宁波市公共自行车服务满意度评价模型构建研究

以宁波市公共自行车为例，将因子分析法与二项logistic法相结合，对采集的1 688份居民满意度有效问卷展开分析。利用因子分析法筛选出6个因子，利用二项logistic法剔除并筛选出5个有效因子构建公共自行车服务满意度评价模型，合理评估当前宁波市公共自行车服务满意度。同时，利用随机抽取并不参与建模的5%问卷样本对评价模型进行校验，以确保模型的准确性与合理性。该研究有助于合理评价当前宁波市居民对公共自行车的服务满意度，同时适用于对未来一段时间内公共自行车服务满意度的预测。     

一类积分不等式组中未知函数的估计

研究了一类二维积分不等式组,该不等式组积分号外有非常数因子,不能用向量形式的Gronwall-Bellman型积分不等式进行估计。为了简化主要结果的证明,先引进两个引理,给出只含有一个未知函数的积分不等式中未知函数的估计,接着利用两个引理和变量替换技巧和放大技巧给出不等式组中两个未知函数的估计。该结果可用于研究积分、微分动力系统解的性质。     

众创空间空间分布的关联性与影响因素研究

众创空间作为创客活动的物理层面的载体,其发展受到空间因素的影响。为研究我国众创空间区域分布格局特征与影响因素,研究以1977家国家级众创空间为样本,使用Geoda95i软件绘制了四分位分布图,计算了全局Moran指数和局部Moran指数,使用多元统计方法分析了众创空间区域分布的影响因素,得出以下结论:第一,众创空间空间分布存在正的空间相关关系,呈现出一定的集聚效应;第二,不同区域空间溢出效应存在较大差异,依据各省份Moran指数和相邻省份Moran指数平均值,可将31个省份划分为众创空间的"高地""洼地""贫瘠地"和"孤岛"4种类型;第三,经济层面的GDP和技术层面的有效专利指标是推动省域众创空间发展的重要动力,政策层面因素对省域众创空间发展影响并不明显;第四,各省市众创空间建设应考虑到经济发展水平以避免盲目发展,应加强区域协同以提升溢出效应。     

喀斯特石漠化地区退耕模式对土壤团聚体组成和稳定性的影响

探明贵州花江—关岭喀斯特石漠化地区不同退耕模式对土壤团聚体组成和稳定性的影响,为石漠化地区不同植被恢复模式的水土保持效益评估提供科学依据。选取喀斯特石漠化地区耕地(对照)、乔木林地和花椒林地土壤为研究对象,采用湿筛法测定0～40 cm土层土壤团聚体组成,计算0.25 mm水稳性团聚体含量(R_(0.25))、平均重量直径(MWD)、几何平均直径(GMD)和分形维数(D)等团聚体指标。结果表明:1)耕地转变为乔木林地和花椒林地显著增加了粗大团聚体(2 mm)含量(P0.05),显著降低了2 mm粒径团聚体含量(P0.05);2)土壤R_(0.25)、MWD和GMD值表现为乔木林地花椒林地耕地,土壤分形维数D值则相反;3)退耕后土壤团聚体稳定性的增加主要与粗大团聚体含量增加有关,2 mm和0.25 mm粒径是土壤团聚化过程中关键的临界点;4)退耕后,土壤团聚体含量和稳定性指标的变化幅度随土层深度的增加而减小,表明表层土壤团聚体组成和稳定性对土地利用变化的响应更为敏感。     

基于支持向量机的水库泥沙冲淤量计算模型

受多种因素的综合影响,水库泥沙淤积表现为一个复杂的非线性动态过程,影响着水库的运行方式和其他效益的发挥。针对目前常用的几种计算水库泥沙冲淤量方法存在的问题,本文以三门峡水库为例,将支持向量机应用于水库泥沙冲淤量计算和预测。算例结果表明,该方法计算结果较为合理,计算过程涉及的参数较少,使用简便,适用于水库泥沙冲淤量的快速计算和预测。     

KL油田沙三下亚段混合沉积特征及演化

针对目前莱州湾凹陷南斜坡带KL油田沙河街组三段下亚段陆源碎屑与碳酸盐岩混合沉积形成条件、沉积特征及模式认识程度较低的问题，利用该区壁芯、薄片及扫描电镜等资料，结合构造演化、古气候和古地貌背景，在层序格架约束下研究沉积环境，分析其沉积特征。结果表明，研究区发育混合沉积，形成于宽缓斜坡、亚热带湿润气候，兼具湖平面、物源、水动力条件周期性变化等条件；该混合沉积包括相缘渐变混合与原地混合两种沉积类型，互层式和组分式两种混合模式，以及4种混合样式。两种混合沉积类型沉积机理不同，混合模式及组合样式表现较大差异，因而具有不同的储层微观特征。     

基于ACM竞赛模式的数据结构实践教学探讨

针对数据结构实践教学中存在的一些问题,阐述了在数据结构实践教学中引入ACM竞赛模式的必要性,提出采用开源软件hustoj构建数据结构实践教学平台及基于该平台的实验内容设计、分组实验的策略、定期数据结构实验测试等实践教学改革措施,为同类课程的实践教学改革提供参考。     

基于流形假设的骨架序列动作识别算法

骨架数据是通过对动作的空间几何位置进行编码获取,可以避免冗余背景信息的干扰, 是动作识别领域常用的数据类型之一.现有骨架数据的动作识别主要分为经典的骨架数据表征和基于深度学习的骨架动作识别应用.相较于传统欧氏度量下的识别方法,流形为更好地研究非线性结构提供了重要数学工具. 然而,目前仍缺乏利用流形假设对骨架数据进行动作识别的相关总结. 因此,从骨架表示、轨迹时间对齐、动作序列表征以及动作分类 4 个关键步骤出发,系统地总结了基于流形假设的动作识别工作,对比了各项工作在基准数据集上的表现. 最后,根据当前动作识别工作的发展趋势,对流形假设在动作识别方向上的进一步改进进行了展望.