训练又是一个长期枯燥的过程,学生容易产生疲劳厌烦情绪,教师教得吃力,学生练得累,效果还不一定好。如何改变这种状况?笔者总结近几年技能竞赛训练的经验,认为任务体验式训练模式可以有效调动学生的主动性,让学生自主参与研究探索,不断地体验、感悟,能动地学习掌握知识与技能,有效地促进学生跨越式发展,将来成为食品雕刻行业的佼佼者、工艺师乃至工匠。

摘要： 膝关节肿瘤型假体置换术常用于诊断为膝关节肿瘤患者的治疗[1],通过肿瘤病损切除,膝关节假体植入来避免截肢,在积极的康复训练后短期效果理想。但Etienne Caron等[2]对290例行铰链式膝关节置换术的患者进行至少5年的随访发现,37%患者存在并发症(感染、松动、假体周围骨折等),其中19%需要重新手术,术后长期效果有待进一步观察。全股骨置换术(Total femoral replacement,TFR)[3]是用人工假体来置换患者整个股骨及髋膝关节从而恢复患肢功能的一种术式,临床最常用于股骨巨大肿瘤患者行肿瘤切除术后的保肢手术。若诊断有严重骨缺损,股骨对髓内假体部分几乎没有支撑作用,即用常规方法难以重建的髋膝关节翻修病例,行全股骨置换术也是一项可取的选择[4-5]。而肿瘤型膝关节假体翻修行TFR在国内鲜有报导,本例个案报告为吉林大学中日联谊医院收治的1例右侧股骨远端血管肉瘤切除、肿瘤型膝关节假体置换术后10年,假体松动3年行膝关节假体翻修、全股骨置换术的病例,旨在为临床此类患者的诊治提供参考。

摘要： 目的:比较鼓室注射甲泼尼龙与地塞米松治疗糖尿病(diabetes mellitus,DM)伴突发性耳聋(sudden hearing loss,SHL)的短期效果。方法:选择2019年1月-2021年10月东南大学医学院附属江阴医院60例DM伴SHL患者。根据随机数字表将其随机均分为D组和M组,各30例。两组均给予基础治疗,D组鼓室注射地塞米松,M组鼓室注射甲泼尼龙。比较两组治疗前后听力、血糖情况,以及临床疗效及不良反应。结果:治疗后,M组纯音听力测试(pure tone audiometry,PTA)低于D组(P<0.05)。M组治疗总有效率为86.67%,高于D组的63.33%(P<0.05)。治疗后,M组空腹血糖(fasting blood glucose,FBG)、糖化血红蛋白(HbA1c)、餐后2 h血糖(2 h postprandial plasma glucose,2 h PG)均低于D组(P<0.05)。两组不良反应发生率比较差异无统计学意义(χ^(2)=0.480,P=0.488)。结论:鼓室注射甲泼尼龙治疗DM伴SHL的短期效果优于鼓室注射地塞米松。

摘要： 目的探讨体质量指数(BMI)对中晚期肝癌患者行经肝动脉灌注化疗栓塞术(TACE)治疗后短期效果以及远期预后的评估价值。方法回顾性分析在我院接受TACE治疗的162例中晚期肝癌患者的临床资料,按BMI将患者分为正常组(BMI0.05);Kaplan-Meier生存分析显示,超重组患者TACE治疗后6、12、24个月疾病PFS、OS明显高于正常组(P<0.05);Cox多因素分析显示,BMI<24 kg/m^(2)、淋巴结转移、门静脉或腔静脉癌栓及AFP≥300 ng/mL为影响中晚期肝癌患者TACE术后24个月疾病进展或全因死亡的独立危险因素。结论BMI可用于评估中晚期肝癌患者TACE术后远期生存情况,BMI≥24 kg/m^(2)的肝癌患者TACE术后预后较好,生存期较长。

