bp的教学设计（共9篇）
清塘铺镇完小
邓细梅
教学目标 知识与技能
1、学会b、p两个声母，读准音，认清形，正确书写。
2、学会声母b和单韵母ɑ拼成音节的方法。
过程与方法
1、引导学生自主发现、合作探究识记声母的方法。
2、采用对比学习的方法，让学生区分b、p的不同。
3、借助卡片及情境图片学习拼读音节，培养拼读能力。
情感态度与价值观
进一步激发学生学习汉语拼音的兴趣。
教学准备：苹果卡片，一棵苹果树，六张图片、b、p、y、w、a的拼音卡片、磁铁、画好拼音格。
教学过程
一、组织教学。
师：听说我们93班的小朋友特别听话，今天老师特意为同学们带来了礼物，（出示苹果树）这么漂亮的苹果老师只送给上课坐得好，认真的孩子。
二、复习导入
1、师：前面我们认识了许多的字母朋友，有韵母宝宝，还有声母宝宝，谁能告诉老师，你们学过的声母宝宝叫什么名字？
2、点名读，出示声母Y、W齐读，纠错，引出新知（今天老师要带同学们去认识新的声母朋友，它们是b、p）
三、看图说话，学习新知
1、学习声母b
（1）由图引入b
师：出示课文的插图，图上有谁？他们在干什么？
a、生自由交流。
b、当学生说到听广播的时候，引出声母＂b＂．把＂播＂读成第一声就是声母＂b＂的读音。板书b
（２）新授b的读音
师：有些同学已经会读了，请一两个同学读一读。
a、两个同学读b。
b、教师评价，指出声母的发音应该轻短一些。现在请听老师读，读后讲解。发b时，先双唇闭合，把气憋住，再突然放开，让气流自己冲出来，极轻极短，气流较弱。b-b-b。
c、认真看老师的嘴巴，模仿老师读。
d、指名读并评价。
e、个别读。
f、叫小老师来带读，其他学生跟读。
g、开火车读，检查孩子们的学情，相机纠错。（３）识记b的形
师：请孩子们认真观察，图片上的什么像我们的声母b？
生：拉开收音机听广播,收音机的天线就像我们这节课要学的声母＂b＂的竖，它的机身就像的右半圆。
师：对极了，你说得真好。跟老师来读儿歌记住它，“听广播 bbb”
师：你看看，b 像什么？还像什么？（引导学生自编顺口溜）
生：像个6字，bbb
生：广播的b；气球倒过来就是b；棍子子推圈就是b；一个长磁铁下吸着半圆的磁铁也像b。
师：哎，同学们说得真好，你们真是见多识广啊！
（４）指导书写b
师：老师不仅记住了b的读音、形，我还会写呢？
（出示四线三格）复习认识四线三格。
师：b的家住在哪里？请同学们看看书上四线格b 的位置．它占了几格？
生：b占了两格。
师：对，先写竖，再在中格紧接着竖写右半圆．认真看老师书写，同学们边跟老师书空边念它的名称：竖，右半圆。
生：书空并念名称。
2、同法教学声母p，注意学法的指导
三、演示比较，区别b和p的不同。
1、形不同
师：b和p的形有什么不同？
（生观察后交流）
生：右半圆不同。
生：在四线三格的位置不同。
师：说得好。让我们记住它们的不同。那么它们在读音上又有哪些区别呢？让我们来看一个演示。
2、音不同
（1）教师演示实验，学生观察
师拿出准备的一张薄纸，放在靠近口的正前方，先双唇闭合，把气憋住，再突然放开，让气流冲出来（向外送气），发b时，气流较弱，发p时气流较强。这时，发b时纸会吹不起，发p时纸会被气流推出，让学生反复做这个试验，学生觉得很有趣，此时告诉学生这就是声母b和p发音的不同之处。
（2）学生上台演示，亲身体会b、p发音时的不同。
四、课中操
师生一起跳一段小朋友在幼儿园时学习的律动操《快乐小天使》。
五、学习两拼音的拼读方法。
师:小朋友表演的真不错，把我们的老朋友也吸引来了，请看，它是谁呀？
（出示a）学生认读。
1、师讲述两拼音节，板书
2、讲述两拼音节的拼读方法，并用儿歌加强记忆（前音轻短后音重，两音相连猛一碰）
3、师一边讲解一边演示，教读b—a----ba(分大组赛读)
4、师：小朋友们已经掌握了两拼音节的拼读方法，那你们能拼读它们的四
声吗？
5、分别出示四张图片(生试读——师教读——齐读——讲解)
6、第一张（八分、八岁、猪八戒考试考八分，教导孩子们不要像猪八戒学习，趁机搞好组织教学），第二张（拔萝卜、拔眉毛小朋友拔萝卜，利用歌曲《拔萝卜》活跃课堂气氛），第三张（打靶、拖把同学们用拖把拖教室），第四张（大坝、简单根据图片介绍大坝 是用来关水的······爸爸）
7、师整合四张图片教读——分男女声
六、开书自由练习读
师：同学们，今天我们认识了声母bp以及两拼音节的拼读方法，我们的声母可以和很多的韵母宝宝组成音节，请孩子们利用老师教的方法打开书读一读。
人工神经网络模拟人脑的网络结构, 通过学习、自我组织和非线性动力学理论形成的并行分析方法, 可处理无法语言化的模式信息。将知识信息用隶属函数输入该网络, 通过网络的学习调整隶属函数, 进一步理解所得的规则或知识[1]。神经网络反映了人脑功能的许多基本特性, 但并不是人脑神经网络系统的真实写照, 只是对其作某种简化、抽象和模拟[2]。BP神经网络软件通过建立网络模型, 模拟实现这一过程, 目前BP神经网络已应用于各行各业之中, 其对设计、决策及优化起到了一定的作用[3,4]。但通用的BP神经网络软件较少, 软件可靠性等方面也有待提高。本文应用VC实现了一个任意结构的BP神经网络软件。
1 BP神经网络原理
多层前馈神经网络称为BP神经网络, 其具有结构简单、工作状态稳定、易于硬件实现等优点。BP神经网络由1个输入层、若干隐含层和1个输出层构成。图1为常用的三层BP网络的结构, 如果输入层、隐含层和输出层的单元个数分别为n、q、m, 则该三层网络可表示为BP (n, q, m) , 利用该网络实现n维输入向量Xn= (X1, …, Xn) T到m维输出向量Ym= (Y1, …, Ym) T的非线性映射。输入层和输出层的单元数n、m根据具体问题确定;而隐含层单元数q的确定尚无成熟的方法, 一般可设定不同的q值根据训练结果来进行选择。
BP (n, q, m) 网络结构确定后, 网络参数包括输入层第i单元到隐含层第j单元的权重W
Hjw=f
转移函数f (x) 一般采用S型函数, 即
