A Review on Short Term Load Forecasting Using Hybrid Neural Network Techniques
A Review on Short Term Load Forecasting Using
Hybrid Neural Network Techniques
M. Q. Raza*, Z. Baharudin
Department of Electrical and Electronics Engineering
Universiti Teknologi PETRONAS
31750 Tronoh, Perak, Malaysia Abstract-
Load forecasting is very essential for the efficient
and reliable operation of a power system. Often uncertainties significantly
decrease
the
prediction
accuracy
of
load
forecasting; this in turn affects the operation cost dramatically as well as the optimal day-to-day operation of the power system. In this article, an overview of recently published work on hybrid neural network techniques to forecast the electrical load demand.
A
hybrid neural network forecasting model is
proposed, which is a combination of simulated annealing (SA) and particle swarm optimization (PSO) called SAP S O. In proposed techniqiue,
particle
swarm
optimization
(PSO)
algorithm has the ability of global optimization and the simulated annealing (SA) algorithm has a strong searching capability. Therefore, the learning algorithm of a typical three layer feed forward neural network back propagation (BP) is replaced by SAPSO algorithm. Furthermore, preprocessing of input data, convergence, local minima and working of neural network with SAPSO algorithm also discussed.
Keywords-Short term load forecasting (STLF), Artificial neural Network (ANN), Particle swarm optimization (PSO), back propagation (BP), Simulated annealing (SA), Hybrid neural network (HNN).
I.
INTRODUCTION
Load forecasting plays very important role in the energy management system and also essential content for price based electricity market. Extensive research is conducted in the last decade for load forecasting as a constituent of the uninterrupted power
supply,
power
system
operation,
planning
and
maintenance of power system. Power system scheduling, contingency analysis and load flow analysis also can be explored by load forecasting [1]. Load forecasting is getting more intention because underestimating the load demand having a negative effect on demand response and also difficult to manage overload conditions especially when the backup storage power is not available. The overestimation load demand may create an unexpected surplus of production [2]. Load forecasting also applied to the power system management, scheduling and day to day operation of power system.
In the last few years extensive research was going on the future power generation system called smart grids to fulfill the load demand which may be implemented with accurate load forecasting. There are several techniques for short term load forecasting [1,6] and roughly load forecasting techniques can be divided in two categories. Statistical methods (parametric
techniques) [1,3] and artificial intelligence techniques (non-parametric techniques) [4,6]. Statistical method includes time series technique, linear regression, autoregressive moving average, general exponential technique and stochastic time series. The statistical technique gives less prediction error if the input behavior under normal conditions. If there is an abrupt change in environmental or sociological variables e.g. changes of the weather, type of the day which may cause a large forecasting error. This is a major drawback of statistical techniques [7].
The ANN received great attention by the researcher since mid 1980 for load forecasting problem and attracts the researcher as a powerful computational tool for the prediction problems. The ANN provides much better performance as compared to previous implemented techniques for non-linear input variables [2, 8]. The neural network has ability to solve the complex relationship, adaptive control, decision making under uncertainty and prediction patterns [9-10].
Currently, researchers more emphasis on hybrid neural network techniques for load forecasting problem. In this paper several hybrid techniques are investigated e.g. hybrid neural network technique trained by particle swarm optimization (PSO), NN with fuzzy logic, NN back propagation training method with similar degree, auto regressive moving average (ARMA),
genetic
algorithm,
artificial
inunune
system,
levenberg marquardt
algorithm, bayesian regularization
algorithm. Hybrid neural network techniques show better results in term of accuracy and resolve the issues than the previous techniques applied on load forecasting on certain parameters.
Accuracy of load forecasting is the measure of exactness of predictability of future load demand (difference between actual and predicted value) which is essential for reliable power operation and planning [11]. Such planning can save million dollars as a survey conducted for UK power system [12]. Accuracy of load forecasting is the one of the major issues to achieve reliability of the modern power system and future smart grids implantation. In modern times as the demand for power is increasing day by day the importance of load forecasting is also increasing. Millions of dollars can be saved even with a small increase in the degree of accuracy [4]. Accuracy of load forecasting is affected by different factor such as the abrupt change in meteorological conditions, training method of prediction model, uncertain load demand
due to social events, day type (week days or weekends) and
historical data requirements [13, 14].
In ANN, architecture and learning algorithm face a difficulty
in solving the problem local minima, over fitting and under
fitting. This is due to no such method is available to select the
number of hidden layers and number of neurons. To overcome
the shortcoming of standalone ANN model hybrid neural
network model are proposed. The objective of the paper is to
analyze hybrid neural network (HNN)techniques for STLF. The proposed hybrid neural network technique is expected to
increase the accuracy of model and provide better training
algorithm.
The paper is organized as follows: Section II examines the
recently reported work on hybrid ANN technique for STLF,
which also includes conventional and hybrid neural network
techniques. In section III the proposed hybrid neural network
technique (HNN)with particle swarm optimization (PSO) and simulated annealing (SA) for STLF is presented.
II. ANN WITH BACK PROPAGATION LEARNING ALGORITHM: Back propagation considers as a conventional training of neural network for load forecasting the as previous research publish. Different researcher proposed the short term load forecasting using back propagation and other data classification techniques. Y.J. HE at aI., [15] presents a forecasting model which implies a similarity degree and back propagation learning algorithm used to reduce the learning time and improve the convergence. The objective to effectively avoid the problem of holiday or abrupt change in inflectional factors. By which sometimes input data leads to improper training, which is the cause increase in forecasting error. The improved forecasting accuracy and learning potency can be achieved but maybe the back propagation defects may affect the convergence of model.
M.B. Hamid et aI., [16] presented a forecasting model to achieve higher accuracy due to economical importance. The proposed methodology of the author is artificial immune system learning algorithm and back propagation used in train artificial neural network. Artificial immune system gives the comparable results to back propagation method but there is significant need to reduce the mean average percentage error (MAPE).
III. HYBRID NEURAL NETWORK L OAD FORECASTING
TECHNIQUES
The neural network has the ability to solve the complex
relationship, adaptive control, decision making under
uncertainty and prediction patterns [8]. Load forecasting is a complex mathematical relationship between input and output because many factors affecting on it. Prediction type (short, medium or long term), climatic conditions, pervious load demand, day type of week (weekday's or weekends) and time of day are some of factors which affecting on forecasting model output. Recently hybrid techniques are proposed with a combination of superior attributes of two or more algorithms. In this section, hybrid models are examined for STLF.
Recent hybrid training methods for ANN for short term load
forecasting can be classified as follows:
? ANN with fuzzy logic
? ANN with Support vector machine
? ANN with artificial immune system
? ANN with Genetic Algorithms
? ANN with particle swarm optimization
1. ANN withjuzzy logic:
A fuzzy logic load forecasting ANN model is generally developed to classify a large input load data set to predict the load demand. K. Yang et aI., [17] constructed a forecasting model to consider the effect of weather and holidays on forecasting accuracy. Fuzzy logic membership functions and rule base are constructed for temperature and holiday factor and then ANN predict the load demand. As stated in A. Jain et aI., [18] the fuzzy adaptive inference system and similar day effect, which takes account the effect of hwnidity and temperature. Fuzzy inference system is also used to improve the similar day curve which also increases the accuracy. To encounter the uncertainties and unexpected behavior of power system A. Khosravi et aI., [19] presented a forecasting model to increase the accuracy and handling of uncertainties. Previous load demand, weather information and yearly calendar events consider as model inputs. The proposed model handles the uncertainties of a power system, which significantly improve the accuracy.
T. Senjyu et aI., [20] proposed a hybrid neural network, which is a combination of neural network with fuzzy logic to enhance the accuracy. The similar day approach is used to select correlated inputs for better training data. The proposed methodology shows a considerable improvement in forecasting accuracy over a test period.
2. ANN with Support vector machine:
Recently the reported research using support vector machine and more on support vector regression were introduced for STLF, e.g. Niu et aI., [21], Wang et aI., [22], Ii et aI., [23] and M. Afshin et al.,[24]. Support vector machines are normally used for data categorization and regression. Chen et aI., [25] applied support vector regression for STLF and the model inputs are previous seven day load demand, weather data and calendar information. The best approach reached the MAPE of 1.95%. A validation procedure is also presented to judge the either weather inputs are integrated or not. The two different forecasted load patterns are also identified due to different training data of forecasting model.
3. ANN with artificial immune system:
The immune system is based on the living being's immune process. According to the immune system, the solution of the problem is treated as an antibody and the problem as an antigen. The system will produce antibodies to resolve and control the antigen. There are actions and executions between the antibodies that controlled by the antigen. If the concentration of the antibodies increases then the actions and executions also increase [26]. In [27, 28] neural network model is proposed and trained by the artificial immune system to achieve a higher accuracy. In [29] it is propose to have a
model to achieve higher accuracy, lesser input load data requirement and faster convergence. The hybrid artificial immune system (AIS) is proposed which is combination of the back propagation method with the artificial immune system. The hybrid methodology shows that the genetic algorithm (GA) and particle swarm optimization (PSO) require 150 iterations and 36 data sets but the hybrid AIS takes only 6 iterations and 21 data sets to converge the same extent.
4. ANN with Genetic Algorithm:
The genetic algorithm (GA) is a random search technique that is widely used to find the optimal solution. It is a class of population-based algorithm and finds the optimal solution on the bases of the optimal point of a population. The genetic algorithm is also applied along with other techniques such as fuzzy logic, simulated annealing and particle swarm optimization (PSO) to reduce the forecasting output error [30-33]. Population-based algorithms like GA and randomized search-based algorithms are expected to be robust against a convergence in the global optima. In [34], the GA and PSO to reduce the training time of the neural network and to converge optimally have trained multi layer perceptron (MLP) models. The genetic algorithm gives better accuracy with a MAPE of 3.19% but is slow in training. However, the particle swarm optimization shows much faster training but is lower in accuracy with a MAPE of 4.25%. In this model, meteorological conditions are not considered so it is possible that accuracy will be affected in cases of abrupt weather changes.
5. ANN with Particle Swarm Optimization:
Particle swarm optimization is a population-based algorithm, which is widely applied to the optimization problems in different fields. As further research is concerned, different hybrid and updated versions of PSO are available, e.g., QPSO, MPSO, and the adaptive PSO, which shows better training results of neural networks. N. Lu et al. [35] proposed a technique using PSO and the radial basis function (REF) neural network to forecast the load demand. The PSO algorithm optimizes neural network weights. As the results show, that the PSO trained neural network shows more accurate results than the REF neural network due to the powerful non-linear optimization solving capability. Z.A. Bashir et al. [36] described a competitive learning model using particle swarm optimization. The inputs of the forecasting model are pervious load demand and temperature. The complexity of the propose model increases due to the presence of more than two hidden layers which may also increase the computational cost.
