-
10kv线路负载率计算_电工必懂计算公式,你学会了几个?
2020-12-24 23:32:09某厂年用电量609.5万kwh,求该厂最大负荷约为多少?...某单位月有功电量500000kwh,无功电量400000kvarh,月利用小时为500h,问月平均功率因数为多少?若将功率因数提高到2=0.9时,需补偿多少无功功率QC?解:补...某厂年用电量609.5万kwh,求该厂最大负荷约为多少?(最大负荷年利用小时数Tmax=5300h)
解:已知A=609.5×104kwh,
Tmax=5300h
则Pmax=
=1150(kw)
答:该厂最大负荷约为1150kw。
某单位月有功电量500000kwh,无功电量400000kvarh,月利用小时为500h,问月平均功率因数
为多少?若将功率因数提高到
2=0.9时,需补偿多少无功功率QC?
解:补偿前月平均功率因数
补偿后月平均功率因数
2=0.9
则需补偿的无功容量为
QC=PP(tg
1-tg
2)
=1000(0.802-0.484)=318(kvar)
答:
为0.78,需补偿318kvar。
有一台三角形连接的三相电动机,接于线电压为380v的电源上,电动机的额定功率为2.7kw,效率
为0.8,功率因数为0.83。
电动机的相电流Iph和线电流Ip-p?
解:已知线电压Up-p=380v,电动机输出功率Pou=2.74kw,功率因数
=0.83,电动机效率
=0.8。则电动机输出功率为
Pou=3Up-pIp-p
线电流
由于在三角形接线的负载中,线电流Ip-p=
Iph,则相电流
答:电动机的相电流为3.62A,线电流为6.27A。
某工厂最大负荷月的平均有功功率为400kw,功率因数=0.6,要将功率因数提高到0.9时,问需要装设电容器组的总容量应该是多少?
解:根据公式
式中:P为最大负荷大的平均有功功率(kw),
1、
2为补偿前后的功率因数值,则
=339(kvar)
答:需要装设电容器组的总容量应该是339kvar。
某工厂380v三相供电,用电日平均有功负荷为100kw,高峰负荷电流为200A,日平均功率因数灵0.9。试问该厂的日负荷率Kd为多少?
解:已知供电电压U=380V,高峰电流I=200A,
=0.9,日平均有功负荷PP=100kw
则根据公式,日负荷率
其中,日最高有功负荷
Pmax=
UI
=1.732×0.38×200×0.9
=118.47(kw)
则日负荷率Kd=
×100%=84.4(%)
答:该厂的晚负荷率为84.4%。
一个化工厂某月用电72万kwh,最大负荷为2000kw。求月负荷率K。
解:月平均负荷
Pav=
=1000(kw)
K
=50(%)
答:月负荷率为50%。
一机械厂某月用电为36万kwh,月最大负荷为900kw,求月负荷率K。
解:月平均负荷
Pav=
=500kw
月负荷率
K=
=55.5%
答;月负荷率为55.5%。
某用户有功功率为1.1kw,供电电压为220v,工作电流为10A。试求该户功率因数是多少?
解;按题意和功率计算公式,得
答:该用户的功率因数为0.5。
已知某10kv高压供电工业用户,TA变比为50/5,TV变比为10000/100,有功表起码为165kwh,止码为236kwh。试求该用户有功计费电量w为多少?
解:该用户计费倍率为
=50/5×10000/100=1000
该用户有功计费电量
W=
(236-165)
=1000×(236-165)=71000(kwh)
答:该用户有功计费电量为71000kwh。
某工厂有一台315kva的三相变压器,原有负荷为210kw,平均功率因数为0.7,试问此变压器能否满足供电需要?现在生产发展负荷增到280kw,问是否要增加变压器容量?若不增加变压器容量,可采取什么办法?