隐含层的输出信息传到输出层, 可得到最终输出结果为
以上过程为网络学习的信息正向传播过程, 另一个过程为误差反向传播过程。如果网络输出与期望输出间存在误差, 则将误差反向传播, 利用下面公式来调节网络权重和阈值[5]。
上式中, ΔW (t) 为t次训练时权重和阈值的修正, η、α分别为比例系数和动量系数, E为误差平方和。反复运用以上两个过程, 直至网络输出与期望输出间的误差满足一定的要求。
2 软件设计及实现
目前标准的BP算法存在以下的缺陷:1) 易形成局部极小而得不到全局最优;2) 训练次数多但学习效率低下;3) 隐节点的选择缺乏理论依据;4) 学习新样本时容易遗忘旧样本的趋势。目前可以采用1) 增加动量项;2) 自适应调节学习效率;3) 引入陡度用因子等算法来进行改进[1]。本软件基于改进的BP算法, 解决其中部分的缺陷, 从而实现任意结构BP的神经网络。软件主要由控制模块、网络模型建立模块、更新模块、学习模块、模拟模块、打印模块、状态显示模块、接口模块等组成。
2.1 网络模型
BP神经网络的输入数据不宜直接采用失效数据, 必须先对失效数据进行编码。将编码后的数据输入经过监督学习之后稳定的BP神经网络, 通过BP神经网络进行聚类, 从而可实现最优模型的选择[6]。
BP神经网络模型的实现步骤如下:
(1) 初始化。对权值矩阵W、V赋随机数, 将样本模式计数器p和训练次数计数器q置为1, 总误差E置为0, 学习速率η设为0～1间小数, 网络训练后达到的精度Emin设为一正的小数;
(2) 输入训练样本对, 计算各层输出。用当前样本Xp、dp对向量数组X、d赋值, 计算Y和O中各分量;
(3) 计算网络输出误差。设共有P对训练样本, 网络对应不同的样本具有不同的误差Ep, 可用其中最大者Emax代表网络的总误差, 也可以用其均方根
(4) 计算各层误差信号。计算δ
(5) 调整各层权值。计算W和V中的各分量;
(6) 检查是否对所有样本完成一次轮训。若p﹤P, 计数器p、q增1, 返回步骤 (2) , 否则转步骤 (7) ;
(7) 检查网络总误差是否达到精度要求。例如, 当用Erme代表网络总误差时, E=Erme。若E<Emin, 训练结束, 否则E置0, P置1, 返回步骤 (2) 。
2.2 神经网络节点结构设计
在内存中, 神经网络通过节点结构可生成一个单链表。其链表结构与输入层、隐含层及输出层节点个数有关, 其之间的连接关系用node[]标识, 对应W[n]的值。
单个神经网络节点连接信息代码如下:
神经网络节点信息的代码如下:
2.3 构造网络函数
构造神经网络结构的方法复杂, 图2为构造人工神经网络的网络函数的流程图, 代码程序略。
2.4 软件特点
传统BP神经网络软件结构比较简单, 系统界面不够人性化, 虽然能够按照预先设置的学习算法进行设计, 但软件更新升级困难, 如早期采用C语言开发的BP神经网络模拟软件[4]。本软件采用模块化管理, 其中只有5%左右的模块是复杂的, 这样能提高软件的质量, 后续升级更新容易。通过对本软件模块的风险性分析, 其中只有更新识别等模块具有一定的风险, 也间接证明了网络模型的可靠性[6]。大量的可靠性试验结果显示软件故障数与软件的复杂性指标有直接的关系。和目前同类软件比较, 本软件操作简单, 可靠性、可维护性、高效性等软件质量评价指标评价效果良好。
3 示例学习及测试
在单输入单输出的测试程序中, 采用y=sin (3.14*x) 作为测试函数, 首先定义输入输出的类型, 建立神经网络模型之后, 读入样本文件和测试样本文件, 学习信息的函数采用y=sin (3.14*x) , 这里学习样本数目设定不大于200个, 测试样本数目不大于50个。在多输入多输出测试程序中, y1=sin (3.14*x1) +cos (3.14*x2) , y2=sin (3.14*x2) +cos (3.14*x1) 作为测试函数, 样本数目和测试样本数目的设定和单输入单输出相同。
一个学习过程完成之后, 打乱样本的排序, 再重新进行学习, 完善神经网络。学习过程包括前向计算和反向学习, 在设置学习速率、动量系数后, 输入样本数目, 经过学习之后, 图表中就显示出学习误差 (红色) 和测试误差 (绿色) 的曲线, 为了保证神经网络具有泛化能力, 需要把学习样本重新打乱顺序再学习, 通过几次反复之后, 学习误差的精度达到所设置的精度之后, 学习过程就停止, 神经网络模型就建立成功。示例中设定学习误差精度为0.005, 学习误差和测试误差曲线如图3左曲线图所示, 右图显示了学习之后的sin曲线与标准sin曲线的误差。
4 结语
本设计采用了VC++实现了3层任意结构的BP神经网络软件。在这个3层神经网络结构中, 学习过程是由信号的正向传播和误差的反向传播两个过程完成, 学习效果具有一定的准确性。软件后续升级后可以构造出多至6层的BP的神经网络。一旦算法改进, 通过修改网络模型及软件程序减少因算法带来的误差, 这样有利于提高精度, 也提高了软件的可靠性、可扩展性[7]。本软件可应用于各种故障诊断、模式识别以及最优预测等方面。
摘要：介绍了BP神经网络模型及其算法, 设计出一种基于模糊的能实现的任意结构的三层BP神经网络软件。软件网络模型具有较高的可靠性。测试表明, 该神经网络软件的学习效果达到较高的精度, 可广泛应用于故障诊断、模式识别、最优预测等方面。
关键词：BP神经网络,网络模型,软件
参考文献
[1]李良, 吴红聘.基于BP神经网络算法及推导的研究.中国水运, 2008; (1) :161—162
[2]周政.BP神经网络的发展现状综述.山西电子技术, 2008; (2) :90—92
[3]周黄斌, 周永华, 朱丽娟.基于MATLAB的改进BP神经网络的实现与比较, 2008; (1) :28—31
[4]龚向东.BP神经网络模拟软件的设计和实现.南昌大学学报, 1994; (3) :229—233
