陕西省碳排放与经济发展关联性研究

研究陕西省碳排放量的测算,预测未来碳排放态势及对区域经济发展的影响。基于清单法和非线性最小二乘法,运用碳排放余额法和超对数模型模拟预测研究。测算了1991—2013年陕西省的碳排放余额,预测陕西省2020年的单位GDP碳排放余额为0.313 9,比2005年水平减少18%,且碳排放随着人均GDP增高逐步增大,但增幅以平均1.6%水平递减,因而,陕西省碳减排压力较大。针对陕西省碳排放情况,提出继续走区域低碳经济发展道路,提倡清洁能源研发和应用;提倡生态、循环、集约型的农业生产模式;提升区域居民的低碳环保意识;增加生态补偿力度等有效减排措施。     

挖掘隐含特征，看清问题实质——再谈数学问题1561的解答

文[1]-[4]对数学通报“数学问题”1561进行了系列的分析研究，读后深受启发，正如罗增儒老师所言：数学的奥秘是无穷无尽的，思维的过程是多姿多彩的。本文在学习分析已有文章的基础上，从分析f（x1＋m）和f（x2＋m），x1＋m和x2＋m的大小、对称及平移几何含义出发，揭示数学问题的隐含特征。从而揭示数学问题的数学本质。     

物理题中隐含条件的挖掘

在解物理习题时，经常会遇到这种情况：有些解题的必要条件，题中并未明确给出，而是隐含在字里行问。同学们由于找不到或者找不全这些条件导致解错题。那么，怎样才能快速、准确地找出这些隐含条件呢？[第一段]     

“一带一路”倡议下区域碳不平等量化及政策启示

在全球贸易背景下量化分析“一带一路”区域的碳不平等,厘清“一带一路”区域隐含碳排放和经济收益不均衡分配的内在机制,是践行绿色“一带一路”倡议的科学前提及基础.本研究基于全球贸易分析项目（GTAP）数据库,构建环境拓展的多区域投入产出（MRIO）模型,涵盖102个“一带一路”沿线国家和地区,且依沿线区位合并为9大研究区域,核算生产和消费视角下“一带一路”区域碳排放、增加值,追溯隐含碳排放、增加值在研究区域间的空间转移格局,通过构建双边贸易中碳不平等指标及全球贸易网络中碳不平等综合指标,全面地量化分析了“一带一路”区域的碳不平等现象.研究表明：1)2014年“一带一路”区域生产和消费视角下的碳排放分别占全球碳排放总量（25 966.23 Mt）的65.29%和60.54%;“一带一路”区域生产和消费视角下的增加值分别占全球增加值总额（669 714.27亿美元）的40.87%和40.10%. 2）在全球贸易中,“一带一路”区域承担来自非“一带一路”区域的净碳排放转移（即“一带一路”区域向非“一带一路”区域净出口隐含碳排放量）1 234.25 Mt,同时从非“一带一路”区域获得了5 154....     

碳排放权分配与碳排放权交易

气候变化的全球性要求各国共同行动起来采取有效的对策,碳排放权分配与交易是为减缓气候变化而进行国际合作的两个重要问题。本文在提出两种综合考虑公平和效率的碳权混合分配机制,并确定碳权交易价格的基础上,对全球碳权交易情况进行模拟,此外还分析了碳排放权交易对中国经济的影响以及不同碳权分配机制对全球碳权交易收益的影响。     

文本处理中基于随机映射的加速LSI方法

首先针对在文本处理的高维矢量环境中Kohonen自组织映射神经网络的计算瓶颈问题和输入矢量空间中存在的问题进行分析，然后对随机映射(RM)和隐含语义索引(LSI)方法分别进行理论分析，提出用于文本处理的基于随机映射的加速LSI方法．试验结果表明，加速LSI方法可以在凸现原有语义联系的基础上，低代价、有效、可控地解决上述问题，极大地降低文本处理环境中Kohonen自组织神经网络的规模和计算代价．     

数学题中隐含条件的挖掘和应用

初中数学解题中学生容易忽视隐含条件。学生在解题过程中 ,应认真审题 ,准确运用题目中的已知条件 ,全面深入挖掘其中的隐含条件。     

SOFM和HMM在矢量量化码本优化中的应用

在语音压缩编码中，矢量量化占有很大比重和计算量。码本的好坏与方法的选择有很大关系。将基于神经网络的ＳＯＦＭ（自组织特征映射算法）和ＨＭＭ（隐含马尔可夫过程）应用于矢量量化，从而产生更为优良的码本。     

基于LSI和自组织神经网络的高效文本聚类方法

根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.