In [37], a PSO based neural network model has been proposed for load forecasting; the objective of the proposed methodology is to achieve a higher forecasting accuracy over a time varying window. A smaller ANN models are proposed for the hourly load data trained by the particle swarm optimization algorithm. The back propagation has a local minima problem that can be overcome by PSO. Therefore, the PSO algorithm shows better convergence, faster training, better generalization and simpler modeling. Weather data are not considered as input; this significantly affects the accuracy of the forecasting. L. Mengliang et al. [38] presented a model to reduce the forecasting error by a hybrid PSO and wavelet technique. The wavelet technique is used to divide data into approximate and detailed parts. The hybrid PSO is used to train to approximate and detailed parts of the load to achieve higher accuracy. The error of the forecasted load, from the approximate and detailed parts, is accurate enough for power system applications.
Z. A. Bashir et al. [39] proposed a methodology of short-term load forecasting using particle swarm optimization for training of NN. Load data wavelet transform at the preprocessing of the input of NNs to achieve higher accuracy. The particle swarm optimization technique with wavelet preprocessing has better convergence and forecasting results but is silent about the holiday load data as input, which affects the accuracy.
IV. PROPOSED MODEL NEURAL NETWORK TRAINING
TECHNIQUES
Hybrid techniques can be a potential solution for electrical STLF problems, which are a combination of two or more techniques by overcoming the drawbacks of fundamental technique. In the past, several load forecasting techniques have been proposed with classical training methods; however, hybrid NN training techniques give better NN training and forecasting results. Evolutionary algorithms are population based search algorithms such as GA and PSO which mimic the natural evolution; on the other hand, some randomized algorithms have been expected to be more robust against local optima convergence. Apart from the evolutionary algorithms, hybrid PSO techniques are applied to different principal training techniques to get an optimal setting of control parameters. However, stability and convergence of PSO algorithm are important parameters to consider [40].
The proposed technique is a combination of the particle swarm optimization technique (PSO) and simulated annealing (SA) as shown in Figure 1. A correlation analysis is applied for preprocessing of the input data to select the most inflectional inputs due to a large number of load data points. The SAPSO algorithm is used to update the network weights, which is expected to achieve the global optima.
A. Particle swarm optimization:
Particle swarm optimization is a stochastic search-based technique that was developed by Kennedy and Eberhart in 1995 [41]. This algorithm is a powerful tool to solve the continuing and discontinuing function. PSO is an emerging technique for optimization. It has been used in several fields for the optimization of problems [42]. The particle swarm optimization technique based on the sociological and biological behavior of birds such as flocks of birds searching for food.
Conventional back propagation (BP) method is used to train the neural network, it uses the gradient descent or conjugate descent method to update the weights and biases. For neural network parameters (weight, biases), the BP technique calculates the partial derivative of the performance function.
Model of' PSO and SA
Accuracy?
Figure I: Flow of proposed SAPSO based load forecasting model
However, the transfer relation of every neuron must be differentiable [43]. The PSO population based technique, where each unit of a population is called a particle, tries to search for the best position (state) in a multidimensional space by its own and neighbor's experiences. Each potential solution of a particle is called "swarm" which fmds the optimal solution.
The PSO algorithm has two only parameters to adjust; they are the velocity and position associated with each particle. Each particle updates its position by its own best experience as well as the overall swarm best position. Position and velocity vector updated according to the equation given in [42].
Where,
xf+1 =
xf + vf+1
(2) C 1
and C2 are two positive constants, f1 and f2 are two randomly generated numbers with a range
of [0,1],
w is the inertia weight,
P best
f is the best position particle achieved based on its own
experience,
gbest k
is the best particle position based on overall swarm's experience,
k is the iteration index.
B.
Simulated annealing: In [44], a simulated annealing is a gradient free optimization technique. Simulated annealing is an intelligent method to solve the optimization problem based on the annealing of metals. There are several benefits of simulated annealing for the optimization like during the search for information, no derivative information is required in the search process. SA stochastic technique, which provides better search in entire design space and achieves the global optimum [4].
A simulated annealing searching process accepts not only the best solution but also the worse neighboring solution with certain probability. Such a flexibility of accepting the worse neighboring influence provides a chance to explore new solutions, which are either better or worse. As the fundamental technique shows that, if initial temperature is higher, then probability of accepting the worse solutions is also high.
However, if the temperature decreases, the probability of accepting them is gradually decreased and approaches zero. The simulated annealing technique deals with every particle as:
1.
If P id > P g d then P g d
=
P id with probability of 1.
2. If P id < P g d
then
P g
d =
P id with probability
defined as [
Pgd-Pid ]
prob
=
1-e x
p
----
temp
temp
=
itempt (3)
(4)
Where pfob is the probability, temp is the current temperature, itempt is a constant selected as initial temperature, P id is the
best one of the solutions this particle has reached, P g
d is the
best one of the solutions all the particles have reached, and t is the current step number[45].
C.
Proposed SAPSO based neural network model:
The proposed model is a three layer feed forward neural network which consists of an input layer, a hidden layer and an output layer. All the nodes of the network are connected by corresponding synaptic weights as shown in Figure 2 [22]. Input layer transform the input signal to a hidden layer but did not actual perform computation. The output of the network is the function of inputs to the node modified by the non-linear activation function. SAPSO is adopted to train the neural network and denotes that vector W contains weights and
biases, which define the PSO algorithm. The fitness of model is measured by a fitness function, which is defmed as:
(5)
Where Yj is the expected output of the network is, O i j is the predicted output of the network, no is the no. of output nodes, and np is the no. of training set samples. If weights and biases values are adjusted in a suitable manner to train the network, then the overall model fitness will be larger [37].
D.
Working of SAPSO alogorithm:
Step 1: Initialization of particles according to swarm size, acceleration constant, inertia weights, iterations, position vector X and velocity V.
Step2: Calculation of the fitness of every particle using the fitness function.
Step3: Apply the SA algorithm on each particle individually; (as the iteration time increases) then it will generate new particles.
Previous
day load at
hour m
Previous
week load
at hour m
Previous
month load
at hour m
Hidden layer
Figure 2: Architecture of three layer neural network Forecasting Output
Step4: Comparison of the Personal best position's fitness value is compare with the new best position. If the new fitness value is better, make it is personal best position vector called pbest.
Step5: From all particles, search personal best; if Pid>Pgd , then accept P g d=Pid with probability of one; if Pid
Step6: Updating of e the velocity and position of particles according to equation I and 2.
Step7: The algorithm stops when the iteration reaches the maximum and the latest gbest is treated as the optimal parameter. Otherwise, go back to step 2 [45].
In [42], the SAPSO shows better fitness results than the PSO based ANN but PSO algorithm converges much better than SAPSO. SAPSO shows much better fitness better capability than the PSO algorithm that's forecasting is expected more accurate. The SA with PSO algorithm accepts not only the best solution of the neighboring particle but a worse solution with a probability. The hybrid of the PSO and SA algorithm shows a better tendency to reach the optimum point. The SAPSO algorithm has the tendency to avoid the local minimum that may be a result with a conventional PSO algorithm due to the personal influence of particles on one other.
V. DISCUSSION
The conventional training back propagation method uses the gradient based technique to train the neural network. This implies that constant adjustment of weights for the correction should be implemented in the proper direction. The local minima is arises due to improper adjustment of weights. In conventional techniques, there is no way to resolve the local minima that leads to convergence problem of NN. The local proposed technique can converge the train process in better way [36].
The significance of applied inputs affects largely on learning process. Some other approaches including similar day or chaos theory can be applied to select the appropriate inputs. This will result the form of simple network architecture and fast convergence to improve the accuracy of the model [16]. The conventional ANN techniques converge in longer time as compared to SAPSO based ANN. The SAPSO technique shows better training of the model and predictability due to improved fitness curve and less convergence time [41].
VI. CONCLUSION
Load forecasting plays a vital role to provide the reliable operation of a power system. Perhaps, it could also benefits the deregulation of the electricity market. This paper, examines the recent published work to highlight the hybrid neural network model as a potential solution for the short term load forecasting. The SAPSO neural network technique with the combination of PSO and SA is proposed for short-term load forecasting problem. Population based algorithms such as SAPSO is identified to predict better forecast results than the conventional NN.
The SAPSO neural network performs shows better performance for load forecast. It is reasonably simple to implement because only a few parameters need to be adjusted for optimal results. The proposed algorithm is capable to resolve the convergence problems of conventional training techniques. This research also provides an opportunity to save the operational costs of power system. Hence, SAPSO algorithm has the potential to be utilized as a learning algorithm of NN for STLF and other applications as well.
ACKNOWLEDGMENT
The authors would also like to acknowledge Universiti Teknologi PETRONAS, Malaysia to provide funding to conduct the research.
REFERENCES
[I] S. Ruzic, A. Vuckovic, and N. Nikolic, "Weather sensitive method for
short term load forecasting in electric power utility of Serbia," IEEE Trans. Power Syst. , v ol. 18, n o. 4, p p. 1581-1586,2003.
[2] C. Ying, et aI., "Short-Term Load Forecasting: Similar Day-Based
Wavelet Neural Networks," Power Systems, IEEE Transactions on, v ol.
25,pp.322-330,2010.
[3] S. J. Huang and K. R. Shih, "Short-term load forecasting via ARMA
model identification including non-Gaussian process considerations,"
IEEE Trans. Power Syst., v ol. 18, n o. 2, p p. 673-679, 2003.
[4] A. Khosravi, et aI., "Construction of Optimal Prediction Intervals for
Load Forecasting Problems," Power Systems, IEEE Transactions on, vol. 25, p p. 1496-1503,2010.
[5] S. Rahman and O. Hazim, "A generalized knowledge-based short-term
load-forecasting technique," IEEE Trans. Power Syst. , vol. 8, no. 2, pp.508-514,1993.
[6] J. W. Taylor and R. Buizza, "Neural network load forecasting with
weather ensemble predictions," IEEE Trans. Power Syst. , v ol. 17, n o.3, pp. 626-632, 2002.
[7] Mohammed EI-Telbany, Fawwaz EI-Karmi, Short-term forecasting of
Jordanian electricity demand using particle swarm optimization, E lectric Power Systems Research, V olume 78, Issue 3, M arch 2008, P ages 425-433, I SSN 0378-7796, I O.IOI6/j.epsr.2007.03.0I I.
[8] T. W. S. Chow and C. T. Leung, "Neural networks based short-term
load forecasting using weather compensation," IEEE Trans. Power Syst.
, v ol. I I, n o. 4, p p. 1736-1742, N ov. 1996.
[9] Osman, Z.H.; Awad, M.L.; Mahmoud, T.K.; , "Neural network based
approach for short-term load forecasting," Power Systems Conference and Exposition, 2009. PSCE '09. IEEE/PES, vol., no., pp.I-8, 15-18 March 2009.
[10] Tasre, M.B.; Bedekar, P.P.; Ghate, V.N.; , "Daily peak load forecasting
using ANN," Engineering (NUiCONE), 201l Nirma University International Conference on , v ol., n o., p p.I-6, 8-10 Dec. 20 I I.
