化学模型

摘要： 从化学模型的教学功能出发,提出了基于问题驱动建构化学模型的教学模式,阐释了其内涵和意义,以“建构水解模型”为例,设计并实施了教学案例,对教学实践进行了总结和反思。

摘要： 目前,对模型内涵研究的重点多强调模型是原®的表征,把高中化学中的化学模型按模型的表征方式划分为符号模型、图表模型、数学模型等。但是过于关注模型的具体形式,而忽略模型产生的过程,对模型教学的指导意义并不大。从认识论来讲,模型是原型经过抽象,舍去无关的因素,保留本质而产生的,不同的研究目的和要求使模型的抽象程度也有所不同[1]。

摘要： 模型与建模教学是基于建构主义理论的有效教学方法之一,而"模型认知"素养是新课程标准提出的素养要求.文章通过探讨模型与建模教学在"化学能转化为电能"中的应用,重点分析了模型建构的一般过程,提升了学生把握化学现象本质的能力和解决问题的能力,同时也提升了学生"模型认知"的学科素养.

摘要： 培养学生微粒观是初中化学教学的主要任务之一,对促进学生形成化学基本观念起关键作用.初中化学教学中可利用化学模型将抽象的微观知识形象化、直观化,帮助学生建立起对宏观物质的微粒性认识,形成对物质性质及其变化的微观认识,以此培养学生的微粒观.

摘要： 化学学科运用模型法可以模拟与表征物质结构、抽象与建立化学理论、解释与揭示化学反应机理、预测和寻找元素与物质等.在中学化学教学中,教师一定要帮助学生客观认识化学模型与原型的关系,准确把握模型的动态发展过程,努力提升学生的化学模型认知能力.

摘要： “证据推理与模型认知”是化学学科五大核心素养之一,“模型认知”对化学学习具有关键作用。依据化学课程标准的描述和文献研究结果,将化学模型分为概念模型、结构模型、过程模型、数学模型、复杂模型5类,将“模型认知”素养划分为模型识别、模型应用、模型分析、模型建构4个维度,并由低到高构建“模型认知”素养4个水平的评估框架。基于该框架分析试题可以发现:3套全国卷在“模型认知”素养考查中对5类化学模型的考查比重虽各有不同,但试题考查内容较为一致,命题形式丰富多样;化学试题“模型认知”素养各维度考查水平有差异,侧重对模型运用、分析维度的考查。这提示未来高考化学命题可以多种化学模型为载体,创新试题形式;在试题情境的创设中做到学科融合,发挥模型作为跨学科概念的作用;紧扣“模型认知”素养4个维度内涵,合理控制试题水平要求。

摘要： 人教版教材(2019年版)大量采用了各种认知程度不同的化学模型,本文以2019版人教版化学必修第一册(以下简称教材)中的氧化还原反应的教学为例,来说明不同认知水平的模型教学。

摘要： 一、问题的提出1.“证据推理与模型认知”的内涵分析证据推理是基于化学基础知识开展的,即对所研究的化学问题的可能性推理。模型认知是基于证据推理获得的物质及其变化建立化学模型,并运用化学模型获得变化规律。“证据推理与模型认知”是化学核心素养的5个维度之一,也是化学核心素养的思维核心。

摘要： 化学学科的学习需要学生具有较强的实践能力,以及抽象性、逻辑性思维,在教学过程中,学校应设计科学的教学方 式,以提高学生化学学习的效果。在对于化学中多数抽象的知识,学生们在学习时较难接受、掌握,利用模型建构教学模式,能 够更直观将各种化学事物以图形、文字和模型的方式展现出来,教师通过将各种理论、化学物质等进行模型建构,对其分解教学, 有利于学生理解、吸收,掌握问题本质,进而加强应用能力。

摘要： 模型要素的理解和应用能帮助学生学习和建构化学模型.在分析梳理"组成结构"模型、"作用力"模型、"变化规律"模型和"状态"模型要素的基础上,归纳出自上而下式与自下而上式两种要素识别方式,进而提出"合理选择要素识别方式""明晰要素表示方式""引导学生亲历要素识别及生成的思维活动"和"要素多维表征"等模型要素的生成策略,以原电池模型、原子结构示意图和电离理论模型等例子阐明策略的具体应用.

摘要： 本说明书实施例提供了一种基于强化学习模型对多个分类模型进行融合的方法和装置，其中每个分类模型针对第一对象输出基于多个预定类别进行分类的分类结果，所述方法包括：获取第一状态信息，所述第一状态信息包括所述多个分类模型各自的对所述第一对象的分类结果、以及当前强化学习模型对于所述多个预定类别中每个类别的分类准确率；将所述第一状态信息输入所述强化学习模型；通过所述强化学习模型从所述多个预定类别中确定所述第一对象的类别。

摘要： 一种工件的化学机械研磨系统、演算系统、及化学机械研磨的模拟模型的制作方法。本发明关于依据化学机械研磨的实测资料，将化学机械研磨的模拟模型最佳化的网络实体系统(CyberPhysicalSystem)。化学机械研磨系统具备：研磨工件(W)的研磨装置(1)；及演算系统(47)。演算系统(47)具有至少包含输出包含研磨工件(W)的推定研磨率的推定研磨物理量的物理模型的模拟模型。演算系统(47)构成为：将研磨工件(W)的研磨条件输入模拟模型，并从模拟模型输出研磨工件(W)的推定研磨物理量，决定使推定研磨物理量接近研磨工件(W)的实测研磨物理量的模拟模型的模型参数。