解:根据题意,视在功率
S1=P/COS
=210/0.7=300(KVA)
此时变压器能够满足供电需要。
当负荷增到280kw时
S2=P/COS
=280/0.7=400kva>315kva
则原变压器已不能够满足正常供电需要。
若采取措施将平均功率因数由0.7提高到0.9,则
S=280/0.9=311<315(kva)
此时变压器可满足需要,不必加容量。
答:1、原有负荷为210kw,功率因数为0.7时,S1为300kva,变压器能满足要求;
2、当负荷为280kw,功率因数仍为0.7时,S2为400kva,变压器不能满足要求;
3、当负荷仍为280kw,将功率因数提高为0.9时,变压器可不增加容量即可满足负荷要求。
一台容量为1000kva的变压器,24h的有功用电量为15360kwh,功率因数为0.85。
试求24h的平均负荷为
P=
=640(kw)
平均使用容量为
S=
=753(kva)
则变压器的利用率为
答:变压器的利用率为75%。
某用户申请用电1000kva,电源电压为10kv,用电点距供电线路最近处约6km,采用50mm2的钢芯铝绞线。计算供电电压是否合格。(线路
数RO=0.211
/km,XO=0.4
/km)
解:额定电压Un=10kv,Sn=1000kva,
L=6km,则线路阻抗为
1000kva变压器的一次额定电流为
In=
=57.74(A)
则电压降为
U=IZ=57.74×2.71=156.48(V)
电压降值占10kv的比例为
U%=
×100%=1.56(%)
答:根据规定,10kv电压降合格标准为±7%,故供电电压合格。
一台三相变压器的电压为6000V,负荷电流为20A,功率因数为0.866。试求其有功功率、无功功率和视在功率。
解:三相变压器的有功功率为
P=
UI
=
×6000×20×0.866=180(kw)
无功功率
Q=
U1I1
=
×6000×20×
=103.8kvar
视在功率
S=
U1I1=
×6000×20=207.8(kva)
答:P为180kw。Q为103.8kvar。S为207.8kva。
一台10kv、1800kva变压器,年负荷最大利用小时为5000h,按电流密度选用多大截面的铝芯电缆比较合适? (铝导线经济电流密度为1.54A/mm2)。
解:已知Un=10kv,Sn=1800kva,T=5000h,
则变压器额定电流为
In=
=104(A)
导线截面为
S=
67.5(mm2)
答:可选用50-70mm2的铝芯电缆。
一条电压为35kv的输电线路,输送最大功率为6300kw,功率因数为0.8,经济电流密度按1.15A/mm2来考虑,使用钢芯铝绞线,其长度为2km。试按经济电流密度求导线截面?
解:已知P=6300kw,
=0.8,
L=2km ,J=1.15A/mm2,
则视在电流值为
导线截面为
S=
113(mm2)
据此应选用LGJ-95-120型导线。
答:导线截面约为113mm2。
为什么高压负荷开关要与熔断器配合使用?
答:高压负荷开关在10kv系统和简易的配电室中被广泛采用。它虽有灭弧装置,但灭弧能力较小,因此高压负荷开关只能用来切断或接通正常的负荷电流,不能用来切断故障电流。为了保证设备和系统的安全运行,高压负荷开关应与熔断器配合使用,由熔断器起过载和短路保护作用。
通常高压熔断器装在高压负荷开关后面,这样当更换高压熔断器时,只拉开负荷开关,停电后再进行更换是比较安全的。
关注订阅号电力工程技术(china-dianli),更多的电力知识等你来学习!
-
网络工程师软考常用计算公式
2010-09-09 00:17:51网络流量与差错控制技术 最高链路利用率 a:帧计数长度 a可以是传播延迟/发一帧时间 数据速率*线路长度/传播速度/帧长 数据速率*传播延迟/帧长 停等协议最高链路利用率E=1/(2a+1) W:窗口大小 滑动... -
Erlang B型公式计算呼损概率
2020-01-15 21:22:3128个人共用4部电话️,与7个人共用1部电话️相比,电话的利用率提高了多少?或每个人能够顺利用上电话的概率提高了多少?每个人平均3小时用1次电话,每次用时5分钟。对于该问题我们把它转化为阻塞率的计算问题。 ...背景
原由来源于和师兄的对话,如下图。28个人共用4部电话️,与7个人共用1部电话️相比,电话的利用率提高了多少?或每个人能够顺利用上电话的概率提高了多少?每个人平均3小时用1次电话,每次用时5分钟。对于该问题我们把它转化为呼叫损失概率的计算问题。
公式
Erlang B型公适用于M/M/m/m排队系统计算呼叫损失概率,公式参考文献[1].
