摘要：本研究借助引文空间软件(CiteSpace)对2005年至2017年间Web of Science核心数据库中移动技术辅助语言学习(MALL)领域的239篇英文文献进行可视化分析,通过学科分类、关键词共现和文献共被引聚类等手段,对国外MALL研究图谱网络之结构与内容展开评析,探查研究热点课题和前沿发展趋向,以期为国内外语教育的MALL领域研究与开发提供有价值的参考和借鉴。研究发现:热点课题集中在教育技术与课程内容的整合与开发、MALL环境系统的实践性论证、语言学习者数字化核心技能的培养和语言教师信息素养与专业发展等方面;研究前沿表现在MALL系统架构、虚拟学习任务设计、新技术融合和MALL理论研究四个核心领域。

摘要：在调研部分农村地区煤改气居民用户实际用气情况的基础上,建立了一种基于小波阈值去噪和采用遗传算法优化BP神经网络的短期燃气负荷预测模型(称为GA-BP神经网络预测模型)。以华北地区农村煤改气居民用户作为研究对象,对974户管道天然气居民用户2018年1月—2021年12月的日用气量进行采集。对采集数据进行小波阈值去噪处理,进行日负荷预测影响因素的选择及量化。将负荷预测影响因素和日负荷组成的数据集划分为训练集和测试集,对BP神经网络预测模型、GA-BP神经网络预测模型进行训练和测试。将两种模型的日负荷预测值与真实值进行对比,并将两种模型的评价指标进行对比,验证两种预测模型的准确性。研究结论如下。小波阈值去噪处理去噪效果良好,可用于燃气日负荷预测数据预处理。日平均温度、天气类型、节假日情况、前一日用气量、供暖情况是影响燃气日负荷预测的5个主要影响因素。有必要关注供暖过渡期的日负荷变化。这段时期温差变化大,用气情况复杂多变,对供气不确定性影响较大。对这部分的合理处理可以有效减小预测误差。日平均温度是影响农村居民用气非常重要的因素。遗传算法对BP神经网络的优化,可以很好地为网络初始权值和阈值的确定提供依据,优化了网络参数。相较于BP神经网络,GA-BP神经网络的稳定性提高,预测误差减小,预测精度提高。GA-BP神经网络预测模型应用于燃气日负荷预测是可行的。