常见化学计算方法范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇常见化学计算方法范例，将为您的写作提供有力的支持和灵感！

篇1

在电池电量的计量技术上，常见的方法有4种，但并不是不同品牌本本的电池只采用其中一种方法计算电量，通常都是综合几种方法使用，以其中一种为主要计算方法，其余辅助计算的方式实现电量计算、管理。第一种是开路电压测量法，这种方法是通过测量电池在静止状态下的电压数值来计算电池的剩余容量，不过由于锂离子电池的静止时电压与剩余容量间的关系属于非线性，因此这种方法的测量值并不准确，绝大部分手机电池都采用这种计算方法；第二种叫库仑计算法，该方法是通过测量电池充电和放电的电流，将电流值与时间值的乘积进行积分后计算得到电池所充进的电量和所放出的电量，库仑计算法是一种较为精确的电量计算方法；第三种是阻抗测量法，它通过测量电池内阻值得到电池的剩余容量值；第四种是综合查表法，通过设置一个相关表，将电压、电流、温度等参数输入，就可以查询得到电池的剩余容量。

篇2

关键词：麻棉；d值；定量

用化学溶解法对纺织品的纤维含量进行定量分析，计算检验结果时要用到各种纤维的质量变化修正系数（d值），在GB/T 2910—2009《纺织品 定量化学分析》及其他常用的纺织纤维定量标准中，对常见纤维的d值都有明确的规定。但标准中所规定的d值都是某种纤维单独使用的d值，在日常的检验中，有时需要的是两种纤维作为一个整体的d值。比如麻棉与其他纤维混纺的情况，由于麻、棉的定量目前还没有有效的化学定量方法，只能先将其作为一个整体与其他纤维进行溶解分离，再结合麻棉的物理法结果得出最终的检验结果。计算过程涉及麻棉作为整体时的d值，这在相关标准中并没有详细说明。本文主要目的就是研究将纤维的标准d值与几种纤维作为整体时的方法。 2.1 方法

如前言所说的，日常检验中所面临的问题是没有有效的方法对麻/棉进行分离，从而导致无法使用麻、棉标准的d值进行计算。为此，本试验人工混合具有代表性的羊毛、粘纤、亚麻、棉纤维作为试验样品，其中的亚麻为散纤维，棉为纱线，以便在溶解羊毛、粘纤后能够用手工拆样法对麻/棉进行分离。这种方法的试验原理完全符合相关的标准，检验过程是理想化的过程，这种方法得到的结果作为标准值。另外，麻棉的d值按照两种常用的方法进行选取，即取相对含量较多的组分的d值和根据相对含量折算后的综合d值，把用这两种d值计算得到的结果与标准值进行比较，找出比较好的麻棉d值选取方案。2.2 样品

按照2.1的方法，人工混合3个羊毛、粘纤、亚麻、棉混合物作为试验样品。其中亚麻/棉大概比例分别为：80/20、50/50、20/80。

2.3 步骤

对每个混合样品采用3种不同的定量、计算方法。

方法A: 采用顺序溶解法与手工分解法[1]相结合。先用碱性次氯酸钠溶液溶解羊毛，洗涤、烘干、称重；再用甲酸/氯化锌溶解粘纤，洗涤、烘干、称重；最后用手工分解法对亚麻、棉进行分离，最终达到定量的目的。进行结果计算时所有的d值都是独立的d值，得到的结果作为标准值。

方法B: 单独采用顺序溶解法，先用碱性次氯酸钠溶液溶解羊毛，洗涤、烘干、称重；再用甲酸/氯化锌溶解粘纤，洗涤、烘干、称重；最后剩余麻棉，将其作为一个整体，并且取相对含量较多的组分的d值作为整体的d值进行计算，最后结合相对含量算出各自的绝对含量，麻棉的相对含量由方法A的结果算出。