[I I] De Felice, M.; Xin Yao; , "Short-Term Load Forecasting with Neural
Network Ensembles: A Comparative Study [Application
Notes]," Computational Intelligence Magazine, IEEE, vol.6, no.3, pp.47-56, A ug. 2011
[12] D. W. Bunn and E. D. Farmer, Comparative Models for Electrical
LoadForecasting ..C hichester, U.K.: Wiley, 1985.
[13] D. E. Rumelhart, G. E. Hinton, and R. J. Williams, "Learning repre-
sentation by back propagating errors," Nature, p p. 533-536, 1986. [14] Howard Demuth Mark Beale Martin Haga, "Neural Network Toolbox5
User"s Guide", p p: 3-12.
[15] Yu-Jun He; You-Chan Zhu; Jian-Cheng Gu; Cheng-Qun Yin; , "Similar
day selecting based neural network model and its application in short-term load forecasting," Proceedings of International Conference on Machine Learning and Cybernetics, v ol.8, n o., p p.4760-4763 Vol. 8, 18-21 Aug. 2005.
[16] M. B. Abdul Hamid and T. K. Abdul Rahman, "Short Term Load
Forecasting Using an Artificial Neural Network Trained by Artificial Immune System Learning Algorithm," 12th International Conference on in Computer Modelling and Simulation (UKSim), 2010, p p. 408-413. [17] Kuihe Yang; Lingling Zhao; , "Application of Mamdani Fuzzy System
Amendment on Load Forecasting Model," Symposium on Photonics and Optoelectronics, 2009. vol., n o., p p.I-4, 14-16 Aug. 2009.
[18] Jain, A; Srinivas, E.; Rauta, R.; , "Short term load forecasting using
fuzzy adaptive inference and similarity," World Congress on Nature & Biologically Inspired Computing, vol., no., pp.1743-1748, 9-11 Dec.
2009.
[19] Khosravi, A.; Nahavandi, S.; Creighton, D.; , "Short term load
forecasting using Interval Type-2 Fuzzy Logic Systems," Fuzzy Systems (FUZZ), 2011 IEEE International Conference on , v ol., n o., p p.502-508, 27-30 June 2011.
[20] Senjyu, T.; Mandai, P.; Uezato, K.; Funabashi, T.; , "Next day load
curve forecasting using hybrid correction method," Power Systems, IEEE Transactions on, v o1.20, n o.l, p p. 102-109, F eb. 2005.
[21] Niu, D., Li, J., Li, J., Wang, Q., 2007c. Daily load forecasting using
support-vector machine and case-based reasoning. In: Second IEEE Conference on Industrial Electronics and Applications, I EEE, p p. 1271-1274.
[22] Wang, J., Zhou, Y., Chen, Y., 2007. Electricity load forecasting based
on support vector machines and simulated annealing particle swarm optimization algorithm. In: Proceedings of the IEEE International Conference on Automation and Logistics, p p. 2836-2840.
[23] Li, G., Cheng, c.-I., Lin, J.-Y., Zeng, Y., Short-term load forecasting
using support vector machine with SCE-UA algorithm. In: Third International Conference on Natural Computation (ICNC 2007). IEEE, pp.290-294,.
[24] Afshin, M.; Sadeghi an, A; , "PC A-based Least Squares Support Vector
Machines in Week-Ahead Load Forecasting," Industrial & Commercial Power Systems Technical Conference, 2007. ICPS 2007. IEEE/IAS , vol., n o., p p.I-6, 6-11 May 2007.
[25] Chen, B.1., Chang, M.W., Lin, C.J., Load forecasting using support
vector machines: A study on EUNlTE competition 2001. IEEE Transactions on Power Systems 19 (4),1821-1830.
[26] Dipankar Dasgupta, "Advances in Artificial Immune System", IEEE
Computational Power Intelligence Magazine, N ov.2006
[27] G. Dudek, "Artificial Immune System for Short-Term Electric Load
Forecasting Artificial Intelligence and Soft Computing" vol. 5097, L.
Rutkowski, et aI., Eds., ed: Springer Berlin / Heidelberg, 2008, pp.
1007-1017.
[28] M. B. A Hamid and I. K. A Rahman, "Short Term Load Forecasting
Using an Artificial Neural Network Trained by Artificial Immune System Learning Algorithm," Proceedings of the 12th International Conference on Computer Modelling and Simulation, 2010.
[29] S. Mishra and S. K. Patra, "Short Term Load Forecasting using a Neural
Network trained by A Hybrid Artificial Immune System," in Industrial and Information Systems, 2008. ICllS 2008. IEEE Region 10 and the Third international Conference on, 2008, p p. 1-5.
[30] de Aquino, R.R.B., Nobergo Neto, 0., Lira, M.M.S., Ferreira, AA,
Santos, K.F., 2007. Using genetic algorithm to develop a neural-network-based load forecasting. In: Marques de Sa, J. et al. (Eds.), ICANN 2007, P art II, v ol. 4669. Springer, p p. 738-747. [31] EI Desouky, A, Aggarwal, R., Elkateb, M., Li, F., Advanced hybrid
genetic algorithm for short-term generation scheduling. IEE Proceedings Generation, T ransmission and Distribution 2001. 148 (6), 511-517. [32] Liao, G.-c., Tsao, I.-P., Application of a fuzzy neural network
combined with a chaos genetic algorithm and simulated annealing to short-term load forecasting. IEEE Transactions on Evolutionary Computation 2006. (3),330-340.
[33] Heng, E.T.H.; Srinivasan, D.; Liew, A.C.; , "Short term load forecasting
using genetic algorithm and neural networks," Energy Management and Power Delivery, 1998. Proceedings of EMPD '98. 1998 International Conference on , v ol.2, n o., p p.576-581 vol.2, 3-5 Mar 1998.
[34] Mishra, S.; Patra, S.K.; , "Short Term Load Forecasting Using Neural
Network Trained with Genetic Algorithm & Particle Swarm Optimization," Emerging Trends in Engineering and Technology, 2008.
ICETET '08. First International Conference on , vol., no., pp.606-611, 16-18 July 2008.
[35] Ning Lu; Jianzhong Zhou; , "Particle Swarm Optimization-Based RBF
Neural Network Load Forecasting Model," Power and Energy Engineering Conference, A PPEEC 2009. Asia-Pacific, v ol., n o., p p.I-4, 27-31 March 2009.
[36] Bashir, Z.A.; El-Hawary, M.E.; , "Short-Term Load Forecasting Using
Artificial Neural Network Based on Particle Swarm Optimization Algorithm," Electrical and Computer Engineering, 2007. CCECE 2007.
Canadian Conference on , v ol., n o., p p.272-275, 22-26 April 2007. [37] A Azzam ul, et aI., "Short Term Load Forecasting Using Particle
Swarm Optimization Based ANN Approach," International Joint Conference on Neural Networks, lJCNN 2007., 2007, p p. 1476-1481. [38] Liu Mengliang; Gao Rong; Wang Xiuhong; , "The load forecasting
using the PSO-BP neural network and wavelet transform," Control Conference, 2008 .. 27th Chinese, v ol., n o., p p.34-37, 16-18 July 2008.
[39] Bashir, Z.A.; El-Hawary, M.E.; , "Applying Wavelets to Short-Term
Load Forecasting Using PSO-Based Neural Networks," Power Systems, IEEE Transactions on , v o1.24, n o. 1,p p.20-27, F eb. 2009.
[40] Clerc, M.; Kennedy, J.; , "The particle swarm -explosion, s tability, a nd
convergence in a multidimensional complex space," Evolutionary Computation, I EEE Transactions on , v ol.6, n o.1, p p.58-73, F eb 2002 F.
[41] R. C. Eberhart and J. Kennedy. "A new optimizer using particle swarm
theory", Proceeding of the Sixth International Symposium on Micro Machine and Human Science, page 39-43, Nagoya, Japan, 1995, IEEE Service Center, P iscataway, N J.
[42] M. R. AIRashidi and M. E. El-Hawary, "A Survey of Particle Swarm
Optimization Applications in Electric Power Systems," Evolutionary Computation, I EEE Transactions on, v ol. 13, p p. 913-918, 2009.
[43] D. E. Rumelhart, G. E. Hinton and R. J. Williams, "Learning
representation by back propagating errors," Nature, p p. 533-536. 1986. [44] Yi Da, Ge Xiurun, An improved PSO-based ANN with simulated
annealing technique, N eurocomputing, V olume 63, J anuary 2005, P ages 527-533, I SSN 0925-2312, 10.10 16/j.neucom.2004.07 .002.
[45] Ning Lu; Jianzhong Zhou; Yaoyao He; Ying Liu; , "Simulated
Annealing Theory Based Particle Swarm Optimization for Support Vector Machine Model in Short-Term Load Forecasting," Information Engineering and Computer Science (ICIECS) 2009. International Conference on , v ol., n o., p p.I-4, 19-20 Dec. 2009.