[5] Lee W.A data mining framework for constructing features and modelsfor instrusion detection systems.NewYork:Columbia University, 1999
[6]朱磊, 杨丹.基于BP神经网络的软件可靠性模型选择.计算机工程与设计, 2007; (9) :4091—4093
【摘 要】教师课程教学评价为了便于学校领导和管理人员了解本校教师的教学基本情况，做到准确把握，为学校制定师资发展规划和科学发展方向提供客观、正确和科学依据。
【关键词】评价指标 权重 神经网络
1.评价指标设计
教师课程教学质量评价，确定一套科学合理的教学质量评价指标体系是关键。高职学院教学质量评价体系以课程教学评价为主，一般包括教学内容、教学态度、教学方法、讲授能力、教学效果和教书育人等一级指标，每个一级指标下设立各种二级指标。在该体系中分为督导专家评教指标体系，同行教师评教指标体系，学生评教指标体系三个子系统。
2.评价体系权重设计
根据以上权重确定的原则，采用专家意见法和调查分析法，经过专家讨论确定一级指标权重和二级指标的权重，且同一级指标权重值之和为1。本文采用BP神经网络对教学质量评价数值进行仿真实验，输入值采用一级指标评价值，二级指标评价值转化成对应的一级指标评价值。
3.神经网络训练与泛化概念
通过调用train（）函数对神经网络参数进行训练，可以建立神经网络模型net。该函数的调用格式为[net，tr，Y，E]=train（net，X，Y），其中，n为输入变量的路数，n为样本的组数，变量X为n*M矩阵，Y为m*M矩阵，m为输出变量的路数，X，Y分别存储样本点的输入和输出数据。通过样本数据进行训练，得出训练后的神经网络对象net，同时得到其他相关参数信息，。
当确定了BP网络结构后，必须根据误差是否满足要求，再对网络的权值和阈值是否进行学习和修正，以达到网络误差的要求，使训练网络最终达到预先给定的输入输出映射函数关系。BP网络的学习过程分为两个阶段：
第一阶段是输入已知训练数据，通过设置训练的网络结构和初始化权值和阈值，从网络的第一层逐步计算各个网络神经元的输出值。
第二阶段是对阈值和权值进行相应修改，从最后一层向前计算训练过的阈值和权值对预先设定的误差的梯度，即影响程度，从而对各阈值和权值进行相应修改。
以上两个阶段反复交替进行，直到达到误差要求，满足收敛为止。由于误差逐层往回传递，以修正层和层之间的阈值和权值，该多层网络常称之为BP网络。
如果在预先给定最大训练的次数后，仍然不能训练出满足要求的网络，则系统将会报出错误的信息。
4.训练样本采集
1. 评教数据采集
教师课程教学质量评教数据总共有三个部分组成，有督导专家评教数据、同行教师评教数据和学生评教数据。
首先，督导专家评教数据获得。十个一级指标，督导专家评教没有二级指标，对每一个单项评分区间（0，1）之间分数。其次，同行教师评教数据获得。同行教师评教有六个一级指标，十六个二级指标。最后学生评教数据获得。学生评教表有四个一级指标，有十九个二级指标。一级指标评分区间（0，1）区间打分。教师课程教学质量综合评价，有以上三个在分别进行采集数据。每张表格表号是l、2、□、n，根据表号进行汇总BP神经网络训练样本数集。
2. 数据整理
样本数据的质量直接关系到模型建立的科学程度M。由于课程教学质量评价存在很强的主观性，且受心理因素的影响在评介侧重点上有所不同。为了使原始数据更加科学、准确，确保网络训练与模型的质量，通过督导专家、同行教师、学生综合评价得到原始数据，从教学评教20个样本数据中随意抽取10个样本作为训练数据，3个样本作为检测数据。
为使数据符合训练过程函数的运算要求，对所原始数据进行归一化处理，使其落在[0，1]区间。以下讲述如何获得专家评价值：
根据“权重对应表”，设定权重矩阵C，每一个分量Ci（i=l，2，…，20），要求
Ci≥0（i=1，2，… ，20）且
令矩阵X表示一级指标，则Xi（i=l，2，□，20）。根据评教数据采集方法可以获得样本数据，每一个样本数据中有二十个一级指标的数据，区间（0 1）。
令专家评价值 Y = 通过此公式可以获得每一个样
本的专家评价值。
5.BP神经网络模型的实验设计
本实验设计过程如下：首先输入训练的10样本集，每个样本集有20个输入点， 输入矩阵是20*10。输入总评，即专家评价值10个数据，每个样本对应一个专家评价值；其次，构建BP神经网络模型，通过newff神经网络构建函数，设定神经元节点，隐含层传递函数和输出层传递函数，及训练函数等，同时确定训练次数和训练目标误差；最后通过net=train（net，P，T）得到训练后仿真输出结果，与目标结果进行对比，计算误差能否达到预期目标。
本实验神经网络模型是BP神经网络模型，所以构建网络函数采用newff，即一个前向BP网络。BP神经网络公式：net=newff（PR，[S1，S2，…，SN]，{TFl TF2…TFN}，BTF，BLF，PF）。那么采用哪种训练方式，其训练速度最快，这里是难预知的，因为这取决于许多因素，包括给定问题的复杂性、训练样本集的数量、网络权值和阈值数量、误差目标等。
隐层的节点数如何确定。本文根据Kolmogorov定理，公式m=2n+1，其中n是输入节点数，m表示隐层节点数，即神经元节点数。
采用S（sigmoid）型函数做为BP神经网络中传输函数。
6. 实验结果
应用BP神经网络建立的教学质量评价模型用于学习的样本，待测样本网络输出值与专家评价值非常接近。也就是说，该模型能较为准确的根据各评价指标来确定教师课程教学质量评价结果。
【参考文献】
[1]吴维勇. 教师课堂教学质量评价体系研究[J]. 九江学院学报（自然科学版），2006（3）.
基于BP网络的降雨-水位预报模型应用研究
阐述了洪水预报BP网络模型的构造和数据处理方法,在对BP网络的学习率和动量项的自适应调整算法进行改进的基础上,建立了降雨-水位预报BP网络模型,实现对洪水水位的直接预报;同时还提出以点雨量作为模型输入的.建模方案,有效地改善了BP网络的模拟性能.
