喀斯特地区水土漏失监测方法评述

水土漏失具有隐蔽性、特殊性和复杂性,有效监测水土漏失是水土漏失研究的难点问题。通过对洞穴滴水示踪、~(137)Cs同位素示踪、模拟试验、数学模型等水土漏失监测方法的分析,得出以下结论:1)洞穴滴水示踪技术监测获得的水土漏失量普遍偏大;2)~(137)Cs示踪法在均质土壤条件下可以定量示踪土壤侵蚀,但还不能定量示踪非均质的喀斯特石漠化地区的水土漏失;3)水土漏失模拟试验可以揭示一定的水土漏失机理和规律,试验结论与自然界土壤地下漏失情况有一定偏差,实验结果还难以推广至流域尺度;4)当前已构建的地下漏失数学模型对于地下水土漏失的预测还不够准确,其原因是数学模型中的某个影响因子的获取难度不亚于直接监测水土漏失的困难。鉴于当前水土漏失监测方法的不足,需要从水文地质勘测的方法中寻找合理的水土漏失监测法,建立长期监测的机制,为有效防治和阻控地下水土漏失提供科学依据。     

运用乙醇渗漉法优化三叶鱼藤中鱼藤酮提取工艺——基于响应面法

三叶鱼藤伴生红树林植物，严重威胁红树林生态系统.为了变废为宝，挖掘三叶鱼藤中活性物质鱼藤酮，采用渗漉法浸提，选择乙醇浓度和提取时间2个因素，进行响应面法优化提取鱼藤酮，利用液相色谱检验鱼藤酮含量.结果表明，当乙醇浓度为84%，提取时间为4.1 d时，鱼藤酮含量为1.97%，与预测值的相对误差仅为2.48%.因此鱼藤酮的优化模型可行.     

H-矩阵最小奇异值的一个下界

给出了Nekrasov矩阵逆的1范数上界，并在此基础上获得了Nekrasov矩阵的最小奇异值的一个下界.将结果应用到 H-矩阵，结果表明，新的估计是有效的.     

重心法在煤炭物流中心选址中的应用

重心法是选址问题中常见的一种解析方法,可解决连续区域直线距离的单点选址问题,如何确定运输费用和目标函数是决定选址方案合理性的关键。以疆煤外运为背景,分析西北河西走廊区域煤炭物流中心选址问题,介绍如何将重心法较好地运用到实际选址问题中,以期为类似问题提供参考。     

一种改进的基于关系的视频数字水印算法

随着网络的繁荣和通信技术的不断发展，多媒体日益成为一种重要的信息载体。由图像发展而来的视频技术与图像有相似之处，但也有其独特的性质，现实生活中，多媒体技术在给人们生活带来方便的同时，也在信息安全和版权所有等方面给人们带来了困扰。数字视频水印技术正是为解决这些难题应运而生，它为数字视频产品的安全流通和版权保护提供了有效的解决方案。本文研究了一种改进的基于关系的数字视频水印算法。该算法结合视频处理以及视频编码压缩原理，采用改进的Arnold置乱变换算法和分块技术，对视频帧YCbCr空间亮度Y分量的DCT系数对进行一系列的置换处理，并将信息水印进行图像分割，采用信息水印和标志水印双重嵌入的处理方法，提高了水印嵌入的信息量和算法的运算速度。仿真实验结果表明：该算法能够保持水印良好的不可见性，对视频编码压缩处理和特殊视频攻击都具有较好的鲁棒性，且能够实现水印的盲提取和随机检测。     

因素挖掘法在投资学课程中的教学实践

投资学课程的时代背景及中国投资学教材的特点决定了投资学课程教学方式的特殊性.构建了一种基于概率测度的因素挖掘法的教学过程设计模式,将课程知识点的难易程度转化为授课时间分配比例,并与学生素质的量化分布一致.投资学课程教学设计案例表明,基于因素挖掘法的课程教学设计效果较传统教学模式有显著性提高.     

基于熵值修正G1法江西省智慧旅游建设水平评价研究

文章基于熵值修正G1法对智慧旅游建设水平进行研究,构建城市智慧旅游建设水平评价指标体系和模型,对江西省11个地级市进行实证研究,结果显示,11个城市的智慧旅游建设水平整体较低,其中基础设施建设水平、经济发展水平、科技创新和硬件支撑上城市间差异较大,在智慧旅游环境支撑总体差异小,保持在较高水平。并依据评价结果对江西省11个城市分为三个类别,对每一类别城市的特点进行了分析,以期能够指导江西智慧旅游的规划建设。     

区域法治视角下法官的权力赋予与国家作为

区域法治既是对中国千年统治形态的否定，又是对市场经济繁荣发展的积极回应。区域经济社会发展进程中个人自由交易的权利内省必然导致基于私人契约的社会纠纷处断方式选择与国家统一范式的司法之间发生规制和自由的冲突。就国家法治背景下的区域法治而言，国家制式立法和司法无法回应经济交易的多元自由。没有得到社会认可的审判，就不能产生社会接受的规则之治。区域法治建设的核心应是赋予法官认定区域判例，根据案件行使司法解释权，给予法官无法可依情势下输出规则的权力。为此，国家应善待区域法治建设的现实要求，作出积极性的权力让渡，赋予法官特别司法权，从而推动地方治理的法治化与现代化。没有政治体制改革的先行，区域法治的建设将难以奏效。而政治体制改革能否成功的突破口，不能缺失法治的在场。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.