六年级上册语文造句、四字词语、成语填空练习(答案)
六年级语文造句练习 班级：姓名： 类型一：词语造句 一、根据“成熟”的不同意思各造一个句子。 1.指植物的果实完全长成：秋天到了，苹果成熟了，远看像一个个小灯笼。 2.发展完善的程度：时机尚未成熟，警察局逮捕犯罪嫌疑人的计划还需要再完善。 二、根据“墨水”的不同意思各造一个句子。 1.墨水（墨汁）：今天我买了一瓶红色墨水，花了我5元钱。 2.墨水（学问）：鲁迅满肚子的墨水，写出的文章不计其数。 三、根据“仿佛”的不同意思各造一个句子。 1.仿佛（差不多）：我和闰土仿佛年龄。 2.仿佛（好像）：中秋的月亮挂在天空，仿佛是一块大玉盘。 四、根据“谎言”的不同意思各造一个句子。 1.谎言（善意的谎言）：老教授用善意的谎言，鼓励年轻人成才的美德值得学习。 2.谎言（恶意的谎言）：他常常用花言巧语，编制各种谎言骗取钱财，令人憎恶！ 五、根据“大方”的不同意思各造一个句子。 1.大方（不小气）：他待人很大方，从不斤斤计较，深得别人喜爱。 2.大方（不拘束）：舞蹈演员在舞台上表演，大方自然，一点儿也不紧张、拘束。 六、根据“精神”的不同意思各造一个句子。 1.表现出来的活力：王老师一头短发，一身西服，整个人显得很精神。 2.活跃、有生气：你看，赛场上同学们精神抖擞，各个摩拳擦掌。 3.人的意识、思维活跃等：雷锋助人为乐的精神，要世世代代传承下去。 七、根据“骄傲”的不同意思各造一个句子。 1.表示自豪的意思：我为祖国在科技上取得的巨大成就感到骄傲！ 2.表示自满的意思：一考到90分，他就骄傲了，常常在同学们面前夸耀自己。 八、根据“厉害”的不同意思各造一个句子。 1.表示批评的意思：你真厉害！这么容易的题目你都会做错！ 2.表示表扬的意思：刘翔真厉害！又获得好成绩，他是我们中国人的骄傲！ 九、根据“毛病”的不同意思各造一个句子。 1.表示疾病的意思：一到冬天，爸爸的腿隐隐作痛，应该是老毛病又犯了。
六年级上语文期末试题
六年级上语文期末试题 一、看拼音写词语。（10分） kān cè bǔ rǔ yóu yù dǐnɡ lǐ mó bài 六年级上语文期末试题 hūn yōnɡ jiān rèn fán zhípī bō zhǎn lànɡ（）（）（）（） 二、选择准确的答案；六年级上语文期末试题（6分） 1.下列带点字读音错误的一项是（）。 A 耸（sǒnɡ）立 B 衣襟（jīn） C 骤（zòu）雨 D 餐（cān）馆 2. 下列词语中有错别字的一项是（）。 A 广袤无垠 B 唱念坐打 C 废墟 D 杀戮 3. 下列词语中带点字解释正确的一项是（）。 A 悲愤欲绝（断绝） B 生死攸关（所） C 节衣缩（缩小）食 D 狂风怒号（标志） 4．与“横行霸道”感情色彩一样的词语是（）。 A 艰苦卓绝 B 喜出望外 C 忠于职守 D 负隅顽抗 5. （）春节；家家户户都在忙着准备年货。 A 临近 B 邻近 C 靠近 D 挨近 6.下列哪个词语与其他词语不属于同类？（） A 余音绕梁 B 锣鼓喧天 C 一碧千里 D 惟妙惟肖 三、按要求写词语或句子。（10分） 1. 下面的横线上该填什么风呢？（4分） 细雨暴雨送爽知劲草2．根据“地道”的不同读音造句。（2分） dì dào： dì dɑo： 3．请将句子补充完整。（1分）
处处留心皆学问；。《古今贤文》（读书篇）4．在原句上用修改符号修改病句。（其中有3个错别字；3个病句）（3分）冬天到了；同学们纷纷穿上了绵衣和手套。下课铃声一响；大家立既整队进入操场；参加跑操活动。经过一个冬天的锻练；使同学们增强了身体。 四、填空。（13分） 1.那些小丘的线条是那么；就像只用；不用墨线勾勒的中国画那样；到处；。这种境界；既；又；既愿；又想坐下低吟一首的小诗。 2. 我们爱你——桂林山水的；杭州西湖的；黄山、庐山的；长江、黄河的。我也能接着写一句：我们爱你——的…… 3. 《詹天佑》一文主要写了詹天佑在修筑铁路的过程中所发生的、 、三件事；说了詹天佑是我国杰出的爱国工程师。本学期我们学过的像詹天佑这样伟大的人物还有情系家乡孩子的大作家；爱国科学家 4.后生们的胳膊、腿、全身；有力地搏击着；急速地搏击着；大起大落地搏击着。它着你；着你；着你。从所填的词语；我体会到。 五、阅读短文；回答问题。（27分=6分+10分+11分） （一）船长（节选） 船长哈尔威屹立在舰桥上；一个手势也没有做；一句话也没有说；随着轮船一起沉入了深渊。人们透过阴森可怖的薄雾；凝视着这尊黑色的雕像徐徐沉入大海。 哈尔威船长一生都要求自己忠于职守；履行做人之道。面对死亡；他又一次运用了成为一名英雄的权利。 1．这两段话应该怎样读？请用“√”选择。（2分） 语速：①急促②平缓③适中
尊重的素材
尊重的素材（为人处世） 思路 人与人之间只有互相尊重才能友好相处 要让别人尊重自己，首先自己得尊重自己 尊重能减少人与人之间的摩擦 尊重需要理解和宽容 尊重也应坚持原则 尊重能促进社会成员之间的沟通 尊重别人的劳动成果 尊重能巩固友谊 尊重会使合作更愉快 和谐的社会需要彼此间的尊重 名言 施与人，但不要使对方有受施的感觉。帮助人，但给予对方最高的尊重。这是助人的艺术，也是仁爱的情操。—刘墉 卑己而尊人是不好的，尊己而卑人也是不好的。———徐特立 知道他自己尊严的人，他就完全不能尊重别人的尊严。———席勒 真正伟大的人是不压制人也不受人压制的。———纪伯伦 草木是靠着上天的雨露滋长的，但是它们也敢仰望穹苍。———莎士比亚 尊重别人，才能让人尊敬。———笛卡尔 谁自尊，谁就会得到尊重。———巴尔扎克 人应尊敬他自己，并应自视能配得上最高尚的东西。———黑格尔 对人不尊敬，首先就是对自己的不尊敬。———惠特曼
每当人们不尊重我们时，我们总被深深激怒。然而在内心深处，没有一个人十分尊重自己。———马克·吐温 忍辱偷生的人，绝不会受人尊重。———高乃依 敬人者，人恒敬之。———《孟子》 人必自敬，然后人敬之；人必自侮，然后人侮之。———扬雄 不知自爱反是自害。———郑善夫 仁者必敬人。———《荀子》 君子贵人而贱己，先人而后己。———《礼记》 尊严是人类灵魂中不可糟蹋的东西。———古斯曼 对一个人的尊重要达到他所希望的程度，那是困难的。———沃夫格纳 经典素材 1元和200元 （尊重劳动成果） 香港大富豪李嘉诚在下车时不慎将一元钱掉入车下，随即屈身去拾，旁边一服务生看到了，上前帮他拾起了一元钱。李嘉诚收起一元钱后，给了服务生200元酬金。 这里面其实包含了钱以外的价值观念。李嘉诚虽然巨富，但生活俭朴，从不挥霍浪费。他深知亿万资产，都是一元一元挣来的。钱币在他眼中已抽象为一种劳动，而劳动已成为他最重要的生存方式，他的所有财富，都是靠每天20小时以上的劳动堆积起来的。200元酬金，实际上是对劳动的尊重和报答，是不能用金钱衡量的。 富兰克林借书解怨 （尊重别人赢得朋友）
那一刻我感受到了幸福_初中作文
那一刻我感受到了幸福 本文是关于初中作文的那一刻我感受到了幸福，感谢您的阅读！ 每个人民的心中都有一粒幸福的种子，当它拥有了雨水的滋润和阳光的沐浴，它就会绽放出最美丽的姿态。那一刻，我们都能够闻到幸福的芬芳，我们都能够感受到幸福的存在。 在寒假期间，我偶然在授索电视频道，发现(百家讲坛)栏目中大学教授正在解密幸福，顿然引起我的好奇心，我放下了手中的遥控器，静静地坐在电视前，注视着频道上的每一个字，甚至用笔急速记在了笔记本上。我还记得，那位大学教授讲到了一个故事：一位母亲被公司升职到外国工作，这位母亲虽然十分高兴，但却又十分无奈，因为她的儿子马上要面临中考了，她不能撇下儿子迎接中考的挑战，于是她决定拒绝这了份高薪的工作，当有人问她为什么放弃这么好的机会时，她却毫无遗憾地说，纵然我能给予儿子最贵的礼物，优异的生活环境，但我却无当给予他关键时刻的那份呵护与关爱，或许以后的一切会证明我的选择是正确的。听完这样一段故事，我心中有种说不出的感觉，刹那间，我仿拂感觉那身边正在包饺子的妈妈，屋里正在睡觉的爸爸，桌前正在看小说的妹妹给我带来了一种温馨，幸福感觉。正如教授所说的那种解密幸福。就要选择一个明确的目标，确定自已追求的是什么，或许那时我还不能完全诠释幸福。 当幸福悄悄向我走来时，我已慢慢明白，懂得珍惜了。 那一天的那一刻对我来说太重要了，原本以为出差在外的父母早已忘了我的生日，只有妹妹整日算着日子。我在耳边唠叨个不停，没想到当日我失落地回到家中时，以为心中并不在乎生日，可是眼前的一切，让我心中涌现的喜悦，脸上露出的微笑证明我是在乎的。
爸爸唱的英文生日快乐歌虽然不是很动听，但爸爸对我的那份爱我听得很清楚，妈妈为我做的长寿面，我细细的品尝，吃出了爱的味道。妹妹急忙让我许下三个愿望，嘴里不停的唠叨：我知道你的三个愿望是什么?我问：为什么呀!我们是一家人，心连心呀!她高兴的说。 那一刻我才真正解开幸福的密码，感受到了真正的幸福，以前我无法理解幸福，即使身边有够多的幸福也不懂得欣赏，不懂得珍惜，只想拥有更好更贵的，其实幸福比物质更珍贵。 那一刻的幸福就是爱的升华，许多时候能让我们感悟幸福不是名利，物质。而是在血管里涌动着的，漫过心底的爱。 也许每一个人生的那一刻，就是我们幸运的降临在一个温馨的家庭中，而不是降临在孤独的角落里。 家的感觉就是幸福的感觉，幸福一直都存在于我们的身边!