篇3

1 从口算训练入手，利用竞赛的形式提高学生的口算兴趣

口算是培养学生计算能力的基础，每个学生都应具备较强的口算能力。因此，在我的数学课堂教学中，我每天利用课堂三分钟时间训练学生的口算能力，以卡片、PPT课件、听算、小黑板视算等形式出示，然后任意抽一组学生，以开火车的形式进行口答，然后由我计时，看该组学生答完十道题一共用了多少时间。于是我一个星期进行一次评比，看哪组学生答对的人数最多，并且答十道题用的时间最少，哪组就为本星期的口算优胜组，并给予优胜组奖励。这样以竞赛的形式进行口算训练，学生们的积极性相当高，口算的兴趣非常高，口算能力也得到了一定的提升，效果非常好。

2 笔算是关键，利用每周十题的训练提高学生的计算正确率

笔算是计算的关键，小学阶段大部分数学题都要求学生通过列竖式的方法进行笔算，因此，这一内容是学生们特别容易出错的，在计算时也特别粗心，因此要通过不断反复练习来提高学生的笔算能力。

3 增强简算意识，提高计算的灵活性

简算是依据算式、数据的不同特点，利用运算定律、性质及数与数之间的特殊关系，使计算的过程简化、简洁的计算方法。简算是培养学生细心观察、认真分析、善于发现事物规律，训练学生思维深刻性、敏锐性、灵活性，提高计算效率，发展计算能力的重要手段。在小学数学里，加法交换律、结合律，乘法交换律、结合律与分配律，是学生进行简算的主要依据。因此，在数学教学中我特别注意帮助学生深刻理解与熟练掌握这五条运算定律，及一些常用的简便计算方法，并经常组织学生进行不同形式的简算练习，让学生在计算实践中体验简算的意义、作用与必要性，强化学生自觉运用简算方法的意识，提高学生计算的灵活性和正确率。

4 培养学生的估算能力，强化估算意识

篇4

1 初中学生计算能力低原因分析

1.1 没有养成良好的学习习惯。特别是在考试期间，时间紧迫，精神过于紧张，更容易犯类似的错误。分析原因，没有养成良好的学习习惯是重要诱因。培养学生良好学习习惯是素质教育的要求，也是提高计算能力的重要前提。

1.2 小学基础不扎实。计算能力的培养应该从小学开始，也是小学数学教育的重要任务，但是在目前九年义务教育的背景下多数学生没能完成应该达到的计算要求，到中学里再来培养计算能力有一定的困难。一方面是很难有时间进行专门训练，第二学生多年积累下的问题，不是一下就可解决的，它需要相当长的时间，正所谓积重难返。

1.3 不重视计算能力。计算是学习数学学科的基石，掌握了计算，对初中后期物理、化学等学科的学习也大有裨益。在后期高中、大学、以及后期的研究过程中，都需要大量的计算。如果学生数学成绩不好，往往其物理、化学等科目的成绩也不理想。但学生都不能意识到这些问题的严重性。

1.4 电子计算器的泛滥。由于时代的进步，电子计算器日益普及，在中学学生中广泛使用，学生对计算口诀、纸张演算的能力逐步退化，使得在部分不允许使用计算器的场合（如考试），计算能力不足的缺点日益凸显。

2 提高计算能力的措施

教学，是一个教师和学生互动的课题，需要教师和学习的共同努力。提高计算能力在教师方面需要注意以下几点：

2.1 做好必要的引导与示范。在教学中，教师要做好必要的引导与示范，注重计算方法研究，计算方法的不恰当也影响着计算的准确性，选择最佳的计算方法，可以减少不必要的环节，起到事半功倍的效果；正确方法的选择取决于科学的分析和思考，所以要培养学生科学有效的思考方法，因为科学有效的思考方法可节省时间，提高准确率。训练时，要让学生看题目，想算法，选择正确的计算方法，做完后，让学生交流自己的思维过程，教师给予及时的纠正和补充，从而让学生学会科学的计算方法。

2.2 做好示范，言传身教。教师是学生的榜样，在课堂上，日常的板书符合规范，做到既言传又身教。讲评、作业和试卷批改等都要做好学生的表率，要求学生做到的老师一定要首先做到。

