浙江省强基联盟2025-2026学年高三上学期12月联考技术试题-高中信息技术
试卷更新日期:2025-12-11 类型:月考试卷
一、选择题(本大题共12小题,每小题2分,共24分。每小题列出的四个备选项中只有一个是符合题目要求的,不选、多选、错选均不得分。)
-
1. 在台风防治中,卫星、雷达、传感器等多源设备实时采集气压、风速、云图等海量数据,并通过5G网络传输至云数据中心。AI技术通过深度学习模型对数据进行融合、清洗与挖掘,实现台风路径的预测和强度判定。同时,大数据技术也广泛应用于风险预警、灾害评估与救援调度,赋能防灾减灾的全流程。下列关于数据的说法,不正确的是( )A、台风路径的预测本质上是数据计算的结果 B、对数据进行融合、清洗与挖掘,可充分发挥数据价值 C、气象数据具备很强的实效性,过往数据没有价值 D、卫星云图是气象数据的一种呈现形式2. 在台风防治中,卫星、雷达、传感器等多源设备实时采集气压、风速、云图等海量数据,并通过5G网络传输至云数据中心。AI技术通过深度学习模型对数据进行融合、清洗与挖掘,实现台风路径的预测和强度判定。同时,大数据技术也广泛应用于风险预警、灾害评估与救援调度,赋能防灾减灾的全流程。下列措施中,能有效提升数据传输效率的是( )A、将数据转换为统一的格式 B、对数据进行加密后传输 C、增加服务器存储容量 D、增加数据传输的网络带宽3. 在台风防治中,卫星、雷达、传感器等多源设备实时采集气压、风速、云图等海量数据,并通过5G网络传输至云数据中心。AI技术通过深度学习模型对数据进行融合、清洗与挖掘,实现台风路径的预测和强度判定。同时,大数据技术也广泛应用于风险预警、灾害评估与救援调度,赋能防灾减灾的全流程。在台风防治系统中,以下关于信息技术应用的说法,不正确的是( )A、多源数据的融合主要依赖传感技术 B、拍摄卫星云图主要依赖遥感成像技术 C、数据汇集到云中心依赖网络通信技术 D、台风路径、强度的预测依赖人工智能技术4. 在台风防治中,卫星、雷达、传感器等多源设备实时采集气压、风速、云图等海量数据,并通过5G网络传输至云数据中心。AI技术通过深度学习模型对数据进行融合、清洗与挖掘,实现台风路径的预测和强度判定。同时,大数据技术也广泛应用于风险预警、灾害评估与救援调度,赋能防灾减灾的全流程。以下关于该系统中数据的采集、加工和处理的说法,合理的是( )A、该系统中的数据全部来源于传感器采集 B、同一传感器采用不同算法能实现不同的功能 C、传感器采集数据实现了数据的“数模转换” D、在气象数据加工处理过程中不会产生新的数据5. 在台风防治中,卫星、雷达、传感器等多源设备实时采集气压、风速、云图等海量数据,并通过5G网络传输至云数据中心。AI技术通过深度学习模型对数据进行融合、清洗与挖掘,实现台风路径的预测和强度判定。同时,大数据技术也广泛应用于风险预警、灾害评估与救援调度,赋能防灾减灾的全流程。以下关于台风防治系统功能和设计的说法,不正确的是( )A、该系统可采用B/S架构,以方便社会大众使用 B、该系统在应对复杂自然环境时存在局限性 C、该系统可预留空间以过渡到地震灾害的防治工作 D、该系统的数据管理设计需要在概要设计阶段完成6. 在台风防治中,卫星、雷达、传感器等多源设备实时采集气压、风速、云图等海量数据,并通过5G网络传输至云数据中心。AI技术通过深度学习模型对数据进行融合、清洗与挖掘,实现台风路径的预测和强度判定。同时,大数据技术也广泛应用于风险预警、灾害评估与救援调度,赋能防灾减灾的全流程。以下关于该系统中人工智能技术应用的说法正确的是( )A、深度学习需要事先手工构造知识库 B、历史气象数据越丰富,学习模型越强大 C、AI模型能实现对台风路径的精准预测 D、台风路径预测精度不依赖实时数据的质量7. 在台风防治中,卫星、雷达、传感器等多源设备实时采集气压、风速、云图等海量数据,并通过5G网络传输至云数据中心。AI技术通过深度学习模型对数据进行融合、清洗与挖掘,实现台风路径的预测和强度判定。同时,大数据技术也广泛应用于风险预警、灾害评估与救援调度,赋能防灾减灾的全流程。现有一个台风预测模型,可根据中心气压(P)和最大风速(V)两个关键变量,对台风强度进行初步定性:
·若中心气压高于990hPa,则判定为"热带风暴"
·若中心气压低于990hPa,且最大风速小于33m/s,则判定为"强热带风暴"
·若中心气压低于990hPa,且最大风速在33-50m/s之间,则判定为"台风"
·若中心气压低于990hPa,且最大风速大于或等于50m/s,则判定为"强台风"