关于我的幸福作文八篇汇总
关于我的幸福作文八篇汇总 幸福在每个人的心中都不一样。在饥饿者的心中，幸福就是一碗香喷喷的米饭；在果农的心中，幸福就是望着果实慢慢成熟；在旅行者的心中，幸福就是游遍世界上的好山好水。而在我的心中，幸福就是每天快快乐乐，无忧无虑；幸福就是朋友之间互相帮助，互相关心；幸福就是在我生病时，母亲彻夜细心的照顾我。 幸福在世间上的每个角落都可以发现，只是需要你用心去感受而已。 记得有一次，我早上出门走得太匆忙了，忘记带昨天晚上准备好的钢笔。老师说了：“今天有写字课，必须要用钢笔写字，不能用水笔。”我只好到学校向同学借了。当我来到学校向我同桌借时，他却说：“我已经借别人了，你向别人借吧！”我又向后面的同学借，可他们总是找各种借口说：“我只带了一枝。”问了三四个人，都没有借到，而且还碰了一鼻子灰。正当我急的像热锅上的蚂蚁团团转时，她递给了我一枝钢笔，微笑的对我说：“拿去用吧！”我顿时感到自己是多么幸福！在我最困难的时候，当别人都不愿意帮助我的时候，她向我伸出了援手。 幸福也是无时无刻都在身旁。 当我生病的时候，高烧持续不退时，是妈妈在旁边细心
的照顾我，喂我吃药，甚至一夜寸步不离的守在我的床边，直到我苏醒。当我看见妈妈的眼睛布满血丝时，我的眼眶在不知不觉地湿润了。这时我便明白我有一个最疼爱我的妈妈，我是幸福的！ 幸福就是如此简单！不过，我们还是要珍惜眼前的幸福，还要给别人带来幸福，留心观察幸福。不要等幸福悄悄溜走了才发现，那就真的是后悔莫及了！ 这就是我拥有的幸福，你呢？ 悠扬的琴声从房间里飘出来，原来这是我在弹钢琴。优美的旋律加上我很强的音乐表现力让一旁姥爷听得如醉如痴。姥爷说我是幸福的，读了《建设幸福中国》我更加体会到了这一点。 儿时的姥爷很喜欢读书，但当时家里穷，据姥爷讲那时上学可不像现在。有点三天打鱼两天晒网，等地里农活忙了太姥爷就说：“别去念书了，干地里的活吧。”干活时都是牛马拉车，也没机器，效率特别低。还要给牲口拔草，喂草，拾柴火，看书都是抽空看。等农闲时才能背书包去学校，衣服更是老大穿了，打补丁老二再接着穿，只有盼到过年时才有能换上件粗布的新衣服。写字都是用石板，用一次擦一次，那时还没有电灯，爱学习的姥爷在昏暗的煤油灯下经常被灯火不是烧了眉毛就是燎了头发。没有电灯更没有电视，没有电视更没有见过钢琴，只知道钢琴是贵族家用的。
三个有造句大全
三个有造句大全 导读：本文是关于三个有造句大全，如果觉得很不错，欢迎点评和分享！ 1、泡泡可真漂亮呀！有的像彩色的皮球，有的像红红的太阳，还有的像白白的圆月亮。 2、“嘭”的一声巨响，烟花腾空而起，在天空中绽开五颜六色烟花，有的像流星徘徊在夜空，有的像万寿菊欣然怒放，还有的像仙女散花，一朵朵小花从天而降。 3、生命是什么？生命是一朵盛开的花，是一幅绚丽的画，是一杯香醇的酒，她有清新的芳香，有浪漫的色彩，还有一丝醉人的甘烈，是世界上最美好的东西。 4、快乐的“庆元旦”游园活动正在进行中，有老师有同学还有家长，真够热闹啊！再加上别开生面的游戏活动就更热闹了！ 5、突然，烟花飞上天空，在一瞬间，炸开了，天上礼花朵朵。有的像银色的流星，有的像五光十色的花儿，有的像橙色的大衣，还有的像金色的太阳，把大地照得如同白昼一样。美不胜收！ 6、我生活在这个幸福的学校里，既有老师的关爱，又有同学的帮助，还有这舒适的学习环境。我的心里既温暖又幸福。 7、有的企业有高耸的护城河，里头还有凶猛的鳄鱼、海盗与鲨鱼守护着，这才是你应该投资的企业。 8、黄山真是名副其实，抬头望大门口的撑梁柱相当高，很有气
势。我们沿着山路往上走，山上长满了花草树木，有红的、有蓝的，还有绿的。把黄山点缀的五彩缤纷，非常美丽。 9、傍晚时分，西方露出了美丽的晚霞，又红的，有蓝的，有黄的，还有紫的，把太湖装点得分外美丽。行驶的船只靠近了码头，太湖恢复了往日的平静。 10、我的玩具哆啦A梦，是一个绒毛玩具，它又矮又胖，它的头上有一双圆圆的眼睛，有一个红色的鼻子，有长长胡须，还有一张小小的嘴巴，脖子上还系着个铃铛。我和哆啦A梦经常玩骑马，我当小勇士，它当马。他是我的好朋友。 11、鹿是腿长尾短、性情温顺、惹人喜爱的动物，毛色黄褐，杂有白斑，有的头上还有树枝一样的角。 12、晚霞的形状也变幻多端，有的像开满映山红的大山，有的像腾飞的老鹰，还有的像盘旋在空中的巨龙。 13、有春的春雨细腻，有夏的夏日炎炎，有秋的秋风萧瑟，还有冬的冬梅傲雪。 14、那些小泡泡有的随风飘上了蓝天，有的飘出了窗外，还有的落在花坛里。有时小泡泡连着大泡泡组成了超级泡泡团，它们像一群淘气的小孩子，挤来挤去，在空中一摇一摆，轻悠悠地飘着。 15、草地上一片欢声笑语，几个好朋友在互相追逐着，玩耍着，有的在捉蜻蜓，有的在捉迷藏，还有的三五成群地跳皮筋，轻快地哼着歌曲。 16、这盆杜鹃花，大约有50厘米高，枝干上长满了墨绿的叶片。
负隅顽抗是褒义词还是贬义词
负隅顽抗是褒义词还是贬义词 导读：负隅顽抗出于先秦·孟轲《孟子·尽心下》：“有众逐虎。虎负嵎，莫之敢撄。”含贬义;比喻依仗某种条件顽固抵抗或垂死挣扎。 一、词语释义 【成语】：负隅顽抗 【拼音】： fù yú wán kàng 【解释】：负：依靠;隅：山势弯曲险阻的地方。凭借险阻，顽固抵抗。指依仗某种条件，顽固进行抵抗。 【出处】：《孟子·尽心下》：“有众逐虎。虎负嵎，莫之敢撄。” 【举例造句】：最后牛元峰逃到镇东头的小寨里，指挥着一个多营负隅顽抗，死不投降。★徐海东《奠基礼》 【近义词】：负险固守 【反义词】：束手待毙、束手就擒 二、典故 《孟子·尽心下》：“齐饥。陈臻曰‘国人皆以夫子将复为发棠殆不可复。’ 孟子曰：‘是为冯妇也。晋人有冯妇者，善搏虎，卒为善士。则之野，有众逐虎。虎负嵎(yú)，莫之敢撄(yīnɡ)。望见冯妇，趋而迎之。冯妇攘臂下车。众皆悦之，其为士者笑之。’”
注释： (1)晋：周代国名，在今山西和河北南部一带。冯妇：晋国人，姓冯名妇。 (2)卒：完毕，终了，这里引申为“后来”。善士：善人。此处指行善，不再杀生。 (3)之：往，到。 (4)负：仗势，依靠。嵎(yú)：古时通“隅”，角落。 (5)莫：没有(人)。撄(yīnɡ)：接触，触犯。 (6)趋：古时慢走叫步，快走叫趋。 (7)攘臂：卷起袖子。 (8)士者：古代统治阶级中次于卿大夫的一个阶层。 战国时，有一年齐国发生饥荒，许多人饿死。孟子的弟子陈臻(zh ēn)听到这个消息，急忙来找老师，心情沉重地说：“老师，您听说了吗?齐国闹饥荒，人都快饿死了。人都以为老师您会再次劝说齐王，请他打开棠地的谷仓救济百姓。我看不能再这样做了吧。”孟子回答说：“再这样做，我就成为冯妇了。”接着，孟子向陈臻讲述了有关冯妇的故事。冯妇是晋国的猎手，善于和老虎搏斗。后来他成为善人，不再打虎了，他的名字也几乎被人们忘掉。有一年，某座山里出现了一只猛虎，常常伤害行人。几个年轻猎人联合起来去打虎，他们把老虎追至山的深处，老虎背靠着一个山势弯曲险要的地方，面向众人。它瞪圆了眼睛吼叫，没有人敢上前去捕捉。就在这时，冯妇坐
小学生作文《感悟幸福》范文五篇汇总
小学生作文《感悟幸福》范文五篇 小草说,幸福就是大地增添一份绿意;阳光说,幸福就是撒向人间的温暖;甘露说,幸福就是滋润每一个生命。下面是为大家带来的有关幸福650字优秀范文，希望大家喜欢。 感悟幸福650字1 生活就像一部壮丽的交响曲，它是由一篇一篇的乐章组成的，有喜、有怒、有哀、有乐。每一个人都有自己丰富多彩的生活，我也有自己的生活。我原本以为，吃可口的牛排，打电脑游戏，和朋友开心玩乐就是幸福。可是，我错了，幸福并不仅仅如此。 记得有一次，我放学回到家里放下书包就拿起一包饼干来吃。吃着吃着，突然我觉得牙齿痛了起来，而且越来越痛，痛得我连饼干也咬不动了。我放下饼干，连忙去拿了一面镜子来看。原来这又是那一颗虫牙在“作怪”。“哎哟哟，哎哟哟，痛死我了……”我不停地说着。渐渐地，那牙疼得越来越厉害，疼得我坐立不安，直打滚。后来在妈妈的陪伴下去了医院，治好了那颗虫牙。跨出医院大门时，我觉得心情出奇的好，天空格外的蓝，路边的樟树特别的绿，看什么都顺眼，才猛然一悟，幸福是简单而平凡的，身体健康就是一种幸福! 这学期我发现我的英语退步了，我决定要把这门功课学好，于是，我每天回
家做完作业后，都抽出半小时时间复习英语，在课上也听得特别认真，一遇到不懂的题目主动请教老师。经过一段时间的努力，终于，在上次考试的时候，我考了97分。妈妈表扬了我，我心里美滋滋的。我明白了经过自己的努力享受到成功的喜悦，这也是一种幸福。 …… 每个人都无一例外的渴望幸福。不同的人有不同的感受，其实，幸福就是那种能在平凡中寻找欢乐、能在困境中找到自信的一种心境。同学们，幸福其实很简单，就在我们的身边，触手可及。用心去认真地品味吧，它一直未曾离开我们身边! 感悟幸福650字2 有的人认为幸福就是腰缠万贯，有的人认为幸福就是找到意中人，“采菊东篱下，悠然见南山”是陶渊明对邪恶幸福，“从明天起做一个幸福人，喂马、劈柴、周游世界。从明天起，关心蔬菜和粮食，我有一所房子，面朝大海，春暖花开。”这是海子的幸福。一千种人就有一千种对幸福的理解。 我对幸福的理解就是幸福使简单而平凡的，是无处不在的! 我的牙疼得奇怪而顽强不是这颗牙疼就是那颗牙疼;不是吃冷的疼就是吃热
六年级上册语文造句、四字词语、成语填空练习(答案)
六年级上册语文造句、四字词语、成语填空练习(答案)