2.3 提高学生的兴趣。计算是枯燥的，如何提高学生参入的积极性，也是提高计算能力的一个重要问题。学生计算水平的提高不可能一蹴而就，因此加强平时的训练是十分有必要的。为了提高学生的计算能力，可以安排“天天练”，每天2～3道题，适当减少课后作业，防止作业和练习的题目过多，出现计算疲劳，计算失误过多。

练习题的设计要精心到位，要注意横向知识与纵向知识的对比，切忌遗漏知识点，要以点带面培养学生触类旁通的能力和新旧知识的联系。

2.4 经常鼓励，持之以恒。养成良好的计算习惯不是一朝一夕的事，需要一个较长过程，要使严格要求能够坚持下去，还必须经常激励学生，使他们对教师的严格要求给予认同，并对执行计算规范保持持久的兴趣，这样才能逐渐形成习惯。

同时不断的强调计算能力的重要性，使学生意识到计算能力不提高，在今后的学习中仍旧会遇到困难。

篇5

中图分类号：Q949；G354.4 文献标识码：A 文章编号：0439-8114（2017）07-1356-03

DOI：10.14088/ki.issn0439-8114.2017.07.040

Research on Algorithm for Calculating Word Similarity in the Field of Endemic Genera of Seed Plants in Yunnan

LU Guo-quan，PENG Lin，PANG Xue

（Key Laboratory of Agricultural Information Technology in Yunnan，Yunnan Agricultural University，Kunming 650201，China）

Abstract：An improved word similarity algorithm put forward based on cilin combined with the knowledge of the endemic genera of seed plants in Yunnan supplement the words about this field. Experiment results illustrate that this improved algorithm for calculating word similarity based on “cilin” is more precise than general algorithm for calculating word similarity based on “cilin” and recall has been significantly improved. Therefore，this improved algorithm is more suitable for the semantic retrieval system in the field of endemic genera of seed plants in Yunnan.

Key words：cilin；algorithm for calculating word similarity；Yunnan；seed plants；endemic genera

词语语义相似度来源于计算机语言学等领域，它可以度量术语、词汇、概念之间的相似程度，被看作概念在分类上的相似程度[1]。词语语义相似度的计算在语义检索、自动问答、文本聚类等应用中起着重要作用[2-4]。传统的检索方式仍基于关键字匹配和倒排索引[5]，几乎没有任何语义功能。通常，传统检索方式不能理解用户的查询意图，一旦用户输入不准确的查询词就会得到许多不相关的结果。将词语语义相似度计算引入检索系统后，检索系统便具备了语义功能，就算用户输入模糊的查询词，检索系统也能检索出用户所关心的信息。

目前，对于词语语义相似度的计算方法主要集中在以下几方面：①基于y计的方法，假设语义词语相似的词语之间具有相同的上下文关系，以上下文信息的概率分布作为依据，利用词语之间的相关性来计算词语相似度[6]；②基于本体的方法，依据领域内专家建立的领域本体，利用该领域知识的语义树来计算词语间距离词语的相似度[7]；③基于语义词典的方法，利用语言专家编撰好的语义词典进行语义相似度计算。

由于基于同义词典的词语相似度算法具有实现简单、高效、直观、易于理解且不需要训练的特点，因此基于同义词词典的词语相似度算法在各个领域得到了广泛的应用[8]。但是目前还存在以下问题：①词典的词条更新不及时。由于基于同义词典的词语相似度的计算依赖于语义词典，而编撰词典通常需要多名顶级语言专家共同完成，网络时代的知识爆炸使得词典滞后于新兴词语的出现。②领域内的专业词汇收录不全。每个领域有不同的专业知识和词语，语言专家作为语言领域的专家，在编撰语义词典的时候很难将所有专业领域内的词语囊括其中。