MATLAB实现
%效率比较-wdl-2020-1-9 %利用爱尔朗B型公式—计算无等待呼叫损失率 % 参考文献 Guoping Zhang,two common properties of the Erlang-B fuction Erlang-C function and % Engset blocking function,2003 % lamda 总体业务到达率 % mu 队列服务速率 % m 队列的数量 % a =lamda/mu % B(a,m)=a^(m)/factorial(m)/(a^(i)/factorial(i),i从0到m的累加和) % 每个人的业务到达率 lamda=1/3;%单位 次/小时 假设每人呼叫业务相互独立 mu=1*60/5;%电话服务速率 1hour/5min %Scene1 28人4部电话 m=4;%电话数量 users=28; lamdaSc=users*lamda; a=lamdaSc/mu; i=0:m; score=a.^(i)./factorial(i); pb1=score(1)/sum(score) %Scene2 7人1部电话 m=1;%电话数量 users=7; lamdaSc=users*lamda; a=lamdaSc/mu; i=0:m; score=a.^(i)./factorial(i); pb2=score(1)/sum(score) reduce=pb2-pb1 %呼损概率减小量
结论 呼损概率减少了37.72%,呼损概率减小量既是利用率提高量。
参考文献
[1] Guoping Zhang,two common properties of the Erlang-B fuction Erlang-C function and Engset blocking function,2003 -
基于GPR波速标定方法西部砂壤介质含水率精确计算研究
2020-07-25 07:05:46传统的运用探地雷达(GPR)技术计算土壤体积含水率一般基于经典的 Topp 公式,但往往计算值的准确性与实测数值误差较大,且难以满足不同地质条件下的土壤体积含水率计算精度。为解决这一问题,采用探地雷达与浅层... -
基于matlab的正弦稳态电路功率的分析_正弦稳态电路平均功率公式
2020-04-19 20:55:05前言 在电工和无线电技术等领域中存在着许多周期性的正弦 非正弦电压 电流 或信号对 于非正弦电压 电流 或信号可利用傅里叶变换将周期性时间函数分解为许多不同频 率和幅值的正弦时间函数之和然后应用叠加定理对每一... -
TensorFlow学习笔记 - 滑动平均
2019-07-16 18:36:40滑动平均:记录了一段时间内模型中所有参数 w 和 b 各自的平均值。利用滑动平均值可以增强模 型的泛化能力。滑动平均值(影子)计算公式: 影子 = 衰减率 * 影子 +(1 - 衰减率)* 参数 其中,衰减率 =滑动平均:记录了一段时间内模型中所有参数 w 和 b 各自的平均值。利用滑动平均值可以增强模
型的泛化能力。
滑动平均值(影子)计算公式:
影子 = 衰减率 * 影子 +(1 - 衰减率)* 参数其中,衰减率 = ???{??????????????????, ?+ 轮数 /??+ 轮数 },影子初值=参数初值 .