摘要： 目的研究术前新辅助化疗在中期低位直肠癌患者行腹腔镜根治术中的短期效果。方法60例行腹腔镜根治术的中期低位直肠癌患者,根据治疗方案不同分为研究组和对照组,每组30例。研究组腹腔镜手术前采用新辅助mFOLFOX6方案化疗,对照组采用新辅助放化疗方案。比较两组患者肿瘤退缩情况,术中、术后情况,肛门功能,术后并发症(切口感染、吻合口瘘、肠梗阻)发生情况,淋巴结转移率、保肛率、预防性造口率、1年生存率。结果研究组肿瘤退缩率63.33%与对照组的60.00%比较,差异无统计学意义(P>0.05)。研究组术中出血量(173.11±9.24)ml少于对照组的(178.94±9.67)ml,进食时间(2.66±0.11)d早于对照组的(4.26±0.85)d,手术时间(141.01±9.31)min、住院时间(7.14±1.32)d均短于对照组的(155.63±9.44)min、(9.25±1.14)d,差异均具有统计学意义(P5次、软/稀便、排便紧迫、便失禁、使用纸尿裤、排便排气难以分清占比分别为6.67%、6.67%、40.00%、16.67%、0、16.67%,均低于对照组的60.00%、83.33%、90.00%、96.67%、86.67%、76.67%,差异均具有统计学意义(P0.05)。结论行腹腔镜根治术的中期低位直肠癌患者应用术前新辅助化疗的短期效果较好。

摘要： 急性胰腺炎是消化系统较为常见的急症之一,其发病急、且易引起多种并发症,严重者则威胁患者的生命安全[1]。因胰蛋白酶的自身消化而使胰腺炎症渗出,导致患者出现发热、恶心呕吐、腹胀、腹痛、肛门停止排便排气等临床症状。胰腺炎腹胀虽然不会直接导致患者死亡,但腹部胀痛成为困扰患者舒适度的一个难点。目前,临床上西医对急性胰腺炎腹胀尚缺乏行之有效的方法。故专家共识[2]认为中西医结合是急性胰腺炎主要的治疗手段,通过西药对症治疗迅速达到直接抑制胰液渗出的短期效果,而中医治疗则弥补了西医在因胰液渗出所致的腹胀、消化不良等肠道功能障碍上治疗的不足[3]。

摘要： 目的 探究肩颈腰腿疼患者使用中医针灸与中药热敷治疗的短期效果.方法 挑选我院在2018年11月至2019年11月期间患有肩颈腰疼患者的120名患者作为研究对象,研究组与参照组各60名患者,参照组使用中医针灸治疗,研究组中患者会在参照组的基础上再进行中药热敷,对比临床效果.结果 比较两组治疗效果,研究组较参照组明显,比较睡眠质量评分及疼痛评分,研究组要优于参照组,差异较大,有统计学意义(P<0.05).结论 中医针灸搭配中药热敷治疗颈肩腰腿疼的患者,在较短时间就能够有效的降低患者的痛苦,效果显著,值得在临床广泛使用.

摘要： 目的:探究中医针灸联合中药热敷治疗颈肩腰腿疼痛的短期效果.方法:选择颈肩腰腿疼痛患者作为研究对象,治疗时间2020年1月至2020年12月,病例数50例,随机分成两组,一组采用单纯中医针灸治疗法纳入对照组,一组同时接受中医针灸治疗与中药热敷治疗,纳入观察组,比较患者疼痛程度改善情况.结果:治疗前两组患者VAS评分相比未见明显性差异,数据对比无统计学意义,P>0.05,治疗后观察组VAS评分与对照组相比有明显优势,数据对比有统计学意义,P<0.05.结论:中医针灸与中药热敷联合治疗颈肩腰腿疼痛具有很好的作用,可以有效缓解患者疼痛,短期效果良好.