面向云南种子植物特有属领域的语义检索能最大限度地集成和利用各类云南种子植物特有属相关信息资源，快速、完整、智能地提供各种信息服务，这已成为研究和保护云南特有种子植物的新需求。目前，在这个领域没有专业的语义词典，并且没有较好的词语相似度算法，从而导致了云南种子植物特有属领域语义检索精度不高、扩展性不强等问题。

针对上述问题，本研究协同植物学领域的研究人员完善了《同义词词林》并在此基础上提出了一种改进词语相似度的算法，并对该算法进行了试验。

1 材料与方法

1.1 同义词词林结构

在国外通常采用WordNet作为语义词典来计算词语相似度，而在国内由于中文本身的特点以及起步相对较晚，在这方面的研究较少。本研究采用的词典是由哈尔滨工业大学梅家驹教授等主编的《同义词词林》[9]。该词典参照多部电子词典资源，并按照人民日报语料库中词语的出现频率在第一版的基础上剔除了14 706个罕用词和非常用词。为了获得进一步的性能，该词典结合多方面相关资源将词典词条扩充到了77 343条，基本能满足本研究的需求。《同义词词林》按照树状的层次结构把所有收录的词语组织在一起，编码相同的词语要么词义相同，要么具有很强的相关性[9]。该词典采用八位五级编码，前七位表示该词条所处的位置而第八位的“=”、“#”、“@”分别表示同义词、相关词以及只有本身一个词。具体的编码规则如表1所示。

1.2 同义词典的词条补充

将同义词词林的词语相似度计算方法应用于云南种子植物特有属领域语义检索，由于这部通用的语义词典在本领域内的应用存在一定的局限，故本研究结合该领域知识对《同义词词林》进行补充和调整。该词典是TXT格式的文本，因此进行调整后并不影响系统的运行。如酸竹属是云南种子植物特有属的一个属，酸竹属下还有粉酸竹、酸竹、毛花酸竹、福建酸竹、黎竹等品种。由于《同义词词林》并没有收录这些词语，因此本研究结合词典知识和云南种子植物特有属在《同义词词林》中补充了125个同义词集合，共计246条词语。如在词典增加编号“Bh08A54=”来表示词语集合：粉酸竹、酸竹、毛花酸竹、福建酸竹、黎竹。因此当用户想要了解“酸竹属”的知识时，只要输入编号“Bh08A54=”中任何一条词语就能检索出相应的知识。

1.3 改进的词语相似度算法

《同义词词林》词典不仅词条丰富而且具有良好的编码规则，所以可以根据词语编码计算出两个词语间的相似度Sim（W1，W2），Sim（W1，W2）取值范围为[0，1]，1代表同义词，0代表不相关，Sim（W1，W2）越靠近1则表示W1，W2相似度越高。本研究在《同义词词林》编码规则的基础上结合特有属领域知识的特点提出了如下公式来度量相似度：

Sim（W1，W2）=1-■■×■（1）

式中，i表示第i级编码，k表示第i级编码之差的绝对值，n表示第i级编码较大值。当最后一位编码为“=”时，不同编码的词语按照公式（1）计算相似度，相同编码词语的相似度为1。由于本领域的知识在词林中主要呈现同类的特点，而不等的情况出现相对较少，如：编号为“Bh12B03#”，其词语集合为“稻苗、稻秧、禾苗、种苗等”。很明显，这些词语是相关的。因此当最后一位编码为“#”时，本研究根据用户需求分为以下两种情况：当用户只关心查询词本身不关心其同类时，若词语的编码相同，其相似度设置为0；当用户关心查询词同类事物时，若词语的编码相同，其相似度设置为1。不同编码词语按公式（1）计算，所得结果为词语相似度。当最后一位编码位为“@”时，表示自我封闭，没有同义词，因此设置相似度为0。如Sim[种子（Bh13B01=），种仁（Bh13B02=）]=1-（1/32）×（sqrt（02-01）/02）=0.977 903。

1.4 试验设计

1.4.1 试验一 随机选取10对在云南种子植物特有属领域知识中常见的词语进行相似度计算，分别使用本研究提出的方法与目前以文献[10]为代表的基于同义词典的词语相似度通用计算方法进行相似度计算。