作 者：占玉林 王长耀 牛铮 ZHAN Yu-Lin WANG Chang-Yao NIU Zheng 作者单位：中国科学院遥感应用研究所遥感科学国家重点实验室,北京,100101刊 名：中国科学院研究生院学报 ISTIC PKU英文刊名：JOURNAL OF THE GRADUATE SCHOOL OF THE CHINESE ACADEMY OF SCIENCES年，卷(期)：24(1)分类号：P4关键词：BP网络 降雨-水位模拟 点雨量
人工神经网络（Artificial Neural Network）又称连接机模型，是在现代神经学、生物学、心理学等学科研究的基础上产生的，它反映了生物神经系统处理外界事物的基本过程，是在模拟人脑神经组织的基础上发展起来的计算系统，是由大量处理单元通过广泛互联而构成的网络体系，它具有生物神经系统的基本特征，在一定程度上反映了人脑功能的若干反映，是对生物系统的某种模拟，具有大规模并行、分布式处理、自组织、自学习等优点，被广泛应用于语音分析、图像识别、数字水印、计算机视觉等很多领域，取得了许多突出的成果。最近由于人工神经网络的快速发展，它已经成为模式识别的强有力的工具。神经网络的运用展开了新的领域，解决其它模式识别不能解决的问题，其分类功能特别适合于模式识别与分类的应用。多层前向BP网络是目前应用最多的一种神经网络形式, 它具备神经网络的普遍优点，但它也不是非常完美的, 为了更好的理解应用神经网络进行问题求解, 这里对它的优缺点展开一些讨论。
首先BP神经网络具有以下优点：
1)非线性映射能力：BP神经网络实质上实现了一个从输入到输出的映射功能，数学理论证明三层的神经网络就能够以任意精度逼近任何非线性连续函数。这使得其特别适合于求解内部机制复杂的问题，即BP神经网络具有较强的非线性映射能力。
2)自学习和自适应能力：
BP神经网络在训练时，能够通过学习自动提取输出、输出数据间的“合理规则”，并自适应的将学习内容记忆于网络的权值中。即BP神经网络具有高度自学习和自适应的能力。3)泛化能力：
所谓泛化能力是指在设计模式分类器时，即要考虑网络在保证对所需分类对 象进行正确分类，还要关心网络在经过训练后，能否对未见过的模式或有噪声污染的模式，进行正确的分类。也即BP神经网络具有将学习成果应用于新知识的能力。4)容错能力：
BP神经网络在其局部的或者部分的神经元受到破坏后对全局的训练结果不会造成很大的影响，也就是说即使系统在受到局部损伤时还是可以正常工作的。即BP神经网络具有一定的容错能力。鉴于BP神经网络的这些优点，国内外不少研究学者都对其进行了研究，并运用网络解决了不少应用问题。
但是随着应用范围的逐步扩大，BP神经网络也暴露出了越来越多的缺点和不足，比如：
1)局部极小化问题：从数学角度看，传统的BP神经网络为一种局部搜索的优化方法，它要解决的是一个复杂非线性化问题，网络的权值是通过沿局部改善的方向逐渐进行调整的，样会使算法陷入局部极值，权值收敛到局部极小点，从而导致网络训练失败。加上BP神经网络对初始网络权重非常敏感，以不同的权重初始化网络，其往往会收敛于不同的局部极小，这也是很多学者每次训练得到不同结果的根本原因。
2)BP 神经网络算法的收敛速度慢：
由于BP神经网络算法本质上为梯度下降法，它所要优化的目标函数是非常复杂的，因此，必然会出现“锯齿形现象”，这使得BP算法低效；又由于优化的目标函数很复杂，它必然会在神经元输出接近0 或1的情况下，出现一些平坦区，在这些区域内，权值误差改变很小，使训练过程几乎停顿；BP神经网络模型中，为了使网络执行BP算法，不能使用传统的一维搜索法求每次迭代的步长，而必须把步长的更新规则预先赋予网络，这种方法也会引起算法低效。以上种种，导致了BP神经网络算法收敛速度慢的现象。3)BP 神经网络结构选择不一：
BP神经网络结构的选择至今尚无一种统一而完整的理论指导，一般只能由经验选定。网络结构选择过大，训练中效率不高，可能出现过拟合现象，造成网络性能低，容错性下降，若选择过小，则又会造成网络可能不收敛。而网络的结构直接影响网络的逼近能力及推广性质。因此，应用中如何选择合适的网络结构是一个重要的问题。4)应用实例与网络规模的矛盾问题：
BP神经网络难以解决应用问题的实例规模和网络规模
间的矛盾问题，其涉及到网络容量的可能性与可行性的关系问题，即学习复杂性问题。
BP神经网络预测能力和训练能力的矛盾问题：
预测能力也称泛化能力或者推广能力，而训练能力也称逼近能力或者学习能力。一般情况下，训练能力差时，预测能力也差，并且一定程度上，随着训练能力地提高，预测能力会得到提高。但这种趋势不是固定的，其有一个极限，当达到此极限时，随着训练能力的提高，预测能力反而会下降，也即出现所谓“过拟 合”现象。出现该现象的原因是网络学习了过多的样本细节导致，学习出的模型已不能反映样本内含的规律，所以如何把握好学习的度，解决网络预测能力和训练能力间矛盾问题也是BP神经网络的重要研究内容。
6）BP神经网络样本依赖性问题：
摘要：通过对高校教师科研能力分析，构建了高校教师科研能力评估指标体系，提出了运用BP神经网进行评估的方法，利用MATLAB对该模型进行了仿真，得到了与专家评定一致的结果。该方法克服了传统评价方法孤立地考虑各项评价指标的缺点 增加了指标之间的关联性，使评价结果更符合实际情况。
关键词：科研能力 BP神经网络 评价模型
中图分类号：G420 文献标识码：A 文章编号：1007-9416（2014）01-0056-02