六年级语文造句练习 班级：姓名： 类型一：词语造句 一、根据“成熟”的不同意思各造一个句子。 1.指植物的果实完全长成：秋天到了，苹果成熟了，远看像一个个小灯笼。 2.发展完善的程度：时机尚未成熟，警察局逮捕犯罪嫌疑人的计划还需要再完善。 二、根据“墨水”的不同意思各造一个句子。 1.墨水（墨汁）：今天我买了一瓶红色墨水，花了我5元钱。 2.墨水（学问）：鲁迅满肚子的墨水，写出的文章不计其数。 三、根据“仿佛”的不同意思各造一个句子。 1.仿佛（差不多）：我和闰土仿佛年龄。 2.仿佛（好像）：中秋的月亮挂在天空，仿佛是一块大玉盘。 四、根据“谎言”的不同意思各造一个句子。 1.谎言（善意的谎言）：老教授用善意的谎言，鼓励年轻人成才的美德值得学习。 2.谎言（恶意的谎言）：他常常用花言巧语，编制各种谎言骗取钱财，令人憎恶！ 五、根据“大方”的不同意思各造一个句子。 1.大方（不小气）：他待人很大方，从不斤斤计较，深得别人喜爱。 2.大方（不拘束）：舞蹈演员在舞台上表演，大方自然，一点儿也不紧张、拘束。 六、根据“精神”的不同意思各造一个句子。 1.表现出来的活力：王老师一头短发，一身西服，整个人显得很精神。 2.活跃、有生气：你看，赛场上同学们精神抖擞，各个摩拳擦掌。 3.人的意识、思维活跃等：雷锋助人为乐的精神，要世世代代传承下去。 七、根据“骄傲”的不同意思各造一个句子。 1.表示自豪的意思：我为祖国在科技上取得的巨大成就感到骄傲！ 2.表示自满的意思：一考到90分，他就骄傲了，常常在同学们面前夸耀自己。 八、根据“厉害”的不同意思各造一个句子。
关于以幸福为话题的作文800字记叙文5篇
关于以幸福为话题的作文800字记叙文5篇 ----WORD文档，下载后可编辑修改---- 下面是作者为各位家长学生收集整理的作文（日记、观后感等）范本，欢迎借鉴参考阅读，您的努力学习和创新是为了更美好的未来，欢迎下载！ 以幸福为话题的作文800字记叙文1： 那是我生病后的第三天，妈妈从早上五点就起来为我准备早点。她蹑手蹑脚地走着“针步”，下楼煮早点，“啪”的一声，妈妈打开了煤气。在拿肉丝，打鸡蛋的她全然不知我正躲在楼梯口“监视”着她的一举一动。不一会儿，蛋炒好了。 她开始切肉丝，一不小心，妈妈的手指切破皮了，鲜血正一滴一滴地流下来，为了不影响我的睡眠，她把手指放在嘴里吸了一下，坚持把剩下的肉丝切完。 此时的我，心中犹如打翻了五味瓶，眼里的泪像断了线的珍珠般掉了下来，我再也忍不住了，一个劲地冲到妈妈面前，她赶紧把手背了过去，生怕让我知道了什么。 她吃惊地问我：“妈妈太吵了，吵到你了?”“不，不，没有”她见我这么早起来就让我再回去补个觉。我关心地问：“妈，你的手没事吧?”她吱唔着说：“没事，擦破点皮，不碍事!”我仔细地帮她清洗了伤口，贴了一片创可贴。 吃饭时，妈妈一直地往我碗里夹肉，“孩子，病刚好，多吃点!”可是我见她始终都没吃一块肉。我也夹了两块放在她的碗里。“儿子懂事了，你自己快点吃吧!补身体要紧!”我冲她点点头笑了笑，“嗯。” 这就是幸福，一份简简单单的幸福!我祈祷这幸福能伴我成长。 以幸福为话题的作文800字记叙文2： 在我眼中，成长就是记录我们长大过程中一点一滴的小事情的，而幸福就在这点点滴滴中。 在我的成长记忆中，永不磨灭的是2017年11月的一天。妈妈要去云南，妈妈早上四点半要到指定地点集合，这么早，妈妈要两三点就起来，可是最近我咳嗽比较严重，所以天天给我煮萝卜汤喝。 “叮铃铃，叮铃铃”闹钟叫了起来，把我从睡梦中吵醒，一醒来，去找妈妈，
负隅顽抗的意思及造句大全-小学语文基础知识归纳.doc
负隅顽抗的意思及造句大全|小学语文基础知识总结|小学语文基础知识大全- 【词语】： 负隅顽抗 【拼音】： [fù yú wán kàng] 【释义】： 负：依靠;隅：山势弯曲险阻的地方。凭借险阻，顽固抵抗。指依仗某种条件，顽固进行抵抗。 【造句】： 1 歹徒的负隅顽抗加速了自身的灭亡。 2 尽管敌人负隅顽抗，还是被我们彻底打败了。 3 敌人负隅顽抗的可能性是不可不加考虑的。 4 匪徒负隅顽抗,结果被一一击毙。 5 敌人已经山穷水尽了,但还在负隅顽抗。 6 这个星期的大多数时间里，麦凯恩继续负隅顽抗。 7 犯罪分子在法律面前要老实交代，不要负隅顽抗，才能得到宽大处理。 8 在八路军强大火力的攻击下，负隅顽抗的敌人最终还是缴械投降了。 9 这伙凶残的匪徒已别无选择，他们要么负隅顽抗而身亡，要么投降而受正法;他们已是身陷绝境中。 10 姜子牙的军队已经占领了朝歌，纣王再怎么负隅顽抗也
是没有用的了。 11 匪徒们逃到石头寨,企图负隅顽抗。 12 负隅顽抗的敌人终于投降，战士们载歌载舞的欢庆胜利。 13 面对着敌人的围追堵截，在这里我们再负隅顽抗也没用了。 14 走私犯负隅顽抗，但最后被抓获，送进监狱。 15 战争已经连续三天三夜，我军在黎明时分终于将负隅顽抗的敌人全部歼灭。 16 匪徒负隅顽抗了一个小时，最终还是被人民警察捉住了。 17 一群斯奇姆兽负隅顽抗，集中了火力。 18 几个匪徒被警察追到一个小山头,他们还想负隅顽抗,拒不服捕。 19 但只有当罪犯负隅顽抗时，警察才被准许使用手铐。
负责的近义词和反义词|小学语文基础知识总结|小学语文基础知识大全- 引导语：“负责”这个词想必大家都不陌生，亦是经常使用的一个词，那么负责的近义词和反义词有哪些呢？接下来是小编为你带来收集整理的文章，欢迎阅读！ 反义词：搪塞、唐塞、认真、敷衍 近义词：卖力、刻意、有劲、用心当真、认真、担任、控制、职掌、掌握、掌管、负担、肩负、担负、担当 负责造句 1) 要选忠实可靠的人负责安全保卫工作。 2) 校长负责学校各个方面的工作。 3) 办公室主任负责处理日常工作。 4) 负责值日的同学把教室打扫得干干净净。 5) 开大会的时候，值周生负责维持秩序。 6) 今天大扫除，我们班负责清扫走廊，另外还要派五名同学到礼堂擦玻璃。 7) 白求恩大夫对工作极端负责，对同志极端热忱。 8) 运动会上，文娱委员负责宣传鼓动工作。 9) 工程质量出问题，主管领导要担负责任。 10) 运动会的准备工作，由体育委员负责。 11) 这次负责纳降的是三连的同志。 12) 我们的校舍，由设计院绘制蓝图，建筑公司负责施工。 13) 医生工作认真负责，得到患者的好评。 14) 他对工作一贯认真负责,当会计十多年,每一笔帐都不
尊重议论文
谈如何尊重人尊重他人，我们赢得友谊；尊重他人，我们收获真诚；尊重他人，我们自己也 获得尊重；相互尊重，我们的社会才会更加和谐. ——题记 尊重是对他人的肯定，是对对方的友好与宽容。它是友谊的润滑剂，它是和谐的调节器， 它是我们须臾不可脱离的清新空气。“主席敬酒，岂敢岂敢？”“尊老敬贤，应该应该！”共和 国领袖对自己老师虚怀若谷，这是尊重；面对许光平女士，共和国总理大方的叫了一 声“婶婶”，这种和蔼可亲也是尊重。 尊重不仅会让人心情愉悦呼吸平顺，还可以改变陌生或尖锐的关系，廉颇和蔺相如便是 如此。将相和故事千古流芳:廉颇对蔺相如不满，处处使难，但蔺相如心怀大局，对廉颇相 当的尊重，最后也赢得了廉颇的真诚心，两人结为好友，共辅赵王，令强秦拿赵国一点办法 也没有。蔺相如与廉颇的互相尊重，令得将相和的故事千百年令无数后人膜拜。 现在，给大家举几个例子。在美国，一个颇有名望的富商在散步 时，遇到一个瘦弱的摆地摊卖旧书的年轻人，他缩着身子在寒风中啃着发霉的面包。富 商怜悯地将8美元塞到年轻人手中，头也不回地走了。没走多远，富商忽又返回，从地摊上 捡了两本旧书，并说：“对不起，我忘了取书。其实，您和我一样也是商人！”两年后，富商 应邀参加一个慈善募捐会时，一位年轻书商紧握着他的手，感激地说：“我一直以为我这一生 只有摆摊乞讨的命运，直到你亲口对我说，我和你一样都是商人，这才使我树立了自尊和自 信，从而创造了今天的业绩??”不难想像，没有那一 句尊重鼓励的话，这位富商当初即使给年轻人再多钱，年轻人也断不会出现人生的巨变， 这就是尊重的力量啊 可见尊重的量是多吗大。大家是不是觉得一个故事不精彩，不够明确尊重的力量，那再 来看下一个故事吧！ 一家国际知名的大企业，在中国进行招聘，招聘的职位是该公司在中国的首席代表。经 过了异常激烈的竞争后，有五名年轻人，从几千名应聘者中脱颖而出。最后的胜出者，将是 这五个人中的一位。最后的考试是一场面试，考官们都 作文话题素材之为人处世篇：尊重 思路 人与人之间只有互相尊重才能友好相处 要让别人尊重自己，首先自己得尊重自己 尊重能减少人与人之间的摩擦 尊重需要理解和宽容 尊重也应坚持原则 尊重能促进社会成员之间的沟通 尊重别人的劳动成果 尊重能巩固友谊 尊重会使合作更愉快 和谐的社会需要彼此间的尊重 名言 施与人，但不要使对方有受施的感觉。帮助人，但给予对方最高的尊重。这是助人的艺 术，也是仁爱的情操。———刘墉 卑己而尊人是不好的，尊己而卑人也是不好的。———徐特立 知道他自己尊严的人，他就完全不能尊重别人的尊严。———席勒 真正伟大的人是不压制人也不受人压制的。———纪伯伦 草木是靠着上天的雨露滋长的，但是它们也敢仰望穹苍。———莎士比亚
最新整理高中关于幸福的议论文800字范文3篇