用 Tesnsorflow 函数表示为:ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY,global_step)
其中,MOVING_AVERAGE_DECAY 表示滑动平均衰减率,一般会赋接近 1 的值,global_step 表示当前
训练了多少轮。ema_op = ema.apply(tf.trainable_variables())
其中,ema.apply()函数实现对括号内参数求滑动平均,tf.trainable_variables()函数实现把所有
待训练参数汇总为列表。with tf.control_dependencies([train_step, ema_op]): train_op = tf.no_op(name='train')
其中,该函数实现将滑动平均和训练过程同步运行。
查看模型中参数的平均值,可以用 ema.average()函数。例如:
在神经网络模型中,将 MOVING_AVERAGE_DECAY 设置为 0.99,参数 w1 设置为 0,w1 的滑动平均值设
置为 0。
①开始时,轮数 global_step 设置为 0,参数 w1 更新为 1,则 w1 的滑动平均值为:
w1 滑动平均值=min(0.99,1/10)*0+(1– min(0.99,1/10)*1 = 0.9
② 当轮数 global_step 设置为 100 时,参数 w1 更新为 10,以下代码 global_step 保持为 100,每
次执行滑动平均操作影子值更新,则滑动平均值变为:
w1 滑动平均值=min(0.99,101/110)*0.9+(1– min(0.99,101/110)*10 = 0.826+0.818=1.644
③再次运行,参数 w1 更新为 1.644,则滑动平均值变为:
w1 滑动平均值=min(0.99,101/110)*1.644+(1– min(0.99,101/110)*10 = 2.328
④再次运行,参数 w1 更新为 2.328,则滑动平均值:
w1 滑动平均值=2.956# -*- coding: utf-8 -*- """ Created on Sun Jun 16 20:51:09 2019 @author: 汉森 """ #coding:utf-8 import tensorflow as tf #1. 定义变量及滑动平均类 #定义一个32位浮点变量,初始值为0.0 这个代码就是不断更新w1参数,优化w1参数,滑动平均做了个w1的影子 w1 = tf.Variable(0, dtype=tf.float32) #定义num_updates(NN的迭代轮数),初始值为0,不可被优化(训练),这个参数不训练 global_step = tf.Variable(0, trainable=False) #实例化滑动平均类,给衰减率为0.99,当前轮数global_step MOVING_AVERAGE_DECAY = 0.99 ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global_step) #ema.apply后的括号里是更新列表,每次运行sess.run(ema_op)时,对更新列表中的元素求滑动平均值。 #在实际应用中会使用tf.trainable_variables()自动将所有待训练的参数汇总为列表 #ema_op = ema.apply([w1]) ema_op = ema.apply(tf.trainable_variables()) #2. 查看不同迭代中变量取值的变化。 with tf.Session() as sess: # 初始化 init_op = tf.global_variables_initializer() sess.run(init_op) #用ema.average(w1)获取w1滑动平均值 (要运行多个节点,作为列表中的元素列出,写在sess.run中) #打印出当前参数w1和w1滑动平均值 print("current global_step:", sess.run(global_step)) print("current w1", sess.run([w1, ema.average(w1)]) ) # 参数w1的值赋为1 sess.run(tf.assign(w1, 1)) sess.run(ema_op) print("current global_step:", sess.run(global_step)) print("current w1", sess.run([w1, ema.average(w1)]) ) # 更新global_step和w1的值,模拟出轮数为100时,参数w1变为10, 以下代码global_step保持为100,每次执行滑动平均操作,影子值会更新 sess.run(tf.assign(global_step, 100)) sess.run(tf.assign(w1, 10)) sess.run(ema_op) print ("current global_step:", sess.run(global_step)) print ("current w1:", sess.run([w1, ema.average(w1)])) # 每次sess.run会更新一次w1的滑动平均值 sess.run(ema_op) print("current global_step:" , sess.run(global_step) ) print("current w1:", sess.run([w1, ema.average(w1)]) ) sess.run(ema_op) print("current global_step:" , sess.run(global_step) ) print("current w1:", sess.run([w1, ema.average(w1)])) sess.run(ema_op) print("current global_step:" , sess.run(global_step) ) print("current