径流时空分布理论及其在无定河流域的应用

在综合国内外相关研究的基础上,提出了径流时空分布理论,该理论基于流域数字高程模型(DEM)获得的数字化流域单元网格,并以线性汇流假定为基础,已成功应用于湿润地区的径流相关性研究中,显示出明显的科学意义和强大的实用功能.为进一步验证该理论在干旱半干旱地区的适用性,还将理论具体应用于黄河流域的无定河流域的径流相关性分析中,并获得了初步有效验证.     

水下光场及其影响机制的水槽模拟实验研究

测定了水下光合有效辐射(PAR)、光谱成分及悬浮物、叶绿素a等参数,分析了水下PAR变化及光谱分布、光衰减系数的光谱分布、辐照度比的变化、水下光场的数值拟合.结果表明,PAR的垂直分布主要取决于水体中的物质组成,从静止到小水流、大水流状态,PAR的衰减显著增大,分别由1增大到2m-1,再到4m-1;表面辐照度最大值一般在560nm左右,随着深度增加最大值出现波段向红光波段移动,水下光谱在蓝光波段衰减最强烈,其次是绿光、红光;光衰减系数随着波长的增加大致呈下降趋势,向下辐照度衰减系数在静止、小水流、大水流3种状态的值分别在0.75～2.56,2.30～4.66,3.51～10.34 m-1间变化;辐照度比最小值出现在蓝紫光波段,但在580和700nm附近出现两个峰值;在通过对光学参数与主要影响因子进行数值拟合以及计算叶绿素a对衰减系数的贡献率发现,水流变化引起的悬浮物浓度增加是造成水下光衰减的主要因素.     

国际南极地区科学数据库系统研究进展

在简述国际南极数据目录系统(ADDS)的基础上,从ADDS建设和真实数据库系统建设两方面概括总结了国际上南极地区科学数据库系统研究的重要进展,并对我国在有关研究领域的最新进展情况做了介绍,提出了南极地区科学数据库系统未来发展方向和我国应该采取的对策.     

原子序数与镧系离子理化性质的相关性研究

用原子序数(N)代表镧系离子(Ln^3 )大体结构效应的因素，并将N对镧系离子的16种理化性质(P)进行线性回归，回归方程均在0．001显水平下通过F检验，估算值与实验值都很好吻合。     

技术系统的自组织与他组织

技术系统的演化是一个自组织过程。技术系统的进化过程，尽管有人的参与，仍是一个自组织的过程。自组织的技术系统观与技术自主论有着根本区别，是对技术自主论的辩证否定。技术和技术目的受到社会经济、政治和化的强烈制约，这就是它的他组织特征。技术既是自组织的，也是他组织的，是自组织与他组织的统一。     

开发JDBC数据库应用程序

Java语言以其高稳定性、高安全性、平台独立性以及强大的功能,给网络上的应用程序开发及数据共享提供了一种新的途径.介绍了JDBC这种重要的数据共享手段和数据库的访问方式,JDBC的体系结构以及JDBC在数据库中的应用.     

机器人视觉伺服控制研究进展与挑战

针对机器人视觉伺服研究,分别从基于位置的视觉伺服、基于图像的视觉伺服、混合视觉伺服等对视觉伺服的研究进展进行了回顾.从雅可比在线估计法、雅可比自适应估计法、深度独立雅可比矩阵估计法等多方面详细分析了无标定视觉伺服.在此基础上,就视觉伺服的实时性、可靠性、多传感器融合、多任务控制、基于离散时间域及混杂系统的控制器等,对机器人视觉伺服控制所面临的挑战及进一步研究进行了分析与展望.     

基于网络游记分析的内地游客对香港旅游感知研究

香港是世界著名的旅游目的地和客源地,为了探讨内地游客对香港旅游感知及评价,利用内容分析法,以去哪儿网上114篇有关香港的网络游记为研究样本,借助Rost-CM6进行文本分析,从区划名称、旅游景点、交通、住宿、美食及购物等方面,对赴港内地游客的旅游感知进行分析,探讨其对香港旅游的情感评价;研究发现:内地游客对香港旅游感知,主要是香港城市旅游景区,其次是行政区划,而后依次是交通、美食、住宿及购物,且对香港具有丰富且积极的情感评价。     

第三方物流服务质量约束下具有利他性的网购供应链决策模型*

针对单个网络商店和单个第三方物流(TPL)形成的服务供需关系,在TPL服务质量约束下构建了一个基于利他属性的网购供应链决策模型,讨论了利他属性对网购供应链系统的影响。首先在分散决策模式下,探讨了系统的均衡解和绩效;然后,分析了集中决策模式下参与者的决策和利益情况,对比分析发现分散决策模式下网络商店和TPL会因利益冲突而使系统决策失衡,从而降低了供应链参与者利润和系统绩效;在此基础上,讨论了在TPL服务质量约束下利他性与系统决策和绩效的关系,结论表明:利他属性的存在有助于改善系统决策和供应链绩效;最后,通过数值分析,进一步揭示了单方参与者具有利他性时的系统决策和绩效的变化规律,以及双方参与者切利他性互动情景下系统决策的变化规律。     

应用残差生成对抗网络的路况视频帧预测模型

在路况视频帧的预测领域中,针对当前大部分模型所存在的预测图像分辨率低、图像模糊和局部细节缺失等问题,提出了一种应用残差生成对抗网络的路况视频帧预测模型(RB-GAN)。该模型用于在给定一段路况视频流的情况下更好地预测未来的一帧路况图像,应用多个级联的残差模块初步提取输入视频流的图像特征;利用感知网络强化对视频流中物体运动特征的提取;通过使用双重判别器提高生成对抗网络生成的图像的质量;用Adam方法来优化网络权值的深度学习过程。基于生成对抗网络这种半监督的学习框架,训练后的模型可以预测出一段路况视频流下一时刻的同输入视频流具有时空一致性的帧图像。应用车辆检测领域常用的KITTI数据集对生成对抗网络模型进行训练和测试,实验结果表明:与主要依赖于像素均值的方法相比,RB-GAN模型预测图像的分辨率提高了2～4倍,达到256像素×512像素,在图像锐度标准上提高了1～2个数量级,同时图像也更加符合人眼视觉的主观感受,所预测得到的路况视频帧图像质量更高,更具有实用性价值,可以更好地为诸如检测算法等其他下游算法提供有效的特征信息。