秦学教育是秦学（北京）网络教育科技有限公司旗下互联网教育品牌，是产业互联网时代混合运营模式的品牌，以K12校外培训为主要业务，以“科技+教研”为主要，旗下打造了勤学云智慧教学生态系统、月芽儿歌、伊顿名师等教育产品，120多家学习中心，教职员工2000多名。

1、公司概况     淄博宽正数码网络科技有限公司成立于2003年12月，是一家专门致力于互联网教育软件自主研发的科技型高成长企业。主导产品为教学软件和教研软件，兼及政府重要行业应用系统建设。     宽正公司旗下现有1家全资子公司及1家分公司，分别为北京全优典网络科技有限公司和淄博宽正数码网络科技有限公司安徽分公司。     俯首十年，我们厚积而薄发，创立了以网络教研应用为主的“宽正”和以网络教学应用为主的“全优典”两大教育应用软件品牌。成功提出并做到了把传统教研和教学“搬”到了互联网上，成为传统教研和教学的有效补充和延伸。 2、公司荣誉     * 2007年，公司被淄博市人民政府表彰为“诚信企业”。     * 2009年，公司被山东省经济和信息化委员会评为“软件企业”。     * 2010年，公司被山东省科技厅评为“高新技术企业”。     * 2008、2009两年内，有七项产品：《宽正网上教育教学平台》、《全优典在线教学系统》、《公文征集》、《集体备课》、《教师培训》、《资源中心》、《网络说课》系统先后获得国家版权局著作权认定。     * 《宽正网上教育教学平台》荣获“2007中国最具影响力网络教育平台”     * 《全优典（直播互动）教学平台》荣获“2007中国最受校企欢迎网校”     * 《全优典在线教学系统》2008年5月，被腾讯教育、现代教育报、中国民办教育杂志联合授予“改革开放30年中国网络教育技术创新典范”荣誉称号。      * 2010年，公司被确定为“中国城市商业信用环境指数”第一批调研单位。并聘请高煜总经理为特邀调研员，负责组织开展调研工作，不断优化本行业和本地区商业信用环境。     * 2011年，《宽正网上教育教学平台》在“2011中国行业信息化奖项评选”活动中荣获“2011年度中国软件产业最佳解决方案奖”。     * 2012年，有6项产品《全优典网络学习空间平台》、《全优典视频会议系统》、《全优典图书配套（视频课件）平台》、《全优典网络家长学校系统》、《全优典公开课系统》、《全优典图片资料库系统》 获得国家版权局著作权认定     * 2013年，《全优典在线教学系统》荣获山东省淄博市首届“优秀软件产品”。 3、核心理念     目标：做中国网络教育第一品牌    使命：用我们的软件提升您的软实力    责任：关心下一代 惠及下一代 4、用户数据     学校注册用户 11766 所，教育局、教研室用户 800 所，正式用户 1555618 人，共涉及到 21 个省，168 个区县 5、联系方式     公司地址：山东省淄博市高新区高创园E座427     公司网址：800@kuanzheng.com   

产品详细介绍　　产品简述： 　　　金硕计算机网络教室采用纯软件设计，安装、维护、升级方便。其应用软件则采用全新压缩算法和高效内核技术并运用了最新的计算机网络技术和多媒体传输技术, 可通过与校园局域网联网，使金硕计算机网络教室的功能更加丰富与贴近教学。  　　功能与特点： 　　广播教学    消息发送　　屏幕监视    电子抢答　　遥控辅导    电子黑屏　　教学示范    远程管理　　师生对讲    文件传递　　分组讨论    网络影院 　　适用范围： 　　适于各大、中、小学校职校、技校等等。

产品详细介绍开启式管式电阻炉以新型铁-铬-铝高温电阻丝或硅碳棒为发热元件，炉温有1000℃、1200℃、1400℃多种，测温元件采用K、S分度热电偶，控温方式有自动恒温型和程序控温型两种。采用新型隔热保温材料，具有测温精度高、控温准确、热导率低、高效节能、美观大方等特点，供实验室、工矿企业、科研院所等单位用于金属、非金属、合金、陶瓷等材料的高温烧结、热处理及熔融、分解等。主要技术参数1、最高温度：1200℃；2、电源及功率：AC220V/2KW； 3、炉膛尺寸：∮40×600mm；4、测温：K分度号热电偶+精密数显程序控温仪；5、控温：可控硅移相调压+智能PID调节+程序升降温；6、控温精度：±1℃；