摘要： 本公开涉及一种电化学装置退化模型确定方法、电化学装置退化预测方法。该方法包括：获取待预测电化学装置在变工况状态下的实时运行数据，实时运行数据包括第一运行参数的第一数值以及第二运行参数的第二数值；根据第二数值以及电化学装置模型，确定待预测电化学装置的退化指标的第三数值，根据第一数值以及第三数值，对初始的退化模型进行训练，得到训练后的退化模型，电化学装置包括电池和/或电解池。本公开实施例的电化学装置退化模型的确定方法，能够训练得到退化模型，该退化模型能够对待预测电化学装置的退化信息进行准确预测。

摘要： 本发明公开了一种化学教学用分子结构及化学键分类组装模型，包括原子模型和化学键模型，所述原子模型由弹性橡胶制成，并以颜色和半径的不同区分原子种类，所述原子模型表面均匀设有若干插孔；所述化学键模型包括σ键模型和π键模型，所述σ键模型模型由硬质塑料材料制成，所述π键模型由弹性橡胶材料制成，所述化学键模型均为棒状构型且两端设有插头，所述化学键模型中间设有断点，断点处通过软胶套连接，所述短点用于演示化学反应中化学键的断键重连过程。本发明可用于化学教学中对分子机构及化学反应过程的演示，使教学更加直观清晰，有利于学生对化学反应原理及过程的深入理解，提高了教学效果。

摘要： 本发明提供一种使用深度强化学习模型进行油藏最优注采方案预测模型及其预测方法，仿真水驱油藏模型，用于拟合真实生产环境的历史数据，从而仿真实际的生产环境供智能体模型学习；水驱注采方案优化模型，用于与仿真水驱油藏模型和智能体模型进行交互，进而实现对智能体模型进行优化的目的；智能体模型，用于根据当前的生产状态来设计相应的注采方案，并根据水驱注采方案优化模型反馈的奖励值来不断优化，从而输出最优的注采方案；注采指标迁移优化方案模型，用于提高仿真水驱油藏模型预测结果的准确性。本发明利用通过训练得到的模型来对未来的油田生产提供最优注采方案，从而达到产油最大化。

摘要： 本发明提供了一种基于电化学机理的动力锂离子电池老化模型构建方法，其中推导了锂离子电池老化模型，包括老化方程以及老化表征量。本发明可以准确的表达电池老化状态并可预估电池寿命，模型通过数学处理和代码转换可以完全适用于实车应用环境，并且模型不会增加车载电池管理系统额外的计算量，且模型精度高。

摘要： 本发明公开了一种智能车辆神经网络动力学模型、强化学习网络模型及其自动驾驶训练方法，利用神经网络动力学模型和车辆平面映射关系来模拟自动驾驶汽车在区域分割鸟瞰图上实时的运动变化。采用神经网络作为动力学模型更加贴合实车的动力学特性，减小了普通单轨模型误差较大的问题。利用区域分割鸟瞰图Φ作为自动驾驶强化学习训练的状态量，减小了仿真训练和实车二次训练的状态量之间的差异，避免了仿真训练与实车二次训练之间因状态量差异带来的冲突；设计了一种贴合真实场景的强化学习自动驾驶策略仿真训练框架，预训练的强化学习网络RL‑net能较自然的迁移到实车的二次训练中，解决了直接将强化学习应用实车训练时前期可能会发生的碰撞事故的问题。

摘要： 本发明公开了一种基于强化学习的机器学习模型预测时机估计模型，首先采集一组时间序列数据输入到LSTM模型中，得到预测结果；然后将预测结果和时间序列数据同时输入到强化学习模型中，采用两次预测结果交叉熵的差值作为强化学习的奖励函数，得到强化学习模型的决策；最后根据决策数值判断预测结果是否准确，如果不准确，读取下一时刻数据与前述的时间序列数据组合形成新的时间序列数据输入到LSTM模型中进行下一轮的预测，循环进行预测操作。

摘要： 本发明实施例提供一种基于电化学理论和等效电路模型的电池模型及其构建方法，该方法包括：采用一阶RC等效电路模型作为电池模型的拓扑；利用改进、简化后的Nernst方程、Arrhenius方程及Bulter‑Volmer方程来分别描述温度对拓扑中受控电压源的影响、温度对第二电阻的影响、以及温度和倍率对极化电阻的影响。本发明实施例得到适用于宽温度范围、宽倍率范围的电池模型；解决了传统等效电路模型对于参数的温度敏感性和倍率敏感性描述缺乏理论依据，导致温度和倍率变化时模型误差较大的问题，为电池在温度、倍率多变的环境中的应用提供了依据，既能适应温度和倍率变化又能兼顾模型精度和模型计算开支。

摘要： 本发明涉及一种电化学‑热耦合模型和基于模型的大容量锂电池仿真方法，方法包括：建立锂离子电池的电池模型；基于锂离子电池电化学原理，构建锂离子电池的电化学方程和电化学产热方程，并根据电化学方程和电化学产热方程构建锂离子电池电化学模型；根据传热原理和设定的锂离子电池使用场景，构建锂离子电池的散热方程和传热方程，并根据散热方程和传热方程构建锂离子电池热模型；耦合锂离子电池电化学模型和锂离子电池热模型，得到电化学‑热耦合模型并进行仿真，得到仿真结果数据，并根据仿真结果数据验证模型精度；当验证精度达到标准时，根据预测需求调整电池几何尺寸和电池总容量，进行同等工艺电池容量放大后的性能预测。