w1:", sess.run([w1, ema.average(w1)]) ) sess.run(ema_op) print("current global_step:" , sess.run(global_step) ) print ("current w1:", sess.run([w1, ema.average(w1)]) ) sess.run(ema_op) print("current global_step:" , sess.run(global_step) ) print("current w1:", sess.run([w1, ema.average(w1)]) ) sess.run(ema_op) print("current global_step:" , sess.run(global_step) ) print("current w1:", sess.run([w1, ema.average(w1)]) ) #更改MOVING_AVERAGE_DECAY 为 0.1 看影子追随速度 """ current global_step: 0 current w1 [0.0, 0.0] current global_step: 0 current w1 [1.0, 0.9] current global_step: 100 current w1: [10.0, 1.6445453] current global_step: 100 current w1: [10.0, 2.3281732] current global_step: 100 current w1: [10.0, 2.955868] current global_step: 100 current w1: [10.0, 3.532206] current global_step: 100 current w1: [10.0, 4.061389] current global_step: 100 current w1: [10.0, 4.547275] current global_step: 100 current w1: [10.0, 4.9934072] """
从运行结果可知,最初参数 w1 和滑动平均值都是 0;参数 w1 设定为 1 后,滑动平均值变为 0.9;
当迭代轮数更新为 100 轮时,参数 w1 更新为 10 后,滑动平均值变为 1.644。随后每执行一次,参数
w1 的滑动平均值都向参数 w1 靠近。可见,滑动平均追随参数的变化而变化。 -
tensorflow框架基础——滑动平均
2019-03-19 00:04:201.滑动平均 记录了一段时间神经模型中所有参数的平均值,针对所有参数...2.滑动平均值计算公式 影子值 = 衰减率 * 影子 + (1 - 衰减率)*参数 衰减率 = min{MOVING_AVERAGE_DECAY,} 影子初值等于参数初值 ...1.滑动平均
记录了一段时间神经模型中所有参数的平均值,针对所有参数进行优化:w和b。利用滑动平均可以增强模型的泛化能力,也就是对新鲜样本的适应能力。滑动平均值也叫影子值。
2.滑动平均值计算公式
影子值 = 衰减率 * 影子 + (1 - 衰减率)*参数
- 衰减率 = min{MOVING_AVERAGE_DECAY,
}
- 影子初值等于参数初值
3.tensorflow函数
Tensorflow中用tf.train.ExponentialMovingAverage()定义滑动平均模型的类。
ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY,global_step)
- MOVING_AVERAGE_DECAY:是一个超参数,滑动平均衰减率;
- global_step:记录了当前训练了多少轮,为不可训练参数。
ema_op = ema.apply(tf.trainable_variables())
- ema.apply()函数实现对括号内参数就滑动平均;
- tf.trainable_variables()函数实现把所有待训练参数汇总为列表。
with tf.control_dependencies([train_step,ema_op]):
train_op = tf.no_op(name = 'train')
- 实现将滑动平均和训练过程同步运行;
- 若要查看参数的平均值,使用ema.average(参数名)函数。
Example:
#coding:utf-8 import tensorflow as tf MOVING_AVERAGE_DECAY = 0.99 #滑动平均衰减率 w = tf.Variable(0,dtype=tf.float32) global_step = tf.Variable(0,trainable=False) ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY,global_step) ema_op = ema.apply(tf.trainable_variables()) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) #初始值,w等于0 print sess.run([w,ema.average(w)]) #1.刚开始,global_step值为0,w为1,根据公式更新为0.9 sess.run(tf.assign(w,1)) sess.run(ema_op) print sess.run([w,ema.average(w)]) #2.修改global_step值为10,w为2,根据公式更新为1.395 sess.run(tf.assign(w,2)) sess.run(tf.assign(global_step,10)) sess.run(ema_op) print sess.run([w,ema.average(w)]) #再次执行滑动平均 sess.run(ema_op) print sess.run([w,ema.average(w)])