据此编写python程序和绘制流程图如下,其中定性台风强度有误的一项是( )
A. if p > 990:
print( "热带风暴")
elif v < 33:
print("强热带风暴")
elif v < 50:
print("台风")
else:
print("强台风")
B. if p > 990:
print("热带风暴")
else:
if v < 33:
print("强热带风暴")
if v < 50:
print("台风")
if v >= 50:
print("强台风")
C.

D.
A、A B、B C、C D、D8. 非循环队列q初始状态如图a所示,h表示队首指针,t表示队尾指针。元素可直接出队,也可出队后再重新入队,经过若干次操作后,队列q的状态如图b所示,则整个过程中元素“强”不可能出现的索引位置是( )
A、4,5 B、4,6 C、5,6 D、4,5,69. 某完全二叉树,其前序遍历序列为“浙江强基联盟”,以下说法不正确的是( )A、其后序遍历序列为“强基江盟联浙” B、该二叉树有3个叶子节点 C、该二叉树根节点为“浙” D、节点“联”的父节点为“盟”10. 有如下python程序段def f(a, k):
n = len(a)
left, ssum, mlen = 0, 0, 0
for right in range(n):
ssum += a[right]
while left <= right and ssum > k:
ssum -= a[left]
left += 1
if ssum <= k:
mlen = max(mlen, right - left + 1)
return mlen
a = [-5, 8, 7, -4, 5, 2]
k = int(input("k="))
print(f(a, k))
运行程序,输入k的值为5,输出结果为( )
A、2 B、3 C、4 D、511. 使用二维数组link模拟链表结构,每个节点数据依次为数据域和指针域,head和tail分别指向链表的头节点和尾节点,以下python程序实现对各节点数据的升序排序,def sortL(head, tail):
p = head
st = []
while (1) :
while len(st) != 0 and link[p][0] < st[-1]:
(2)
link.append([val, -1])
link[tail][1] = len(link) - 1
(3)
st.append(link[p][0])
(4)
return st
link = [[2, 2], [4, 4], [8, 3], [3, -1], [5, 0], [1, 1]]
head, tail = 5, 3
print(sortL(head, tail))
划线(1)(2)(3)(4)处可供选择的语句有 ①p!=-1 ②p!=tail ③p=link[p][1]
④tail=link[tail][1] ⑤val=st.pop() ⑥val=link[p][0]
其填入正确的顺序是( )
A、①⑤④③ B、①⑥③④ C、②⑥④③ D、②⑤③④12. 有如下python程序,实现在数组a中查找关键字key,a = [10, 15, 18, 25, 25, 26, 30, 33]
key = int(input("key="))
L, R = 0, len(a) - 1
m = (L + R) // 2
while L <= R and a[m] != key:
if a[m] > key:
R = m - 1
else:
L = m + 1
m = (L + R) // 2 # 注释①
if L > R:
print(-1)
else:
print(m)
运行程序,以下说法正确的是( )
A、输入key的值为25,程序输出4 B、输入key的值为2025,程序报错:下标越界 C、注释①语句改为m=(L+R+1)//2,输出结果不变 D、输入key值为任意整数,注释①语句至多执行3次二、综合题(本大题共3小题,第13题9分,第14题8分,第15题9分,共26分。)
-
13. H市在水稻种植区部署智能设备,构建病虫害监测与防治系统,实现农田数字化管理。该系统利用虫情测报灯诱集害虫,并利用高清摄像头拍照识别采集害虫数据;同时,借助土壤传感器采集土壤温湿度数据;智能终端连接各类传感器,并通过5G模块将数据上传至服务器。当服务器分析数据发现异常时,向农技人员发送警示信息,并通过智能终端控制测报灯闪烁。农技人员可通过浏览器随时查看系统数据。请回答下列问题:
(1)以下不属于该系统服务器功能的是(单选,填字母)
A.存储虫害数据 B.控制系统数据上传速率 C.向智能终端发送警示信息
(2)关于该系统的搭建与应用,以下说法正确的是(多选,填字母)
A.在系统概要设计阶段,需要进行数据的输入输出设计
B.服务器负责数据存储,智能终端负责数据处理
C.若智能终端故障,仍能通过浏览器查看历史数据
D.服务器和客户端之间可以进行双向通信
(3)在稻田中的n块种植区域,分别安装虫情测报灯(编号为"s1","s2"……,"sn"),进行虫情监测与示警。监测与示警规则是:系统每隔1小时依次采集各区域害虫数据,统计害虫数量最多的区域(若同一时段出现多个相同的最大值,则同时记录)。若该区域害虫数量连续3小时最多,则该区域的虫情测报灯闪烁示警。已发出警报区域不再进行害虫数量监测,直至农技人员操控无人机完成该区域除虫工作。
部分Python程序代码如下,输出界面如图所示,请在划线处填入合适的代码。

n = 20 # 种植区块数量
insects = [0] * n
alarm = [False] * n
cx = [0] * n
while True:
# 每隔1小时采集各区域害虫数据,并存储在insects列表中,代码略
maxc = -1
for i in range(n):
area = []
if not alarm[i] and insects[i] >= maxc:
if insects[i] > maxc:
maxc = insects[i]
①
areas. append(i)
for i in range(n):
if i in areas:
cx[i] += 1
else:
cx[i] = 0
for idx in areas:
if cx[idx] >= 3:
②
print(f"区域s{idx + 1}连续3小时害虫数量最多,虫情测报灯示警闪烁!")
# 检测示警闪烁区域是否完成除虫,若检测完成,对应区域 alarm 值为 False,代码略
(4)系统运行一段时间后,浏览器上观察到某区域害虫数量连续 3 小时最多,但相应虫情测报灯并未示警闪烁,经排查系统中硬件连接均正常,出现该现象的原因可能是。
14. 小张收集了1896-2024年历届奥运会奖牌数据,并将其存储在data.xlsx文件中,部分数据如图a所示。将该数据读入到DataFrame对象df中,请回答下列问题:
图a
(1)若要在df中新增名次列,计算当前金牌数的排名(相同金牌数排名相同),定义cal函数,gold为当前国家的金牌数,gold_list为同一届奥运会所有国家的金牌数列表。如图a中2024年巴黎奥运会数据,美国、中国、日本、澳大利亚的排名分别1、1、3、4,请在划线处填写合适的代码。
def cal(gold, gold_list):
rank = 1
for i in gold_list:
if:
rank += 1
return rank
(2)统计2000年以来奥运会金牌总数最多的五个国家,降序排序并绘制柱形图,如图b所示。实现上述功能的部分python代码如下,请选择合适的代码依次填入划线处(填字母)。

图b
import pandas as pd
import matplotlib. pyplot as plt
df=pd. read_excel("data. xlsx")
df1=①
df1=②
df2=③
df2=df2.head() # 获取前 5 条数据
plt. bar(④)
# 设置绘图参数,并显示如图b所示柱形图,代码略
①②③④处可选代码有:
A.df1.groupby("国家", as_index=False).sum()
B.df1.groupby("国家").sum()
C.df1[df1["年份"]>=2000]
D.df[df["年份"]>=2000]
E.df1.sort_values("金牌", ascending=False)
F.df1.sort_values("总数", ascending=False)
G.df2.index, df2.金牌
H.df1.国家, df1.金牌
(3)分析数据后发现不同国家在夏季奥运会(简称奥运会)和冬季奥运会(简称冬奥会)上的表现有较大差异,程序加框处实现从“奥运会年份”列数据中提取最后三个字符(分别为“奥运会”或“冬奥会”)区分不同奥运会类型的功能,下列选项可行的有(多选,填字母)。
