西安建筑科技大学优秀毕业设计(论文)摘要撰写格式(1).doc
上传人:sy****28 上传时间:2024-09-12 格式:DOC 页数:7 大小:421KB 金币:16 举报 版权申诉
预览加载中,请您耐心等待几秒...

西安建筑科技大学优秀毕业设计(论文)摘要撰写格式(1).doc

西安建筑科技大学优秀毕业设计(论文)摘要撰写格式(1).doc

预览

在线预览结束,喜欢就下载吧,查找使用更方便

16 金币

下载此文档

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

附件1西安建筑科技大学优秀毕业设计(论文)摘要撰写格式优秀毕业设计(论文)应包含的内容有:毕业设计(论文)的题目、学生姓名、指导教师姓名、专业名称、中英文摘要及关键词、参考文献等内容。中文摘要的字数应控制在200~300字之间,英文摘要不超过250个实词。关键词应控制在3~5个。中文关键词之间用“;”隔开,英文关键词之间用“,”隔开。摘要及关键词应是全篇论文内容的提炼、浓缩,请指导教师仔细审查内容,保证质量及其准确性。论文中的一级标题、二级标题、三级标题一律采用阿拉伯数字分别依序连续编排序号。而不采用第一章、第二章……或者一、二……之类的格式。若还需使用子标题,请用(1)(2)……。正确格式:11.11.1.1(1)(2)……论文中的图、表、公式等一律采用阿拉伯数字分别依序连续编排序号。可以分别为:图1、表2、式(5)等。优秀毕业设计(论文)应控制在7页以内(以A4纸为准)。具体要求格式如下:(1)论文标题:宋体小二2倍行距论文副标题:宋体小四加粗(2)学生姓名、指导教师姓名:宋体小四行距:固定值21磅院(系)名称、专业名称:宋体小四(3)中文摘要、关键词:宋体小五行距:固定值15磅英文摘要、关键词:TimesNewRoman小五(4)一级标题:宋体小四;二级标题:宋体五号加粗。标题行距:固定值25磅。(5)正文内容:宋体五号,行距:固定值15磅。(6)图标:宋体五号(7)表名:黑体五号(8)公式的序号靠右端对齐。(9)参考文献按标准规范要求,标明出版社、作者、出版时间等;且必须一一罗列出来,而不能用“……”代替;参考文献的序号一律用[1][2]……标明。参考文献:黑体五号加粗,居中,段前2行。参考文献内容:宋体小五,行距:固定值15磅。(10)页边距:上2.54cm,下2.54cm,左3.17cm,右3.17cm。附件2基于Matlab的神经网络在工业用水量预测方面的探讨学生姓名:谭春指导教师:高湘(环境与市政工程学院给水排水专业)【摘要】:工业用水量预测对工业企业的规划、运行具有非常重要的作用。本文利用陕西某纺织企业10年的工业用水量时间序列记录资料作为训练样本,基于Matlab6.1NNTool中的Bayesian正则化法建立陕西地区纺织企业工业用水量预测模型。结果表明,由Bayesian法建立的BP网络能较好地反映了纺织企业用水量规律。【关键词】:工业用水量;Bayesian正则化;BP网络;时间序列【Abstract】:Thepredictiveamountofwaterisveryimportanttotheprogramandoptionoftheindustrialenterprise.Thisreferenceconcentrateoftheindexesoftimeseriesfortheamountofwaterasstudyingsample,whichisintextilebusinessenterpriseinShanxiprovince.BasedontheBayesianregularizationalgorithmfromMatlab6.1NNTool,itestablishthemodeltheamountofwaterintextilebusinessenterpriseinShanxiprovince.Theresultshows,thenetworkofBPwhichissetupbyBayesianalgorithmgreatlyreflectstheregulationamountofwaterforthetextilebusinessenterprise.【Keywords】:Theamountofwaterfortheindustrialenterprise,Bayesianregularizationalgorithm,BPnetwork,Timesequence1引言城市工业用水量在城市总用水量中占有较大比例,其预测的准确度对城市规划中的重大工业项目选址、工业结构调整及城市工业政策制定等具有重要影响。同时,企业掌握未来用水量的需求,对水污染的防御和控制有方向性的指导作用,有助于企业开展节约用水工作,为优化改建提供最必要的资料。由于影响工业企业用水量的因素很多,各因素与用水量之间呈现复杂的非线性关系,因而要将各种因素归于同一回归方程是相当困难的,而且样本序列不可避免的含有噪声。传统的统计模式加经验指标的数据处理方法已不能较好的解决这一问题。近几年来,人工神经网络(ArtificialNeuralNetwork,以下简称ANN)广泛应用于目前的水资源