最新整理高中关于幸福的议论文800字范文3篇 范文一 什么是幸福?当我把一个棒棒糖递给六岁的邻居小妹妹时，她满足的笑容告诉我，这是她的幸福。当我轻轻地走过妹妹的写字台时，我瞥见埋在桌上的妹妹的僵硬的表情。我笑笑，走近，她抬头，水汪汪的眼睛望着我，似乎带着某种渴求。我说：出去玩吧!她笑了，蹦蹦跳跳地跑了出去。我诧异，这么真诚的笑。玩耍是她的幸福。 暑假到了，马上面临实习的哥哥回来了。可没过几天，就不见人影了，好容易盼他回来，暑假也结束了。他说他去了内蒙的好多地方。我关切的问他累吗?他说：累啊!随后又骄傲地说：“可是我学会了许多东西，我相信那对我以后的人生路是有帮助的。”我笑，大声地喊：哥，你是我的榜样。在他看来，他的暑假是充实的，他是幸福的! 夜幕降临，繁星点点。隔着一层帘，我看见常年劳作的父亲坐在那里，默默地吸着一支烟。灯光打在他的脸上，我看不清他的表情，只有那斑白的鬓角依稀可见。父亲真的老了，每天早出晚归来支撑这个家，他一定很累了。眼泪盈满了眼眶，最后还是不争气的流了下来……“咳、、咳、、”一阵剧烈的咳嗽声传来。我擦干眼泪，走到父亲旁边，父亲把那支烟熄灭，慈祥的笑笑，说：爸爸老了，不中用了。我说：没有啊!父女两开怀的笑了，笑声混着一个个烟圈飘向远方……我问父亲：爸，这么多年付出，这么多年劳作，你幸福吗?他坚定地告诉我，幸福!他说：“只要你们开开心心快快乐乐地成长，我做的一切都值得。”他又说：“霞，好好读书，爸爸赚钱供你上大学，我还没老呢，至少还能干XX年，20年……然后是一片寂静，我和父亲看着远方，那里有希望。 年迈的姥姥是家里的大长辈，他常常念叨：平安就是福。那也许是经历了人生的酸甜苦辣后的感悟吧!每逢新春，一大家人在姥姥家围着看电视时，那应该是她的幸福吧! 幸福是什么?它不是你一个人拥有一座豪宅，它是一家人在并不宽敞的屋子里谈笑风生。它不是你一个人有拥山珍海味，它是一家人和和乐乐的吃一些普通
一年级到处造句大全
一年级到处造句大全 导读：本文是关于一年级到处造句大全，如果觉得很不错，欢迎点评和分享！ 1、下雨时，煤烟像那重甸甸的乌云，在烟囱上时起时落，一团团高悬在屋顶上，或是坠落在地上到处乱窜，不知要往哪里躲藏。 2、春天来了，田野里到处是青的草，到处是绿的花，到处是鸟儿的啼叫声，到处是农民伯伯忙碌的身影。 3、站在这广阔的田野中，纵目望去，一片片稻海泛起绿波，一块块大豆果实累累，一垄垄山芋铺沟浸垄，到处是一片长势喜人的美丽景象。 4、一个人到处分心，就一处也得不到美满的结果。 5、在这火伞高张的中午，大地到处都是滚烫滚烫的。一阵风吹来，地上卷起一股热浪，火烧火燎的，让人难以呼吸。 6、他是拿枪的人。他是一个很壮的男人，秃顶的，脸上有伤疤，一副凶相。他和人打过上百次，身上到处是伤。 7、下雪了，山坡白了，田野白了，松树也白了，我们的眼睛里到处都是白色。 8、落叶随风飘落，一层一层，踩上去，有点软。我们捡起它扔向空中，会飞到房子上、汽车上、河面上等等。在我们的视觉中，到处看到金色，仿佛是点缀上去的。 9、最宝贵的，莫过于生命，每一种生命也都有其存在的价值与
意义，生命之初源于形，生命之终归于魂，这形与魂的行途之中，到处焕发着生命智慧的光芒。 10、我有一条美丽的裙子。它的裙边镶着紫色的纱在吊带上还两边各有一条蝴蝶结，在胸前还有一朵紫色的大花，裙子上到处都是镶着金片的紫色的花，可好看了。 11、春天来了，生机勃勃的绿草到处都是。 12、然世界此刻是如此的美丽：到处放射着明媚的阳光，到处炫耀着五颜的色彩，到处飞扬着悦耳的鸟叫虫鸣，到处飘荡着令人陶醉的香气。这是绿的世界、花的海洋。 13、春天是一位作家，他的文章到处充满诗情画意，令人回味无穷。 14、早起，乌云遮蔽了天空。随着风到处飘荡，游离在灰暗的空间！ 15、冬天的早晨，我一张口就有白白的气冒出来升到天空。有时，天空中到处都是白茫茫的一片，人走在里面什么也看不见，就像在仙境里一样。 16、人生最大的快乐在于到处追杀你的敌人，侵略他们的土地，掠夺他们的财富，然后听他们妻子儿女的痛哭声。 17、春风是温柔的。她像一个美丽的少女一般，在广阔的大地上到处游玩。 18、心情是什么颜色？心情是彩色的。在人们的心情里，有湛蓝的天空，洁白的云朵，深蓝的大海，以及翠绿的椰子树，金黄的沙
感受幸福作文(15篇)
感受幸福作文(15篇) 感受幸福作文第1篇： 幸福是什么？这是许多同学要问的问题。 很小的时候，我就明白钱能够买来一大盒巧克力；钱能够买来玩具汽车；钱能够买许多的美丽的洋娃娃；钱能够买来一个大楼…… 我以为有钱就是幸福。 倡我错了，钱虽然能够买来一屋子巧克力，但买了甜蜜，钱虽然能买到房子，可是却买来家庭幸福；钱虽然能买来药，可是却买来健康，钱虽然能买来闹钟，可是买来时间……那时，我又明白了有钱必须幸福。 以前，我总是为了一条连衣裙而朝思暮想，盼望有一天能够穿上裙子，去放风筝。那时候，我以为拥有就是幸福。 最终有一天，妈妈给我买了这条连衣裙，我高兴的一宿都没有睡觉。可是几天的新鲜劲没有了，穿上裙子后，我并没有什么改变，依然是一个黄毛丫头。于是把它扔到箱子里。几个月后，我又把它翻出来，可是已经小了，穿下了。我又明白了，虽然裙子很美，但都是暂时的，完美的时光总是转瞬消失。 “幸福是什么？”我依然没有感受到。 几年后，我在街上看到了一对耄耋老人，他们虽然履蹒跚，可是互相搀扶，有时抬头看看天上的云卷云舒，有时望望西天如血的残阳，她们脸上洋溢着的是满足和幸福。 噢，我明白幸福就是真情。虽然他们很穷，可是他们很
相爱。他们彼此珍惜，从感叹世界对他们的公平。往往有的有钱人，他们虽然很有钱，可是他们并幸福，因为他们的心总是被金钱和权势所占据了，根本享受了这天伦之乐。 幸福其实很简单，就是和爸爸、妈妈吃一顿饭，和他在一齐聊聊天。 感受幸福作文第2篇： 夜，悄悄地打开了黑暗，散布着一如既往的宁静，天上的繁星披上了闪装，正对着我的眼，似乎害怕我听到它们之间的悄悄话。 知何时，甘寂寞的虫儿起劲地奏起了动听的乐曲，清凉的微风夹杂着泥土的芳香悄悄地将白天的烦闷与喧嚣赶跑。夜，显得更加宁静而诗意了。 静静的，左思，右想，就这样静静地坐在楼顶上，感受着夜馈赠我的美妙。就连天上偶尔飘过的云朵，也像是怕惊动了夜的宁静，如绒毛在平静水面滑过般，显得那么轻柔而迷人。 今夜独处在空旷的夜空下，感受着夜带给我的美妙，幸福惬意溢满于心。原先自我一向以来苦苦追寻的幸福其实就在自我的身边。 以往，有人努力打拼，渴望生活富裕来获得幸福，可一辈子的艰辛拼搏使自我逐渐沦为金钱的奴隶，苦苦追寻的幸福也越寻越远，最终留给自我的是岁月无情地染白的头发。其实，幸福并非是追寻能得到的，幸福是一种感受，仅有用心感受身边的一切，你就能发现，幸福无处在，譬如，管贫
尊重他人的写作素材
尊重他人的写作素材 导读：——学生最需要礼貌 著名数学家陈景润回厦门大学参加 60 周年校庆，向欢迎的人们说的第一句话是：“我非常高兴回到母校，我常常怀念老师。”被人誉为“懂得人的价值”的著名经济学家、厦门大学老校长王亚南，曾经给予陈景润无微不至的关心和帮助。陈景润重返母校，首先拜访这位老校长。校庆的第三天，陈景润又出现在向“哥德巴赫猜想”进军的启蒙老师李文清教授家中，陈景润非常尊重和感激他。他还把最新发表的数学论文敬送李教授审阅，并在论文扉页上工工整整写了以下的字：“非常感谢老师的长期指导和培养——您的学生陈景润。”陈景润还拜访了方德植教授，方教授望着成就斐然而有礼貌的学生，心里暖暖的。 ——最需要尊重的人是老师 周恩来少年时在沈阳东关模范学校读书期间 , 受到进步教师高盘之的较大影响。他常用的笔名“翔宇”就是高先生为他取的。周恩来参加革命后不忘师恩 , 曾在延安答外国记者问时说：“少年时代我在沈阳读书 , 得山东高盘之先生教诲与鼓励 , 对我是个很大的 促进。” 停奏抗议的反思 ——没有礼仪就没有尊重 孔祥东是著名的钢琴演奏家。 1998 年 6 月 6 日晚，他在汕头
举办个人钢琴独奏音乐会。演出之前，节目主持人再三强调，场内观众不要随意走动，关掉 BP 机、手提电话。然而，演出的过程中，这种令人遗憾的场面却屡屡发生：场内观众随意走动， BP 机、手提电话响声不绝，致使孔祥东情绪大受干扰。这种情况，在演奏舒曼作品时更甚。孔祥东只好停止演奏，静等剧场安静。然而，观众还误以为孔祥东是在渴望掌声，便报以雷鸣般的掌声。这件事，令孔祥东啼笑皆非。演出结束后，孔祥东说：有个 BP 机至少响了 8 次，观众在第一排来回走动，所以他只得以停奏抗议。 “礼遇”的动力 ——尊重可以让人奋发 日本的东芝公司是一家著名的大型企业，创业已经有 90 多年的历史，拥有员工 8 万多人。不过，东芝公司也曾一度陷入困境，土光敏夫就是在这个时候出任董事长的。他决心振兴企业，而秘密武器之一就是“礼遇”部属。身为偌大一个公司的董事长，他毫无架子，经常不带秘书，一个人步行到工厂车间与工人聊天，听取他们的意见。更妙的是，他常常提着酒瓶去慰劳职工，与他们共饮。对此，员工们开始都感到很吃惊，不知所措。渐渐地，员工们都愿意和他亲近，他赢得了公司上下的好评。他们认为，土光董事长和蔼可亲，有人情味，我们更应该努力，竭力效忠。因此，土光上任不久，公司的效益就大力提高，两年内就把亏损严重、日暮途穷的公司重新支撑起来，使东芝成为日本最优秀的公司之一。可见，礼，不仅是调节领导层之间关
感悟幸福(作文)(20篇)