df.insert(0,"奥运会类型","") # 插入奥运会类型列

A.df["奥运会类型"] = df["奥运会年份"][-3:]
B.for i in df:
df.at[i,"奥运会类型"] = df.at[i,"奥运会年份"][-3:]
C.for i in df.index:
df["奥运会类型"][i] = df["奥运会年份"][i][-3:]
D.for i in range(len(df)):
df.at[i,"奥运会类型"] = df.at[i,"奥运会年份"][-3:]
15. 在人工智能与高性能计算融合的场景中,需将若干计算任务分配到n个计算节点上。每个计算节点的算力上限为m(单位:TFLOPS,万亿次浮点运算每秒),每个计算任务的算力需求不超过m,且所有任务的总算力需求恰好为n×m,任务不可拆分,为最大化资源利用率,需要让每个节点满负荷运行 , 需确定各节点的任务分配方案。例如,有8个计算任务,各任务的应用场景及算力需求如图a所示,现需将任务分配到4个计算节点,每个节点的算力上限为1200TFLOPS。计算节点的任务分配方案可能有多种,其中一种可行方案如图b所示:
任务编号
任务类型
算力需求(TFLOPS)
1
AI 大模型训练
1200
2
全球气候模拟
800
3
自动驾驶城市路况仿真
700
4
基因组批量测序分析
400
5
金融高频交易策略回测
200
6
电影特效复杂场景渲染
600
7
大语言模型预训练
500
8
卫星遥感图像 AI 解译
400
图a
计算节点
分配的任务编号
节点 1
1
节点 2
2、4
节点 3
3、7
节点 4
5、6、8
图 b
请编写python程序,实现计算节点任务分配方案。
(1)将上述8个计算任务分配到3个计算节点,每个计算节点的算力上限为 1600 TFLOPS。计算节点分配的任务编号情况为 [[1,4],]。
(2)定义如下sorttasks(data)函数,函数 data 的每个元素由“任务编号”、“任务类型”、“算力需求”3 个数据项组成。函数的功能是根据各任务算力需求降序排序。请在划线处填入合适代码。
def sorttasks(data):
task = [[] for i in range(len(data))]
x = 0
for i in range(len(data)):
t = data[i][2]
j = x - 1
while:
task[j + 1] = task[j]
j -= 1
task[j + 1] = [data[i][0], t]
x += 1
return task
(3)实现节点算力分配功能的部分 python 程序如下,程序中用到的列表方法函数如下表所示,请在程序中划线处填入合适的代码。
函数与方法
功能
x=lst.pop(O)
将列表 lst 第一位元素赋值给 x,并将其从 lst 中删除
def findflops():
global num # num 为全局变量
a = [0] * (m + 1)
lnk = [-1] * (m + 1)
for i in range(cnt):
if not flag[i]:
t = tasks[i][1]
for j in range(m, t - 1, -1):
if a[j] < a[j - t] + t:
a[j] = a[j - t] + t
lnk[j] = i
if a[m] == m:
p = m
while①:
j = lnk[p]
lst[num].append(tasks[j][0])
q.append([num, j])
flag[j] = True
p -= tasks[j][1]
num = (num + 1) % n
return True
return False
'''
读取节点总数存入变量 n,单个计算节点的算力上限(TFLOPS)存入变量 m,读取计算任务存入列表 data 中,代码略
'''
tasks = sorttasks(data)
cnt = len(tasks)
num = 0
flag = [False] * cnt
lst= []
for i in range(n):
lst.append([])
q=[] # 记录节点分配的任务编号情况
while len(q) != cnt:
②
if not found and q != []:
tmp = q.pop(0)
lst[tmp[0]] = []
③
# 输出各计算节点分配的任务编号,代码略