一所高校的科研水平取决于教师的科研能力，目前，有关高校教师科研能力的评估有很多评估方法，如层次分析法，贝叶斯网络聚类方法[1]等。本文运用BP神经网络来建立高校教师科研能力评价模型，为高校教师科研能力评价提供了一定的参考。高校教师科研能力评价指标体系
1.1 构建评价指标体系的基本原则[2]
为了科学、客观地反映高校教师科研能力的高低，应该考虑建立与之相适应的科研能力评价方法，并确定相应的科研能力评价指标体系。为了建立能有效评价高校教师科研能力的评价指标体系，其设计的原则应遵循如下：科学规范性、系统优化性、简洁明确性和全面实用性。
1.2 科研能力评价指标体系
本文从教师基本素质、学术影响、学术成果、科研项目四个方面来反映教师科研能力，根据构建指标体系的四个基本原则，构建三个层次结构模型评价指标体系，如图1 基于BP神经网络的高校教师科研能力评价模型
本文采用典型的三层BP神经网络对教师科研能力进行评价，如图2所示。
2.1 初始参数的确定 高校教师科研能力评价模型的评估
在某高校中，组织25名专家对20名教师科研能力进行行评价，随机抽取6组评价数据进行归一化处理得表1。
利用已编好的BP算法的程序[5]，在把学习样本的输入参数输入计算机后，即可让网络模型对学习样本进行反复学习，直到网络模型的识别精度满足要求。可以看出，当网络训练达到161步时，网络模型识别精度为0.000982536，网络性能达标，可知输出结果与专家判断是吻合的，说明BP神经网络已具备了模式识别的能力，可以对教师科研能力进行评价。结语
通过构建教师科研能力评价体系的BP神经网络模型，为评价教师科研能力提供了一种量化方式。BP神经网络克服了评价中主观因素的影响，使评价结果全面准确的反映实际情况，为教师科研能力评价提供了新的工具。
参考文献
铁谱分析技术是机械设备润滑油分析的重要方法,而磨粒识别是铁谱分析的首要环节。但在实际分析中,铁谱技术难以得到更深入的推广和应用,主要因为磨粒识别受到分析人员经验的制约。随着神经网络技术的不断普及,为铁谱磨粒智能化识别提供了新的方法和手段。
1 神经网络系统
神经网络中特定的概念或知识依靠大量互连的神经元及其连接权值的分布来表示,系统利用所得到的样本(或实例)和相应的解,应用特定的学习算法来完成知识的获取。
图1为多层神经网络模型,其中,输入节点为Ii,输出节点为Oi,隐藏节点为hi,节点的作用函数为f(x)=1/(1+exp(x))。
网络的学习方法是:对应已给定的输入,比较实际输出和希望输出,不断修正学习。而网络从一个神经元到另外神经元之间输入的加权量和阈值是通过学习算法来确定的。将误差函数定义为:
undefined。
其中:E为实际误差的大小;Oundefined为输入为Iundefined时输出层的实际输出;tundefined为要求的输出;undefined只对输出层神经元求和;undefined只对样本求和。学习算法使E取极小值。采用梯度下降法有:
ΔW=ηδiOi 。
其中:ΔW为节点神经元加权量;δi为第i个节点的输出误差;η为学习效率,0<η<1。η取值越大,网络的学习效率越高。
2 磨粒的分类及其识别特征
通过参考大量文献,本文根据铁谱分析技术的经验总结,将金属表面产生的磨损颗粒分为金属氧化物、正常磨粒、块状磨粒、层状磨粒、切屑状磨粒、球状磨粒和严重滑动磨粒。
磨粒识别主要通过磨粒自身的各种信息,如形态(轮廓形状、边缘特征和纹理细节)、颜色、粒度大小和厚度来对其进行判定与识别,表1为磨粒特征对照表。
3 识别系统的主要结构
本系统是用由神经网络直接构成推理网络的方法来构建的。系统包含知识获取模块、知识库(知识表示)模块、推理模块和解释模块。
3.1 知识获取模块
系统采用3层BP神经网络,设置输入节点30个,其中I1～I4为轮廓形状特征,I5～I9为边缘形状特征,I10～I16为纹理细节特征,I17～I19为颜色情况特征,I20～I24为粒度大小特征,I25～I30表示长/短轴厚度比值特征;设置输出节点为8个;设置推理辅助节点16个,即为1层隐节点。
系统是经过BP算法进行样本学习而取得相应权值分布的。系统中的上述7类磨粒的样本收集来源于实际。
3.2 知识库模块
神经网络的权系数和阈值分布式存储于网络中,它们是已经转换的识别磨粒的知识和经验。知识表示是一种隐式表示,它是在进行知识获取时同时完成的,即知识获取过程结束,权系数矩阵和阈值向量即为系统所获取的知识。
随时调整权值分布是神经网络采用BP学习算法所具有的特点。因为每当网络出现不能正确识别的磨粒时,可将该磨粒作为新的样本,不断学习,使知识库可以不断更新。
3.3 推理机制模块
系统的推理机制模块主要分为3个部分:输入模式转换、前馈计算和输出模式解释。系统的输入模式转换是在磨粒特征识别过程中,首先由系统提问,然后由人工设置磨粒特征识别输入,选中项设置为1,其余项设置为0,可选l或2项特征项。前馈计算即通过对网络权值和输入的磨粒特征向量逐级向上进行加权求和从而得到知识库中的各输出值。根据设定的理想输出模式完成数值向量转换,得到输出模式解释即磨粒名称。表2为磨粒识别的理想输出模式。
经过3个步骤的推理,选取输出的数值向量中最大值,依照理想输出模式对应关系转换为相对应的磨粒名称。当磨粒特征不完全时,在允许的数值误差范围内仍可以进行识别。
4 结束语
本文将BP神经网络应用于铁谱磨粒特征识别中,有效增强了磨粒特征的识别能力,大大提高了铁谱分析的效率。
参考文献
[1]钟义信.智能理论与技术——人工智能与神经网络[M].北京:人民邮电出版社,2006.
[2]焦李成.神经网络系统原理[M].西安:西安电子科技大学出版社,2007.
[3]黑根.神经网络设计[M].北京:机械工业出版社,2002.
