巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

缙云山亚热带森林林下常见蕨类叶与细根分解碳氮磷释放动态

凋落物分解是森林碳和养分循环的关键环节.长期以来森林凋落物分解研究主要关注森林优势树种.虽然蕨类植物是亚热带森林林下层的重要组分,占林下层大量的生物量,但其凋落物分解过程很少被关注.本研究用缙云山亚热带常绿阔叶林林下12种常见的蕨类叶和细根进行分解实验,监测分解113, 198, 386和586 d后的碳氮磷释放动态.结果表明:蕨类叶与细根初始碳含量无显著差异,但叶的初始氮磷含量均显著高于细根.多数物种叶的碳氮磷释放速率显著快于细根,且叶的碳氮磷主要表现为简单的直接释放模式,而细根的碳氮磷释放则表现出直接释放、富集-释放、富集-释放-富集、始终富集等复杂模式.氮、磷残余率随碳残余率的变化格局分别受初始氮、磷含量的影响.叶与细根间碳氮磷残余率的相关性表现出不同的格局:碳残余率在分解113, 198和386 d后均为显著正相关,但586 d后关系不显著;而磷残余率除在113 d时关系不显著外在其他时间点均显著正相关;但氮残余率在整个分解过程均无显著关系.该结果表明地上地下分解速率是否存在显著相关性与元素类型及分解时间有关.本研究结果为进一步量化蕨类植物对森林生态系统碳和养分循环的重要性提供参考.     

空中目标辐射源的个体识别方法

针对传统的辐射源个体识别方法在低信噪比环境下识别性能不佳的问题,提出了一种空中目标辐射源的个体识别方法,该方法利用经验模态分解和变分模态分解得到信号不同频率的模态分量,将各模态分量的多尺度排列熵作为特征,利用主成分分析对数据进行降维,并采用支持向量机分类器进行辐射源个体识别。仿真结果表明,该方法对相位噪声、频率漂移以及谐波失真等细微特征的识别性能明显优于传统方法,并具有良好的抗噪性。     

2006—2016年三峡水库出入库水质变化及影响因素分析

使用2006—2016年宜昌断面及朱沱断面水质数据与影响因素数据,计算水质变化幅度,基于VAR模型的脉冲响应函数和方差分解,得到各影响因素对三峡水库出入库断面水质变化幅度的影响时长及贡献率大小.研究表明:长江从朱沱断面到宜昌断面水质变化幅度2006年为0. 07,到2016年下降到-0. 24,在年度上呈好转趋势.水质综合指数对工业污染源废水排放量的响应最大,持续时间最长;对农药施用折纯量和化肥施用折纯量的响应非常小,持续时间最短,但受其间接影响的持续时间非常长.主要驱动因素在研究时间内的贡献率由大到小依次为:工业污染源废水排放量贡献率为38. 10%、城镇生活污水排放量贡献率为33. 78%、船舶油污水贡献率为24. 17%、化肥施用折纯量贡献率为2. 61%、农药施用折纯量贡献率为1. 33%.不同污染物指数变化的影响因素不同,溶解氧的主要影响因素为船舶油污水产生量,高锰酸盐的主要影响因素为工业废水排放量,氨氮的主要影响因素为城镇生活污水排放量.     

基于mRMR与因子分解机的分类模型研究

很多学者用“全球恐怖主义研究数据库”GTD数据集，采用博弈论、K近邻法和支持向量机等分析恐怖事件的聚集性，已经取得一些成果.但在前期研究中未有很好考虑数据的稀疏性以及高维度多冗余等会导致聚集分类准确率不高的问题.本文提出一种基于最小冗余最大相关与因子分解机结合的TFM分类模型，使用增量搜索方法寻找近似最优的特征解决高维度多冗余问题和FM方法解决数据稀疏问题，并对预处理后的恐怖袭击事件数据用TFM模型做量化分类.文中使用朴素贝叶斯NB、支持向量机SVM、逻辑回归LR与TFM等4个模型的“马修斯相关系数”MCC进行比较，结果显示TFM的MCC相对于其他三个模型NB、SVM、LR分别提高了49.9%,2.5%,2.3%，可见TFM模型有一定可行性.     