项目成果/简介:本服务体系主要依托 SPARROW 模型，它是一款由美国国家地质调查局（USGS）开发的非线性流域污染物评估模型，其介于传统统计学模型与机理模型之间，用于估计流域地表水体中污染物负荷与污染源之间的关系。是美国 TMDL 计划推荐流域模型方法之一。 原始 SPARROW 模型基于 SAS（统计分析系统）平台运行，使用 IML 语言编写，其嵌套的统计模块可以轻松调用非线性加权最小二乘法（NWLS）进行方程的求解，完成所需参数的估计，虽然SPARROW 本身可以免费使用，但是 SAS 平台购买费用不菲，为此我们基于 SPARROW 模型的原理，使用 FORTRAN 语言开发了面向我国特点的具有空间响应特性的水环境管理模型，简化了原SPARROW 模型中不适用于中国的模块，并增加 jackknife 不确定性分析模块，按照中国水环境管理需求补充可能实现的模块，优化模型功能，改善人机交互形式，使数据输入及模型运行更加方便易学并符合中国的数据特点。利用 ArcGIS 生成河网、划分子流域等，提取与整合必要的与流域河流属性相关的输入数据，并利用该平台将模拟结果进行可视化表达。应用范围:模型已应用于东北松花江流域、黄山新安江流域，成功完成对这些地区 N、P、COD 等污染负荷的空间解析，并设置敏感断面（松花江流域的同江断面，新安江流域的跨省断面--街口断面）进行溯源分析，能够为流域（区域）水环境管理决策的制定与实施提供技术支持。效益分析:（1）污染源空间解析：进行各子流域污染源组成比例分布预测以及各子流域的污染来源追溯等，由于监测站点只能评价静态的理化指标，SPARROW 模型则综合考虑流域内的地质地貌、气象要素等，通过监测数据追溯污染来源，分析来自不同污染源的污染量和比例，有针对性地对水质进行控制和管理，找出污染贡献最大的区域加以治理，实现投入产出的效益最大化； （2）面向水质达标的监测站点空间布局优化与设计：利用有限水质监测站点过去一段时间的监测数据外推流域内其他未监测河段 的水质情况，有效解决布设监测站点成本高、监测网络点位数量少、代表性差的问题，通过对流域整体水质状况的预测分析，找出水质较差河段，进而有效优化监测站点的空间设置，为水环境质量达标提供支持。 （3）面向敏感区（达标断面）的削减措施优化：例如海岸带、湖库、饮用水取水区、达标考核断面等，作为考核或评估断面进行污染物传输分析，分析上游各子流域对其污染贡献大小，甄别污染贡献最大的区域，优化管理措施的设置。

本发明公开了一种随机动载荷空间分布及统计特征的识别方法。本发明的方法包括步骤：Ｓ１．开展模态试验，获取结构的模态参数，包括固有频率和模态振型；Ｓ２．将结构随机振动响应利用模态振型展开，获取结构在模态空间的动响应；Ｓ３．利用模态振型展开，将随空间分布的随机动载荷投影到模态空间；Ｓ４．在模态空间内，由随机动响应样本反演随机动载荷样本；Ｓ５．由模态空间内随机动载荷样本及振型函数求解结构上随机动载荷的空间分布和统计特征。本发明能够解决在时域内利用实测结构动响应样本识别结构上随机动载荷的统计特性和分布特征问题，为服役于分布式随机动载荷环境下的工程结构设计与安全评估提供准确可靠的动载荷信息。

本服务体系主要依托 SPARROW 模型，它是一款由美国国家地质调查局（USGS）开发的非线性流域污染物评估模型，其介于传统统计学模型与机理模型之间，用于估计流域地表水体中污染物负荷与污染源之间的关系。是美国 TMDL 计划推荐流域模型方法之一。 原始 SPARROW 模型基于 SAS（统计分析系统）平台运行，使用 IML 语言编写，其嵌套的统计模块可以轻松调用非线性加权最小二乘法（NWLS）进行方程的求解，完成所需参数的估计，虽然SPARROW 本身可以免费使用，但是 SAS 平台购买费用不菲，为此我们基于 SPARROW 模型的原理，使用 FORTRAN 语言开发了面向我国特点的具有空间响应特性的水环境管理模型，简化了原SPARROW 模型中不适用于中国的模块，并增加 jackknife 不确定性分析模块，按照中国水环境管理需求补充可能实现的模块，优化模型功能，改善人机交互形式，使数据输入及模型运行更加方便易学并符合中国的数据特点。利用 ArcGIS 生成河网、划分子流域等，提取与整合必要的与流域河流属性相关的输入数据，并利用该平台将模拟结果进行可视化表达。

本发明公开了一种负载蛋白、多肽类药物微球立体形态及分布的测定方法，属于微球测定技术领域。

本实用新型公开了一种电枢各相绕组线圈拆分布置的永磁同步直线电机，包括次级和初级，初级电枢绕组多相供电，相数为 q，每相采用单一线圈和独立铁芯，各铁芯按其绕组电相位分开布置在次级上，然后用非导磁材料刚性联接形成一个整体初级。不同相绕组线圈分开布置，在空间上形成了与旋转电机相似的各相绕组对称特性，能有效减小边端磁阻力和电磁脉动等推力波动成分。本实用新型直线电机除具有一般直线电机具有的传动结构简单、系统加减速响应快、定位精确等优点外，还能大幅减少直线电机中各推力波动成分，是一种尺寸小、推力大而波动小的高性

一种基于 LED 混光呈色模型的光谱功率分布提取方法及系统，包括进行 LED 智能光源控制信号空 间全局采样，利用预设的 LED 发光控制方式根据全局采样样本集中各信号值驱动 LED 光源发光，组成 发光样本集；分别测量所得各发光样本对应光谱功率分及照度，生成发光数据集；根据预设的照度阈值 进行筛选，得到最终发光数据集，并从全局采样样本集中选取对应信号样本，组成最终信号空间采样样 本集；构建 BP 神经网络，并在此基础上建立相应的 LED 混光