关键词：农业机械 全膜播种施肥机 结构设计
中图分类号：S223.2+4文献标识码：A文章编号：1674-1161（2015）02-0020-03
全膜覆盖播种作业是玉米增产增效的重要技术措施。现有的全膜覆盖播种施肥机由机架、开沟施肥装置、滴灌铺设装置、覆膜工作装置、覆土装置、膜上播种装置、镇压装置等组成，采用整体式框架结构，各工作部件的位置均相对固定，播种行距不可调整，地区适应性差，影响机具的大规模推广应用。因此，设计出2BP-2型多功能全膜播种施肥机。该机具采用分体式结构，解决了现有机具行距无法调节的问题，提高了地区适应性。
1整机结构设计
2BP-2型多功能全膜播种施肥机的整体结构如图1所示。
2主要工作部件设计
2.1机架
机架主要由主机架、覆土机构固定架及连接螺栓组成（见图2）。其中：主机架上设有肥箱固定架、滴灌带轮固定架、滴灌带引导环、滴灌带导向机构、滴灌带开沟器安装架及变速箱固定架，在U型滑道上设有长条孔；覆土机构固定架由安装孔、加固螺母、施肥开沟器安装架、覆土机构支承架、播种镇压机构连接架、铺膜机构安装臂、地轮安装臂组成。覆土机构固定架与主机架通过安装孔与U型滑道的长条孔铰接，并用连接螺栓坚固。覆土机构固定架可沿U型滑道进行横向移动，从而改变播种装置的横向相对位置，达到调节行距的目的，解决了现有的全膜覆盖播种施肥机行距无法调节问题，可适应不同地区的农艺要求。
2.2施肥机构
施肥机构由肥箱、电动排肥器、排肥管及施肥开沟器等组成。肥箱安装于主机架的肥箱固定架上：肥箱下面安装有电动排肥器；施肥开沟器安装于土壤输送器固定架的施肥开沟器安装架上；电动排肥器的排肥口通过排肥管与施肥开沟器相连。
2.3地轮机构
地轮机构由地轮、连接装置、锁紧螺母、地轮支臂及螺栓组成（见图3）。地轮的连接装置与地轮安装臂相连：地轮支臂上设有多个安装孔：连接装置设有锁紧螺母和螺栓，通过调节安装孔与连接装置的相对位置可调整地轮的工作高度，从而调节取土量及开沟深度。
2.4铺膜机构
铺膜机构由挂膜轮固定板、连接架、锁紧螺母、展膜辊同定板、张紧装置、展膜辊及挂膜轮组成（见图4）。连接架与铺膜机构安装臂相连，并用锁紧螺母锁紧：挂膜轮固定板上设有挂膜轮，挂膜轮用于挂接地膜：挂膜轮固定板的上端设有张紧装置，以确保挂接地膜转动灵活且挂接地膜可靠；展膜辊固定板的下端设有展膜辊，以确保铺膜时地膜平整且与土壤接触均匀、不架空。
2.5滴管带铺设机构
滴管带铺设机构由滴灌带轮固定架、滴灌带引导环、滴灌带导向机构、滴灌带开沟器安装架、滴灌带开沟器及锁紧螺母组成（见图5）。滴管带铺设机构安装于主机架中间后部；滴灌带开沟器安装在滴灌带开沟器安装架处，并用锁紧螺母固定：机构上部设有滴灌带轮固定架，从上至下依次设有滴灌带引导环、滴灌带导向机构、滴灌带开沟器：滴灌带开沟器的后部设有导向轮，以确保滴灌带平稳铺设于地表下不同深度处。
2.6覆土机构
覆土机构由覆土机构同定架、刮土板、刮土传动链、变速箱、输送器壳体、侧位分土口、正位分土口、张紧装置、主动链轮、链条、从动链轮及锁紧螺母组成（见图6）。在主机架的横向上对称设有两个输送器壳体，每个输送器壳体倾斜安装于覆土机构固定架上；每个输送器壳体的内部设有挖土输送传动装置，挖土输送传动装置与输送器壳体倾斜方向一致：每个输送器壳体的尾部设有侧位分土口和正位分土口.挖土输送传动装置包括刮土板、刮土传动链、变速箱、张紧装置、主动链轮、链条、从动链轮及锁紧螺母；变速箱的输出端上装有主动链轮，主动链轮通过链条与从动链轮连接：从动链轮通过驱动轴带动刮土传动链和刮土板，实施挖土作业；传动链上设有张紧装置、
2.7膜上播种机构
膜上播种机构由播种机架和滚轮式播种器组成（见图7）。播种机架的前端安装于覆土机构同定架上，中间装设有滚轮式播种器，后端与镇压轮支臂相连。通过安装于不同的安装孔，可调节播种机构的工作高度，以确保播种机机构平稳作业，使播种质量稳定。
2.8镇压机构
镇压机构由镇压轮支臂、弹簧、镇压轮、同定卡、锁紧螺母等组成（见图8）。镇压轮支臂通过固定卡与播种机架的后部相连并用锁紧螺母固定，镇压轮支臂下部装设有镇压轮，并用弹簧张紧，使镇压轮与地面紧密接触，确保镇压效果。
3结语
2BP-2型多功能全膜播种施肥机采用分体式结构，机构紧凑合理，使用调整方便，播种作业行距可调节，地区适应性强，可一次完成开沟、施肥、覆膜、覆土压膜、播种、镇压等多项作业，是玉米全膜覆盖集雨栽培技术的理想配套机具。
参考文献
[1]王力捷.2BFM-2型施肥播种地膜覆盖机的研制[J].农业开发与装备，2010（12）：17.
[2]李宝筏.农业机械学[M].北京：中国农业出版社，2003.
[3]张俊苏.小型多功能播种机械集锦[J].农业机械，2001（1）：48-49.
DesignofType2BP-2MultifunctionalFullFilmSeedingandFertilizingMachine
GAOZhanwen
Abstract：Thedesignoftype2BP-2multifunctionalfullfilmseedingandfertilizingmachineistosolvetheproblemof'linewidthunadjustableforexistingmachinesoffullfilmcoveringseedingandfertilizing.Thearticleintroducesthemachinery'swholeconstructionexpoundstheconstructiondesignandoperatingprocessofmainworkingparts.Themachine'sworkinglinewidthisadjustable，hasstrongadaptability，andissuitableforextendinginlargearea.