基于序列特征的点击率预测模型

点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等有着重要的意义.传统的点击率预测模型是利用用户特征和商品特征,对点击率进行预测.然而,用户行为序列的结构特征,如周期性规律、趋势等也能一定程度地体现用户行为的倾向.针对部分信息利用上的空缺,使用时间序列分析单元,将提取用户行为序列的特征作为用户特征的扩展,结合因子分解机结构将其与用户、商品特征进行交叉,能够有效提高特征质量,优化点击率预测模型的性能.实验表明,结合用户行为序列特征进行交叉优化的方法能够对点击率预测模型的表现带来很大提升,提高点击率预测的精度.     

基于CEEMDAN的爆破地震波信号时频分析

爆破监测信号多为含噪信号,噪声会使经验模态分解(EMD)的结果产生严重的模态混淆,使用改进算法EEMD对模态混淆有一定的抑制作用但效果并不明显。为此本研究将使用自适应补充集合经验模态分解(CEEMDAN)来处理含噪信号。比较EMD、EEMD、CEEMDAN对仿真信号的分解结果,计算EMD、EEMD、CEEMDAN得到的IMF的排列熵值,对EMD、EEMD、CEEMDAN的分解结果进行Hilbert变换,并比较三者时频谱的分辨率。最后将CEEMDAN用于水下钻孔爆破地震波时频分析中,结果表明:CEEMDAN不仅对模态混淆具有一定的抑制作用,且其分解结果经过Hilbert变换得到的时频谱在时域和频域上都具有较高的分辨率。     

g支配策略的MOEA/D算法求解多目标流水车间调度问题

采用基于二范数的方法生成权重向量并引入g支配策略对MOEA/D算法进行改进，提出g支配策略的MOEA/D算法（g-MOEA/D）. 将g支配思想与MOEA/D算法有效结合，生成适应决策者DM偏好的有效解的集合，来代替整个Pareto解集或单个有效解，加速种群的收敛性，提高种群的均匀性. 通过仿真实验对比分析g-MOEA/D算法与MOEA/D算法的性能，结果表明，g支配策略的MOEA/D算法所得解集整体性能更优.     

植物叶片淀粉分解与淀粉超量积累研究

植物叶片白天进行光合作用合成过渡型淀粉,夜间过渡型淀粉分解供植物生理代谢和生长发育所需。以往研究显示叶片中过渡型淀粉的分解受着严格的生理节律调控,但是,当淀粉分解代谢及其下游代谢基因功能出现异常时,淀粉通常会在叶片中超量积累。植物学家通过筛选叶片淀粉超量积累突变体与目标基因功能解析,初步完成了对植物叶片淀粉分解代谢网络图谱的绘制。笔者通过对植物叶片过渡型淀粉分解与超量积累现象的最新研究进行梳理,以探寻提高作物叶片淀粉含量的可能途径。     

中国英语学习者的英语词素加工和汉语偏旁加工关联研究

以中国学习者为研究对象,对比英汉词素加工和偏旁加工,探究二语学习者的英汉复杂形态词的加工状况.本文通过三个实验来分别研究英语语义相关的词素、汉字语义相关的偏旁和语义相关的英汉词汇在词汇加工中的作用和异同.实验一研究结果显示,英语语义相关的英语词素在二语者英语词汇加工处理的过程中起着很重要的促进作用.实验二表明,语义相关的汉语偏旁对汉字的加工虽然没有取得具有统计意义的显著水平,但是也有一定的促进加工作用.在实验三中,语义相关的汉语偏旁对相关的英语词汇的启动效应也没达到统计意义;同时,语义相关的英语单词对相关的汉字的启动效应也很微小.然而无一例外的是语义促进效应虽然微弱,但都普遍存在.