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于长短期记忆网络的风电功率短期预测方法，包括长短期记忆神经网络训练算法、短期风电预测误差分布算法和风电机组发电功率短期预测模型设计。本发明从深度学习网络出发，建立基于长短期记忆网络算法(LSTM)风电功率预测模型，以高斯混合模型(GMM)分析短期风电功率预测的误差分布特点。本发明通过GMM模型可以得到二台机组不同的置信区间。证明了LSTM方法具有更高的精确度和更快的收敛速度，GMM方法对于风电调度具有实际应用价值。

摘要： 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。

摘要： 本发明提供一种基于长短期记忆神经网络(Long Short‑TermMemory，LSTM)的规模风电超短期功率预测误差修正方法，包括：首先利用改进的核密度估计得出误差的概率密度曲线；其次，采用LSTM对预测误差数据进行深度学习，以风电的预测误差为输入，以下一时刻的误差为输出，得到误差的预测值；最后，根据粒子群算法得到合适的置信区间对误差进行合理分层，根据分层区间和误差预测值，结合风电预测误差的时序特征，制订预测误差的分层补偿策略，得到一种具有较强泛化性的预测误差补偿模型。

摘要： 本发明公开了一种基于长短期记忆网络的短期负荷预测方法，采集短期负荷数据，将所采集的短期负荷数据作为训练样本进行VMD分解，得到n个随机分量IMF；对于分解出的n个分量，每个分量构建对应的WOA‑LSTM模型，利用WOA对模型中的LSTM参数寻优，找出最合适的参数；采用最优参数的LSTM分别对分量数据IMF进行训练，得到各个分量的预测结果；基于分别寻优后构建的LSTM模型，分别利用LSTM模型对短期负荷数据进行测，每个LSTM模型输出相应的预测结果；通过将所有预测结果进行相加得到最终的负荷预测结果。

摘要： 本发明公开了一种基于改进长短期记忆神经网络的短期光伏发电预测方法，该方法对短期光伏发电预测需要数据进行数据分析得到训练数据集；构建长短期记忆神经网络，并将训练数据集输入长短期记忆神经网络进行训练；采用麻雀算法优化长短期记忆神经网络参数，得到优化后的长短期记忆神经网络，优化后的长短期记忆神经网络输出短期光伏发电功率预测值。即通过历史多维度、多时间尺度、高关联的数据进行短期光伏发电功率预测，从而缓解配电网中光伏发电的不确定性；采用麻雀算法优化长短期记忆神经网络参数，进一步提高预测效果。通过本发明的实施，能够较好的利用气象数据并提高短期光伏功率的预测精度，实现电网的经济和稳定运行。

摘要： 本发明专利公开一种基于长短期记忆神经网络的燃气短期负荷预测方法，该方法运用主成分相关分析(PCCA)算法、小波阈值去噪(LMD)算法及局部均值分解优化(WTD)算法优化长短期记忆神经(LSTM)网络模型，并运用该种新的燃气负荷组合预测方法，对城市燃气负荷量进行预测分析，PCCA‑LMD‑WT D‑LSTM预测模型在城市燃气负荷预测中，采用该种模型获得的最终MAPE精度均属于高精度水平，该模型预测结果优于单一的LSTM模型、BPNN模型和GRU模型。本发明解决了传统循环神经网络中的长时期依赖问题，适用于数据长度大的时间序列预测，且稳定性更高，可靠性更强。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于深度长短期记忆网络的短期负荷预测方法，解决了现有技术的不足，该方法包括以下步骤：步骤10)，获取样本特征变量历史数据，建立历史样本数据集；步骤20)，建立预测模型嵌入维输入数据集；步骤30)，建立深度长短期记忆神经网络预测模型并初始化网络权重；步骤40)，更新训练步骤30)建立的深度长短期记忆神经网络预测模型内部状态参数；步骤50)，计算输出本轮负荷预测值；步骤60)，引入本轮负荷真实值，计算损失函数；步骤70)，更新深度长短期记忆神经网络网络权重；步骤80)，根据判别函数判别迭代是否结束；步骤90)，迭代结束，输出深度长短期记忆神经网络预测模型。

摘要： 本发明涉及一种基于长短期记忆网络的光伏发电功率短期预测方法，包括:使用Pearson相关系数确定与发电功率高度相关的天气数据特征，使用LSTM网络模型建立了输入天气数据特征与输出发电功率之间的非线性关系，并捕捉了时间序列的相关性，针对季节和天气类型划分原始输入数据集，提高模型预测精度，对基于季节和天气类型的LSTM模型预测结果进行线性拟合处理，进一步提高模型预测的准确度。