2001年，中国石油与BP合资成立中油BP公司。中国石油占51%的股份，BP占49%。公司运作5年来，取得了良好的社会和经济效益，是中国成品油零售行业最大的中外合资企业。中油BP合资公司在中外文化和管理理念的碰撞与融合中，汲取了两大母公司的管理精华，形成了中油BP公司独特的运作模式，给我们很多有益的启示。
一、BP公司的运作模式(一)业绩导向
1、目标管理、注重绩效——目标管理是业绩导向的基本形式
突出业绩的核心地位。中油BP认为，业绩是第一位的，公司存在的理由就是为了获取业绩，公司一切工作围绕业绩进行，以业绩为主线调动企业各种资源。在追求经济效益的同时，还要塑造诚信的社会形象和一流的品牌形象。员工要为企业创造业绩，没有业绩就没有岗位。绩效目标制定科学合理。绩效目标是综合的，涉及很多相关方面，并有相应资源支持。目标是具体的、可量化的，同时又是现实的、有时限的。
互动签订绩效合同。每个员工与自己的直接上级（简称“主管”）签订绩效合同。合同的形成经历由双方反复协商、直至取得一致。通过合同，每个员工都清楚自己的目标、本部门或本区域的目标以及公司的目标，清楚自己应该做什么及如何做，才能使个人目标和组织目标保持一致。
主管有责任指导和帮助下属。绩效考核一级对一级，下属的工作业绩评价由主管做出。主管有责任听取下属的反馈意见，指导下属完成绩效目标。
2、动态预算、部门支配——预算机制是业绩导向的主要手段
预算以部门为主导。预算是谈出来的，以各部门主导谈。谈出来的预算是刚性的，要无条件执行。各部门有权限内的支配权，只要不超出预算，不必请示汇报。
预算根据实际情况做出调整。财务部门随时跟踪生产经营情况，各部门及时准确了解业绩目标完成情况。每个月总经理和各部门一起及时调整经营策略，根据实际定期对预算作出调整。
3、拓展服务、油非互动——拓展服务是业绩导向的具体体现
拓展服务项目，开辟利润增长点。公司从单一油品零售到便利店经营，到后来的彩票销售、交通卡（粤通卡）代理业务等，目的都是通过给客户提供更多优质便利的服务，不断地引导客户消费。
油非互动，促进销量提升。将油品销售和非油业务当作一个整体，统一规划、组合营销。统一在便利店内收银，员工主动引导司机去便利店消费，在便利店营造营业氛围，激发顾客的购买欲望，非油收入连年新高。(二)程序至上
1、先有程序、后做事情——先有程序是程序至上的基本要求
程序是一切工作的基础。企业必须有严格的组织程序，程序是各项制度、规则、流程等标准的统称。不管做什么事情，先设计程序，再按程序去办事。使员工在做每项工作时都有章可循、有据可依。程序是科学规范的。程序的制定充分吸收了BP公司国际化的运作成果，同时借鉴了中国石油的管理经验，经过反复论证、调动员工参与，做到与实践紧密结合，定性与定量相结合，科学、规范、合理。
程序具有可操作性。公司始终坚持“零售就是细节、细节决定成败”的理念。在制定程序过程中，非常关注程序的可操作性，要求程序制定者关注操作过程中每一细节。各种程序易于为基层理解，使员工在执行过程中做到细节管理。
程序是完备的。在工作运行上有、季度、月度等计划。在加油站开发上有加油站开发16步曲程序和加油站地产评估模型、加油站收购数据模型。在加油站管理上制定了加油站运作手册、安全手册、财务手册、便利店手册等手册。在具体运作上有各种业务流程。
2、制定计划、确定方案——计划管理是程序至上的典型实践
从总经理到机关员工都要依据自己的业绩合同，制定周密的工作计划、详细的实施方案，每个时间段的工作在计划表中一目了然，按照计划有条不紊的开展工作。安全检查等都是按计划来，检查采用随机抽样的每月检查和神秘顾客检查相结合的方式。
3、程序第一、自我退后——自我退后是程序至上的最高境界
如果工作中出现失误或事故，首先要检查的就是当事者有没有按照程序规定操作。如果员工按照程序操作而出现失误或事故，员工不负责任，否则会受到批评。
程序并非一成不变，是可以完善的。如果发现属于程序上的问题，公司将组织相关部门及时修正。员工发现问题可以向上级反映，但在未变更前执行原程序。(三)注重执行
1、全员培训、理念渗透——通过培训渗透夯实执行基础
狠抓执行意识培训，明确执行要求。程序不是虚设，而是作为铁的纪律执行。所有员工必须不打折扣、迎难而上、不找借口，执行程序不能走样。程序面前人人平等，员工执行程序主管要予以保护和鼓励。
狠抓基础发展培训，提高执行素质。公司设置了专职的培训团队，进入公司的每一个员工，都会得到系统科学的培训。由个人申请、公司安排。员工和主管共同制定个人发展计划（PDP），进入人力资源部门备案。计划制定后，主管要帮助落实，一起回顾，指出努力方向。
狠抓理念渗透，营造执行文化。公司经过几年的探索，形成了6个核心经营理念：追求卓越、注重细节、以人为本、至诚服务、诚信正直以及健康、安全、环保等等。通过不断地灌输、渗透，这些理念化为执行的动力，贯彻于员工行动中。将HSE作为执行的核心，放在公司工作的首位。公司建立HSE领导论坛，高度重视人员、程序和设备等安全三要素，要求员工必须做到认知三层次：告知、理解和相信执行。
2、职责明晰、指令归一——通过事权划分建立执行机制
建立明确的岗位责任制。中油BP有完善的岗位责任制，部门职责比较具体，部门之间的事权划分清晰，责、权、利对等。各部门该做什么、不该做什么，该怎么做、不该怎么做，该配合其它部门什么工作、如何配合做一清二楚，避免了执行过程中的推诿、扯皮现象。指令下达归口运作部门。中油BP作为零售公司，其一切业务都是围绕加油站开展的。运作部在公司处于核心地位，设4个大区，每个大区5~6个区域经理，每个区域经理管12~15个加油站。其它部门制定相关程序运作部都要参与，程序制定后由运作部贯彻到每一个加油站。
3、监督检查，进度汇报——通过过程控制防止执行走样
明查暗访，及时纠正执行偏差。公司实行神秘顾客暗访，检查中涉及每一个细节。同时实行走动管理，区域经理每月检查每个加油站1次，片区经理每月检查每个加油站3次。设置红绿灯表，保证执行进度。中油BP每个员工都有一张绩效执行进度表，上面都是硬指标，记载什么时间完成到什么程度，完成了就是绿色的，没有完成就是红色的。定期汇报执行情况，没有完成的要说明原因，主管与其一起研究改进措施，争取赶上正常进度。
4、严格考核，团队捆绑——通过联动考核确保执行到位
量化总结，严格考核兑现。年底对目标完成情况进行量化总结，评估结果同团队、个人的薪酬紧密挂钩，严考核、硬兑现，保证了执行程序规范到位。
