Elucidating the diel and seasonal calling behaviour of Elachistocleis matogrosso (Anura: Microhylidae)

ABSTRACT

Acoustic monitoring provides the opportunity to study ecological processes that are difficult to assess with traditional surveys. Elachistocleis matogrosso is an anuran species, described in 2010, for which limited biological information is available. This study investigated the calling activity of the species in the north-eastern portion of the Pantanal, Brazil, a wetland area with marked seasonality between the dry and wet seasons. The calling activity of E. matogrosso was monitored using automated digital recorders in combination with automated signal recognition software over two different annual cycles. The species was vocally active only during the wet season (October – April), with a peak in November-December during the 2013–2014 annual cycle and in February-March during the 2015–2016 annual cycle. The peak calling activity occurred at dusk. This species has nocturnal habits and an explosive breeding activity. The detection of the species was intermittent, which suggests that environmental predictors or site-specific conditions might play an important role in species detection. Moreover, this intermittent occupancy indicated that surveys that employ traditional field techniques would likely fail to detect this species. We describe an effective protocol for detecting E. matogrosso with acoustic monitoring, which requires recording during 20 days in February from 17:01 to 05:00. Our procedure would be easy to adapt to other anuran species, and it could be used for investigating new localities and assessing population changes over time.     

沥青路面使用性能评价模型与性能评价案例分析

为了客观准确了解沥青路面的实际使用性能，以便及时进行沥青路面管理与维修养护，依据检测数据对沥青路面进行了使用性能评价研究，即将主成分分析法与层次分析法相结合，建立了基于主成分-层次分析法的评价模型，并进行了评价案例分析。本研究以荣乌高速保定段2016~2019年的路面定检数据为基础，首先用主成分分析法对性能指标归类和预处理后的检测数据进行主成分提取，建立判断矩阵，再用层次分析法对各指标赋予权重系数，得到上下行路面的使用性能评价模型。选用荣乌高速检测数据进行了模型验证，并与现行《公路技术状况评定标准》评价结果相比较，评价等级高于《标准》的路段样本比例约为0.34%，低于《标准》的比例约为6.83%。本研究的评价结果更能够反映路面的实际衰变特性。     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

基于学业成绩的师范生教师资格获得预警研究

本研究指出,教师资格考试是我国教师准入管理制度的重要环节,师范生教师资格证的获得是师范生职业发展的第一道门槛.本研究通过建立教师资格证考试内容与大学学科课程的对应关系,采用基于密度的离群点检测算法模型,以数学与应用专业学生的课程成绩为实验样本进行数据挖掘分析,识别学业危机学生.研究结果表明,该预警方法可以识别出教师资格获得危机学生,引起学生对教师资格证考试备考的重视,为教师提供预警干预学生的依据,有利于教师精准施教.该预警方法对离群特征显著的学生预测可达到100％,对离群特征不明显的学生识别率较低,算法有待修正.     

追踪物理学中的跨领域模因

以美国物理学会旗下期刊2000—2019年发表的论文和Web of Science论文摘要为基础，用模因短语刻画知识，构建模因关系网络并引入跨学科测度Rao-Stirling指数以计算模因的跨领域分数，从而追踪物理学中的跨领域模因。分别从网络拓扑结构指标、跨领域测度指标和专业术语对比3个方面进行验证，证明了所提的模因关系网络和模因的跨领域分数可以有效反映知识在不同领域间的扩散现象。     

Curvelet域GPR数据噪声压制与高频补偿方法

提出GPR数据Curvelet域随机噪声压制与高频补偿同步处理方法.首先，将GPR数据变换到Curvelet域，结合其多角度、多尺度的稀疏性，给出随尺度和角度变化的自适应阈值函数进行随机噪声的压制;其次，根据电磁波在完全弹性介质中的传播规律，结合Curvelet的多尺度多角度特性，求取时变补偿因子，倒数加权对应的尺度、角度，补偿高频损失;最后，进行Curvelet反变换，获得随机噪声压制与高频补偿以后的GPR数据.该方法属于完全数据驱动，克服了传统方法人为因素的影响.     

港口竞争力与腹地经济协同机制面板数据分析

本文在港口竞争力评价模型中同时引入港口硬件竞争力和软件竞争力指标,进一步完善了港口综合竞争力评价指标体系.在此基础上,结合面板数据模型分析国内9大港口综合竞争力与其腹地发展的协同机制,基本克服了现有港城研究中普遍存在的单角度、单维度和单主体问题.研究表明:港口综合竞争力存在惯性,较弱港口实现超越较难,但可通过充分结合腹地供需结构和贸易特色提升软实力来以长补短.腹地经济结构以及贸易和物流发展水平对港口综合竞争力具有显著正向影响,港口综合竞争力提升又会改善腹地经济结构,而腹地区域产出水平并不是港口综合竞争力的主要影响因素.研究揭示港口综合竞争力提升应从以基建为核心的要素驱动转变为结合创新和服务驱动,通过整合港口与腹地资源来优化港口竞争力结构,做到港口-腹地相互促进,共同发展.     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

数据科学范式下的钙钛矿结构铁电新材料研究

 材料基因组计划倡导预测式新材料研发理念，推进高通量数据生产和利用技术，关注材料全生命周期价值。因此，材料基因组计划的执行需要在材料科学系统工程的框架下，集成统一计算、实验和理论等研究方法，以数据科学新范式为牵引、协同运用实验观测、理论建模和计算仿真研究范式，最终建立相关材料体系的性能与材料基因（原子系统的组成与结构）、工艺参数与使役条件之间的量化关系和数据库，实现新材料的按需设计和应用。本文在简单探讨科学研究范式、材料基因组计划和材料科学系统工程基本概念和方法的基础上，以钙钛矿结构氧化物铁电压电材料研究为例，探讨了数据科学范式下的新材料研究实践。结果表明，数据挖掘驱动的新材料设计确实可以降低探索时间和实验任务，加快新材料的发现和应用进程。