1.4.2 试验二 试验数据：110篇关于福建酸竹的文献，17篇关于黎竹的文献，19篇关于粉酸竹的文献，35篇关于毛花酸竹的文献，245篇关于酸竹的文献以及768篇关于计算机领域的文献作为噪声集。

试验步骤：在试验一的基础上分别使用上述两种不同的方法获取查询词语的扩展词集合，然后将扩展词集合作为新的查询词在lucene全文检索框架中进行检索，最后对结果进行评价，试验流程如图1所示。

评价标准：精度表示检出文献中相关文献的比例，计算公式为P=■。其中P表示精度，R表示相关文献，A表示检出文献。召回率表示相关文献被检出的比例。计算公式为r=■。其中r表示召回率[11]。F值综合考量了精度和召回率[10]，只有当精度和召回率都较高时才具有较高的值，计算公式为F=■。

2 结果与分析

2.1 试验一结果

由表2可知，使用本研究方法计算云南种子植物特有属领域知识词语相似度的效果与人工测试出来的主观结果没有明显出入，同时在本领域内的词语相似度更加准确。可以看出，本研究所提出的词语相似度计算方法，相对于一般的基于同义词词林的词语相似度计算方法的优点：①没有引入人工参数，使得结果更加客观；②一般的计算方法把第一级编码不同的词语相似度统一定义为0.1，有些笼统，而本研究的方法则考虑了这个问题；③本研究考虑了将用户的查询需求分成两个接口，当用户选择精确检索时，进入后将最后一位编码为“#”，且编码相同的词语的相似度定为0的接口；当用户希望再扩大其检索范围时，则进入后将这对词语的相似度定为1的接口。而一般的计算方法过于笼统，只是将最后一位编码为“#”，且编码相同的词语统一定义为0.5，显然不能满足用户需求。

2.2 验二结果

由表3可知，使用本研究计算方法的召回率比使用通用计算方法的召回率有了明显的提升，说明使用本研究方法可以提升查询词扩展的性能。同时使用本研究计算方法的F值也得到了明显提升，说明本研究计算方法比一般通用计算方法具有更好的检索性能。

3 小结

针对云南种子植物特有属领域语义检索缺乏性能良好的词语相似度算法的问题，本研究提出的算法在云南种子植物特有属领域语义检索中更加接近人类思维，可以很好地解决查询词扩展不准确及检索结果打分不合理等问题，并且直观明了、容易实现。但本研究提出的词语相似度计算方法也存在不足，《同义词词林》作为一本通用的语义词典，对于专业领域的应用尚存在一定的局限性。在后读研究中，将补充完善领域内的词条，再提出更加优化的且适用面更广的词语相似度计算方法来提高检索的精度。

参考文献：

[1] 李 文，孙 新，张常有，等.一种本体概念的语义相似度计算方法[J].自动化学报，2012，38（2）：229-235.

[2] 刘亚军，徐 易.一种基于加权语义相似度模型的自动问答系统[J].东南大学学报，2004，34（5）：609-612.

[3] 颜 伟，荀恩东.基于语义网计算英语词语相似度[J].情报学报，2006，25（1）：712-716.

[4] 焦芬芬.基于概念和语义相似度的文本聚类算法[J].计算机工程与应用，2012，48（18）：136-141.

[5] 吴 秦，白玉昭，梁久祯.一种基于语义词典的局部查询扩展方法[J].南京大学学报（自然科学），2014，50（4）：526-533.

[6] 李 慧.词语相似度算法研究综述[J].现代情报，2015，35（4）：172-177.

[7] 孙海霞，钱 庆，成 颖.基于本体的语义相似度计算方法研究综述[J].现代图书情报技术，2010（1）：51-56.

[8] LI F，ZHU X H，CHEN H H，et al.An improved Chinese word semantic similarity algorithm based on Cilin[J].Journal of Information & Computation Science，2015，12（10）：3799-3807.