团队捆绑，保证执行效果。将员工个人目标与团队的目标捆绑，促进员工为实现团队的目标而努力。主管负责对下属的培训，对员工的发展负责，与下属共同制定目标、计划，利益紧密相关。通过工会等活动，促进了团队成员之间的有效沟通，整个团队步调一致地执行。(四)效率优先
1、组织扁平、管理垂直——体制建设提高了管理效率
扁平化的组织架构。公司只有一级管理机关，不设二级单位，下属6个职能部门和HSE、内控两个小组，信息直接从公司总部机关传递到加油站。通过减少管理层次减少管理人员、降低人工成本，提高工作效率。
垂直化的专业管理。公司采用直线式的管理模式，每个员工只有一个主管，实行一对一管理、一对一负责，员工聘任、目标、考核、奖惩、分配、辞聘全部由主管负责，减少了交叉管理，确保了指令畅通。
授权不授责。不管是公司领导还是员工，需要离开岗位出差或休假时，会授权给他人行使权力。授权人将自己的授权书挂在网页上，让所有员工都知晓，被授权的人在被授权限内可以充分行使权力。它可以保证公司在任何时候能够正常运转。但授权不授责，最终责任仍由授权人承担。
2、外部物流、集中配送——物流管理提高了配送效率
公司用第三方物流，将运费分为固定费用和变动费用两块，固定费用相当于车辆的折旧费。对公司来说，要想单位费用低，就要想办法让车多跑；对承运商来说，固定费用只够折旧，而人工、养路费用、利润都会促使他积极去挣那块变动费用，变动费用又是由装卸费用和里程费用组成的，车跑得越多钱也越多；承运商为了提高运输效率，将司机的工资和运输效率挂起钩来，也是车跑得越多收入越高。公司、承运商和司机的积极性汇到了一个目标上，真正实现了三赢。公司运费每吨公里现在是0.48元，远远低于国内同业水平，也低于美国、欧洲和东南亚国家。
集中配送方式。公司改变了国内传统的货主下订单、承运商安排车辆的方式，实行集中配送。承运商只负责车况完好，保证中油BP随叫随到。公司采用GPS全球卫星定位系统，跟踪每辆车的位置，通过计算机网络掌握着各个加油站的储油情况，做出科学的配送方案。公司的调度室只有5个人轮流值班，人均管理超过80座加油站、1300吨油品的配送。
3、科学组织、弹性排班——弹性排班提高了人均劳效
追求利润最大化、降低站内成本是中油BP公司一个永恒的主题。公司在解决加油站员工过多、效率低下方面，经过研究分析在员工轮班问题上采取措施，倒班不是采取统一的模式，根据实际情况，总结出各加油站的高峰和低谷时间，然后运用弹性排班模式，解决加油站闲忙不均的问题，公司2006年加油站员工年人均加油量为410吨。
上述诸要素中，业绩是目标，程序是基础，执行是关键，效率是根本。几个方面相辅相承、缺一不可：设置程序并执行、努力提高效率的动力是获取最佳业绩。获取业绩、提高效率和执行的前提是要有科学合理的程序。获取业绩、提高效率需要执行得更好、程序设置是为了执行得更好。只有提高效率，才有可能落实程序、保证执行效果，获取最佳业绩。
二、中油BP公司运作模式对我们的启示
中油BP公司运作模式给我们成品油销售企业很多好的启示，借鉴中油BP的运作模式，我们在实践中应切实做到“八注重八强调”：
(一)注重业绩，强调考核——充分发挥绩效合同的作用
强调业绩第一。在现有绩效合同的基础上，合同指标由企业和员工双方反复协商，取得双方的认可，共同朝目标努力。既有大目标，也有部门分解目标和个人目标。在合同中增加定量的成份，使员工对自己工作完成到什么程度能拿多少薪酬一清二楚。合同签订后要有跟踪和反馈，帮助、指导员工完成目标。
(二)注重预算，强调沟通——增加方方面面的参与度
预算管理是加强企业管理的重要手段，制定预算的过程中可加大沟通力度，包括上下沟通和部门之间的沟通，经过一个反复的过程、凝聚共识后再下达。预算是综合预算，预算体系要配套。预算一旦确定，就坚决执行，允许基层在预算范围内自主使用。同时，总部相关部门掌握支配一块预算，基层单位使用预算也要接受上级部门的指导。根据市场情况和经营情况，对预算作出适当调整，使之更贴合实际。
(三)注重服务，强调便利——通过发展非油业务提高资产效能
中油BP发展非油业务的时候市场条件并不成熟，但公司将非油业务定位为为顾客提供超越期望的便利服务，认准方向、大力拓展，效果很好。现阶段我们要运用战略眼光，主动培育市场、充分利用现有资产、为顾客提供便利的服务，近期不过分强调投资回报，不追求绝对的盈利。只要能收回直接成本和分摊的直接用于非油业务的维修改造、固定资产投入和资金利息，非油业务就值得发展。
(四)注重程序，强调标准——突出计划性和标准化
要继续坚持“四有工作法”，凡事按计划行事，计划要可行、具有操作性、辅以行动方案。要有年、季、月计划，尽量细化到周、日计划。要腾出时间和精力去研究问题、整理思路，开拓性工作。应以规范、手册等标准作为指导基层工作的根本，规范、手册等需要修订的及时修订，增加时效性和可操作性，使基层有据可依。(五)注重机制，强调高效——努力提高运行效率 我们的体制建设方向是，尽量减少公司本部与基层营销终端之间的中间层次，努力实现组织结构的扁平化。逐步实行“一对一”管理，针对实行专业化运作的各个管理环节梳理出一条条自上而下的、连续的管理链条，形成一个统一的纵向指挥系统。(六)注重执行，强调细节——扎扎实实做好基础工作
要把现成的规章制度落实到员工的行动中，从小事抓起、从细微处抓起，扎扎实实夯实基础工作。要做到有效的执行：一要加强教育、培训和宣贯，调动基层班组的积极性；二要加强现场管理，消灭管理死角；三要强化稽查检查，大力推广交互检查形式；四是不断完善、修改规章制度，使其面向基层一线；特别是要建立对领导干部和管理人员、基层员工的考核机制，实行目标管理。
(七)注重培训，强调素质——以人为本搭建员工成长平台
要保持一线核心骨干队伍相对稳定。注重加油站层面员工素质的提高，加强培训的系统性；重视员工的发展，逐步为核心骨干员工开展职业生涯设计，让员工看到企业的向心力和在企业的发展前景，以良好的精神风貌实现亲情服务。
(八)注重理念，强调认同——将企业文化化为员工的自觉行动
【bp的教学设计】推荐阅读：
《奇怪的大石头》教学设计一 教案教学设计01-19
《奇妙的动物世界》教学设计(网友来稿) 教案教学设计01-30
设计中的人机关系教学设计11-14
《3.1设计的一般过程》教学设计12-02
《玲玲的画》教学设计-教学教案07-28
《恐龙的灭绝》教学设计-教学教案11-10
统计的教学设计06-12
花脸的教学设计06-17