感悟幸福(作文)(20篇) 篇一篇的乐章组成的，喜、怒、哀、乐。每一个人都自我丰富多彩的生活，我也自我的生活。我原本以为，吃可口的牛排，打电脑游戏，和朋友开心玩乐就是幸福。可是，我错了，幸福并不仅仅如此。 记得一次，我放学回到家里放下书包就拿起一包饼干来吃。吃着吃着，突然我觉得牙齿痛了起来，并且越来越痛，痛得我连饼干也咬不动了。我放下饼干，连忙去拿了一面镜子来看。原先这又是那一颗虫牙在“作怪”。“哎哟哟，哎哟哟，痛死我了”我不停地说着。渐渐地，那牙疼得越来越厉害，疼得我坐立不安，直打滚。之后在妈妈的陪伴下去了医院，治好了那颗虫牙。跨出医院大门时，我觉得心境出奇的好，天空格外的蓝，路边的樟树异常的绿，看什么都顺眼，才猛然一悟，幸福是简单而平凡的，身体健康就是一种幸福！ 这学期我发现我的英语退步了，我决定要把这门功课学好，于是，我每一天回家做完作业后，都抽出半小时时间复习英语，在课上也听得异常认真，一遇到不懂的题目主动请教教师。经过一段时间的努力，最终，在上次考试的时候，我考了97分。妈妈表扬了我，我心里美滋滋的。我明白了经过自我的努力享受到成功的喜悦，这也是一种幸福。
每个人都无一例外的渴望幸福。不一样的人不一样的感受，其实，幸福就是那种能在平凡中寻找欢乐、能在困境中找到自信的一种心境。同学们，幸福其实很简单，就在我们的身边，触手可及。用心去认真地品味吧，它一向未曾离开我们身边！ 感悟幸福(作文) 第8篇： 幸福无时没，幸福无处不在。儿时，你的幸福就是当你跌倒失声痛苦时，母亲抱起你，拍打着你背时的那句“别哭。”;成年时，你的幸福就是在你结婚时你身旁的那位拉起你的手问你的那句“你愿意吗”;老年时，你的幸福就是在椅子背后孙子的那句“奶奶我帮你敲背!”。家庭中，幸福是一家子的和乐融融;学校里，幸福是同学间的互相竞争;赛场上，幸福是队友间的默契配合。 然而，幸福不全然是唾手可得的，想不付出任何代价而得到幸福，那是神话。张志新说;“苦换来的是知识真理，坚持真理，就应自觉的欣然理解痛苦，那时，也仅那时，痛苦才将化为幸福。”仅心身遭受过痛苦的洗涤，幸福才会来到，痛得越深，苦得越彻，幸福得就越甜。鲁迅说：“穿掘到灵魂的深处，使人受了精神的苦刑而得到的创伤，又即从这得伤和养伤的愈合中，得到苦的涤除，而上了苏生的路。”从而得到了幸福的真谛。拉罗什夫科说过：“幸福后面是灾祸，灾祸后面是幸福。”你想成为幸福的人吗愿你首先吃得
自吹自擂造句
自吹自擂造句 本文是关于好词好句的，仅供参考，如果觉得很不错，欢迎点评和分享。 自吹自擂造句 1、暴发户可能挥金如土来提升形象，自吹自擂。而一个国家大概也会面临同样的诱惑。 2、自吹自擂，等于无知。 3、一些所谓专业书者在商业气浪的影响下，开始对自己的作品在自吹自擂中明码标价。 4、爱自吹自擂的人很快就会失去朋友。 5、这个自吹自擂的候选人大谈特谈他的政治野心，使在场的人非常反感。 6、它有可能来作为没有惊讶电影的首都在美国自吹自擂若干个神鬼出没行动剧场中做。 7、如同一场比赛那样，一个运动员或是一个运动队，如果既不充分了解对方的长短，也不自己的长短，只靠关上门自吹自擂，表决心，喊口号，那怎么能有可靠的战胜对手的信心呢？ 8、语序上的差异导致了语义上的高低差别，而语义上的变化与合理思维产生偏离于是诙谐而生，表面上语序的转移，却深刻地讽刺了那些不学无术，自吹自擂的丑陋形象。 9、没有人喜欢自大狂，尽量别大声地自吹自擂。数一数自己的
福气，亲切地接受自己所赢得的掌声。 10、我们这些职业中专也只是在招生宣传会上才会简单的散发一些印刷精美的宣传材料给家长，然后自吹自擂一番。 11、为了你，你的母亲会一直在那里。她会倾听你的烦恼，你的自吹自擂，还有你受的挫折等等。 12、营销战略过于自信自恋，自吹自擂，脱离营销环境，无法实现突围的情况极其普遍。 13、这些作品从来没有经世界银行发表过，它拒绝自我批评的原则，宁愿自吹自擂。 14、美国人可以接受的自吹自擂的广告，在加拿大却被定为是误导性广告而被禁止。 15、中国人反对王婆卖瓜式的自吹自擂，然而中国式的自我谦虚或自我否定却常常使西方人大为不满。 16、这个人喜欢自吹自擂。 17、安东尼自吹自擂他已通过了普通级法语考试，但那有什么了不起，成千上万的人都通过了。 18、你应该改掉自吹自擂的缺点；否则别人会总不相信你。 19、他自吹自擂说能喝十品脱啤酒，但无人理睬他。 20、我认为我不应该为自己的无能而自吹自擂，因为我有一些非常要好的朋友陪在身边。 21、我经常说的是你必须自吹自擂，因为如果连你自己都不去宣传卖弄你自己，谁还会这么去做呢？
小学六年级语文学科毕业专项训练复习资料――词语专项训练[1]
词语专项练习 一、写出下列词语的反义词与近义词。 近义词： 轻蔑（轻视）充足（充裕。充沛）目不转睛（聚精会神）商议（商量） 歉疚（内疚）能耐（本领）推辞（推托）抱怨（埋怨）反义词： 怀疑（相信）陈旧（新颖）果断（缠绵）苏醒（昏晕） 消失（存在）降低（升高）善良（恶毒）仰望（俯视） 二、词语的搭配。 1、用“正”字组词并与括号后面的词语搭配。 （修正）错误（端正）态度（改正）缺点（摆正）位置 2、用“保”字组词并与括号后面的词语搭配。 （保护）财产（保卫）祖国（保全）性命（保守）秘密 3、在括号里填上合适的词语。 开展（活动）保持（秩序）维持（生命）肯定（成绩） 端正（态度）明确（目标）养成（习惯）稳定（增长） 三、用“√”选出正确的字。 （川穿）山岩（拨拔）琴弦一（番翻）宏论 慈（详祥）（映印）像枯（燥躁）（住驻）军 淡（装妆）浓抹（竟竞）然银（装妆）素裹 四、选词填空。 1、继续相继陆续 ①随后，数十头麋鹿被（相继）盗往欧洲，在伦敦、巴黎和柏林等地动物园里展出。 ②后来，流落在国外的迷麋鹿大部分（陆续）死去。 2、争持争夺 ①清政府刚提出修筑的计划，一些帝国主义国家就出来阻挠，他们都要（争夺）这条铁路的修筑权。 ②帝国主义者谁也不肯让谁，事情（争持）了好久得不到解决。 3、融化溶化熔化 ①把白糖放到水里，让它慢慢地（溶化。 ②春天来了，河里的冰慢慢（融化）。 4、品位品味 ①中央电视台春节联欢会的艺术（品位）很高。 ②他经过细细（品味），才明白了那句话的含义。 5、截止截至 ①网站的人气很旺，（截至）8月底，累计点击已达50万人次。 ②音乐美术班报名在昨天已经（截止）。 6、临近邻近 ①我家（邻近）有几棵大榕树。 ②（临近）毕业考试了，大家都在紧张的复习。 7、仰望眺望俯视 ①夏天的夜晚，我常常在阳台上（仰望）天空中璀璨的群星。 ②清晨，我推开窗户，（眺望）着远方的山峰和田野。 ③春游那天，同学们站在南山顶上（俯视）着山脚下翻腾的江水，真有一番情趣。 五、根据词语的不同意思造句。 1、骄傲①（自豪）我们应以我们是中国人而自豪。 ②（不谦虚）虽然我学习好，但是我不能骄傲。 2、结实①（身体很强壮）因为我经常锻炼，所以我身体很结实。 ②（坚固耐用）爸爸自制了一张书桌很结实。 3、回味①（食物吃过后的余味）正宗的新疆烤羊肉真是好吃，很让人回味！ ②（对经历过的事情重新体味）李叔叔的一番话很是让我回味。 六、在括号里填入由“望”字组成的词。 1、成功举办2008年北京奥运会是全国人民的（愿望）。 2、每年圣诞节，我都（盼望）着圣诞老人的礼物。 3、今年我一定好好学习，因为我（希望）在毕业考试中取得优异成绩，不辜负爸爸妈妈对我的（期望）。 七、风有各种各样的：寒风、劲风、金风、疾风、和风、朔风、狂风、微风、暴风……在下边的句子中，该填什么风呢？ 1、（疾风）知劲草，路遥知马力。 2、天高云淡，（金凤）送爽，大雁排着队往南方飞去。 3、一阵（狂风）刮来，飞沙走石，人们难以行走。 4、雨住了，天边出现了一道彩虹，（清风）习习，人们感到舒服极了。 5、（朔风）吹，林涛吼，峡谷震荡。 6、冬天，（寒风）凛冽，吹到脸上像刀割一样。 八、皇浦东新进了一批货物，但他不知道怎么摆放。你能帮他把货物分类吗？请将类别写在后面的括号里。 水彩笔足球瓜子钢笔牛奶脸盆鞋子 篮球手套杯子羽毛球圆珠笔话梅象棋 花生袜子衬衫铅笔牙膏筷子 1、水彩笔钢笔圆珠笔铅笔（文具类） 2、足球篮球羽毛球象棋（体育类） 3、瓜子牛奶话梅花生（食物类） 4、脸盆杯子牙膏筷子（生活类） 5、鞋子手套袜子衬衫（服饰类） 九、在括号里填上合适的关联词。（4分） 1、（尽管）今天的天气很热，他（还是）坚持干到底。 2、（即使）风再猛，雨再大，（也）阻挡不了我们前进的步伐。 3、小琴（不但）不嫌弃这只破脚的小狗，（而且）真心地喜欢它。 4、（虽然）只是一句平常的问候，（但是）让我感到无比地温暖。 5、他（不是）马虎地把考卷看一遍，（而是）认真地检查。 6、（与其）拖延时间被妈妈责怪，（不如）现在就动手做 7、吴王（之所以）准备出兵攻打楚,（是因为）看到自己国家的军事实力比楚国强大。 8、大臣们认为攻打楚国（虽然）取胜的希望很大，（如果）其他诸侯国乘虚而入，后果（就）不堪设想。（但是）大臣们都不同意吴王的主张。 十、按要求写词。 1、喜出望外（含有褒义感情色彩的成语）吐气扬眉欢天喜地兴高采烈 2、负隅顽抗（含有贬义感情色彩的成语）仗势欺人得以忘形胡作非为 十一、给下列词语分类。 同仇敌忾哭爹喊娘恼羞成怒气势汹汹 慷慨激昂载歌载舞惊恐万状奋起还击 褒义词：同仇敌忾慷慨激昂载歌载舞奋起还击 贬义词：哭爹喊娘恼羞成怒气势汹汹惊恐万状 十二、用日常交往中常用的词语填空。 久违劳教高见请教包涵拜托恭喜借光打扰赐教请问留步1、表哥考进了北京大学，我见到他便笑嘻嘻地说：“（恭喜）你考上了名牌大学！” 2、我不知道新近开放的动物园在哪里，就问一位老伯伯：“（请问），去动物园怎么走？” 3、来我校考察的客人要走了，汪校长对客人说：“照顾不周，请各位多多（包涵）” 4、我到隔壁刘老师家去问一道数学题，刘老师连忙关掉电视，热情地给我解答。临走时我对刘老师说：“（打扰）您看电视了，真不好意思。谢谢您！”