Output:
[0.0, 0.0]
[1.0, 0.9]
[2.0, 1.395]
[2.0, 1.6672499]
第二行的更新公式为:
min(0.99,1/10)*0 + (1-min(0.99,1/10)*1)=0.9
第三行的更新公式为:
min(0.99,11/20)*0.9 + (1-min(0.99,11/20)*2)=1.395
还是可以观察到,滑动平均值的变化趋势还是随着参数的变化而变化,但是速度更慢,逐渐趋于参数,就像一个影子一样,慢慢跟着的感觉。
- 衰减率 = min{MOVING_AVERAGE_DECAY,
-
CAPM模型计算
2016-09-19 14:08:09利用资本资产定价模型计算该公司的股票成本。 CAPM定价模型的公式 R=Rf+β(Rm-Rf) 答案:R=Rf+β(Rm-Rf)=5%+2*(10%-5%)=15% 注意:Rm表示市场上所有股票的平均报酬率。 R表示单个股票的期望报酬率(即该股票... -
神经网络优化--滑动平均
2020-02-10 09:51:10滑动平均值(影子)计算公式: 影子 = 衰减率 * 影子 + (1 - 衰减率) * 参数 其中,影子初值 = 参数初值 用Tensorflow函数表示为: ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY,global_s... -
EXCEL函数公式集
2010-03-16 03:26:38如何利用公式将数值转为百分比格式 比高得分公式 自动评定奖级 对带有单位的数据如何进行求和 对a列动态求和 动态求和公式 列的跳跃求和 有规律的隔行求和 如何实现奇数行或偶数行求和 单数行求和统计偶数单元格合计... -
TensorFlow笔记之神经网络优化——滑动平均
2018-08-05 09:28:21滑动平均值(影子)计算公式: 影子 = 衰减率 * 影子 + (1 - 衰减率)*参数,其中,衰减率 = ,影子初值 = 参数初值 用TensorFlow函数表示为: √ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECA... -
TensorFlow北大公开课学习笔记-4.3滑动平均
2018-08-16 10:40:40√滑动平均值(影子) 计算公式: 影子 = 衰减率 * 影子 +(1 - 衰减率) * 参数 √用 Tesnsorflow 函数表示为: √ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global... -
神经网络优化-滑动平均与正则化
2018-08-26 10:08:08滑动平均值(影子)计算公式: 影子 = 衰减率 * 影子 +(1 - 衰减率)* 参数 其中,衰减率,影子初值=参数初值 用Tesnsorflow函数表示为: ema =tf.train.ExponentialMovingAverage(MOVING... -
过采样OFDM信号的峰值平均功率比
2009-09-12 20:24:08在过采样条件下,分析了正交频...结果表明:所有的采样点之间能近似满足相互独立同分布的关系,则可以得到此时信号峰值平均功率比概率分布的理论计算公式,并对此公式进行了仿真验证,其理论计算结果和实际仿真结果吻合 -
Excel公式大全操作应用实例(史上最全)
2018-03-06 21:09:38如何利用公式将数值转为百分比格式 比高得分公式 自动评定奖级 对带有单位的数据如何进行求和 对a列动态求和 动态求和公式 列的跳跃求和 有规律的隔行求和 如何实现奇数行或偶数行求和 单数行求和统计偶数单元格合计... -
c++求pai值_求年均增长率-2020年山西公务员考试行测解题技巧
2021-01-16 08:40:16资料分析有这样一种题型,时间跨度比较大(大于2年),然后求这几年的平均增长率。...10%时,利用上述公式计算存在一定的误差。【例1】 2010~2013年,城市居民人均可支配收入年平均增速为( ) A.13.6... -
指令——流水线和吞吐率
2018-10-29 11:37:00解析: (1)吞吐率有个公式:指令条数除以流水线时间 ...各种部件同时处理是针对不同指令而言的,它们可同时为多条指令的不同部分进行工作,以提高各部件的利用率和指令的平均执行速度。概念我们说那么多,我们现... -
强子气体中的有色噪声的电导率和弛豫
2020-05-05 05:40:48受相对论流体动力涨落理论的激励,我们利用Green-Kubo公式计算相互作用的强子气体的电导率和电流的(二阶)弛豫时间。 我们使用最近开发的传输代码粉碎来数值求解实现现实强子相互作用的玻尔兹曼方程组。 特别是,... -
太阳方位角计算程序
2013-07-15 17:42:07太阳高度(h⊙)的计算公式为 sinh⊙=sinδsinφ+cosδcosφcosτ(8) 式中,δ就是太阳赤纬角,即式(5)中的Ed,φ为当地的地理纬度,τ为当时的太阳时角。φ值不难获得,且一旦确定,不会改变。δ值的计算... -
分式的二阶导数怎么求_高考考纲与考向分析——导数的概念与计算
2021-01-02 14:21:04导数的运算(2)能利用下面给出的基本初等函数的导数公式和导数的四则运算法则求简单函数的导数,能求简单的复合函数(仅限于形如f(ax+b)的复合函数)的导数.• 常见基本初等函数的导数公式:• 常用的导数运算法则:... -
《数学要项定理公式证明辞典》作者: [日]笹部贞市郎 译者: 高隆昌 / 王世璠 / 田景黄 / 罗朝杰 出版年: ...
2019-05-25 16:34:421·1 平均变化率和导数 1·2 导数的几何意义 1·3 可导与连续 1·4 左导数和右导数 2.微分法的定理 2·1 基本初等函数的导函 2·2 函数的和、差、数积的微分法 2·3 复合函数的微分法 2·4 函数乘积的微分法 2·5 ... -
《数学要项定理公式证明辞典》 作者: [日]笹部贞市郎 译者: 高隆昌 / 王世璠 / 田景黄 / 罗朝杰 出版年: ...
2019-05-25 16:46:491·1 平均变化率和导数 1·2 导数的几何意义 1·3 可导与连续 1·4 左导数和右导数 2.微分法的定理 2·1 基本初等函数的导函 2·2 函数的和、差、数积的微分法 2·3 复合函数的微分法 2·4 函数乘积的微分法 2·5 ... -
计算机二级C语言考试题预测
2010-06-08 18:29:34(13) 设一棵完全二叉树共有699个结点,则在该二叉树中的叶子结点数为(B) 注:利用公式n=n0+n1+n2、n0=n2+1和完全二叉数的特点可求出 A. 349 B. 350 C. 255 D. 351 (14) 结构化程序设计主要强调的是(B) A.程序的规模 ... -
理财知识
2019-04-20 11:08:28计算公式:净资产收益率=税后净利润/平均所有者权益 指标含义:衡量了公司股东投资的资产所实现的回报,回报越高,说明公司对资金利用和管理越高效 2、市净率(PB) 计算公式:市净率=股价/每股净资产 指标含义... -
如何进行库存管理?
2019-02-20 15:48:00库存周转率计算公式 存货周转率=期间内的发出总额/期间内的平均库存 周转天数则反之=期间内的日平均库存/期间内的日发出总额 从公式中可以看出存货周转率是用来衡量一个期间内存货能周转几次,数值越大,... -
ERP知识普及连载(23)
2007-08-26 11:43:20其计算公式如下: 决定销售成长率极为简单,例如“明年的销售收入额,要达到今年的120%”,此时,就不需任何计算了,使用上述的数值即可。但若想求精密的成长率,尤其是利用趋势分析法测下年度的成长率,就须自过去... -
基于FPGA的自适应频谱分析优化算法的研究
2021-01-12 22:43:50使用迭代优化的思路计算出误差信号均方值的曲面梯度,根据梯度值得到滤波优化计算公式,通过研究确定信号滤波算法时域结果、频域结果,同时获取不确定信号滤波算法时域结果、频域结果。将自适应频谱看成一个有限的长... -
煤岩应力敏感性的有限元数值模拟
2020-07-13 20:19:35参照砂岩应力敏感实验程序,对不同围压下煤岩渗透率变化规律的实验研究发现,渗透率拟合公式计算值与实验实测值变化趋势一致,部分煤样渗透率实验值与预测值平均误差小于10%,拟合精度高。研究结果对预测实际煤岩的渗透... -
基于分组的多级随机数RFID标签并行识别算法
2020-06-20 19:46:02结果表明,所提算法可以有效地将部分非成功时隙转化为成功时隙,提高了标签识别率、标签识别速度和时隙利用率:平均识别率均在70%以上,最高可达76.77%;标签识别速度较单随机数的算法提高了66%;时隙利用率达51.02%,约为... -
软件设计师——流水线
2019-05-11 22:09:27各种部件同时处理是针对不同指令而言的,它们可以同时为多条指令的不同部分进行工作,以提高各部件的利用率和指令的平均执行速度。 【流水线周期】:执行时间最长的一段 【流水线的计算公式】:1条指令执行时间 ...
-
产品经理的情报收集与分析.pdf
-
网上行销原则.txt
-
MySQL 事务和锁
-
智能停车场云平台(附vue+SpringBoot前后端项目源码)
-
基于python的dango框架购物商城毕业设计毕设源代码使用教程
-
pytorch dataloader食用指南,附上个人使用代码
-
华为1+X认证——网络系统建设与运维(初级)
-
各种格式测试视频(.avi.wmv.mkv.mp4.mov.rm)
-
MySQL Router 实现高可用、负载均衡、读写分离
-
21-02-28冒泡,快排,选择,
-
FTP 文件传输服务
-
小议ReLU激活函数
-
神奇的PR——商用公关手册.zip
-
编程基础概念4
-
基于电商业务的全链路数据中台落地方案(全渠道、全环节、全流程)
-
核心服务-注册中心
-
MySQL 性能优化(思路拓展及实操)
-
FPGA入门学习路线.pdf
-
【Python-随到随学】 FLask第一周
-
【布道者】Linux极速入门