风云气象卫星天气应用回顾和展望

 近50年来，我国风云气象卫星从无到有、从弱到强，迄今为止已成功发射19颗风云系列气象卫星，现有8颗在轨运行，形成极轨、静止2个系列化、业务化的综合观测网。伴随着卫星所搭载仪器载荷的升级和观测能力的提升，风云气象卫星在天气监测方法和技术也实现了稳步发展。回顾了风云气象卫星和卫星气象学的发展，综述了气象卫星在天气应用方面的发展历程，特别是更新换代的变化在天气应用中的进展。围绕未来需求和风云卫星未来技术发展方向，展望了卫星天气应用的前景和发展趋势。     

一种新颖的编辑距离限制下的相似性确认算法

针对相似性确认步骤中编辑距离计算的高复杂性问题，提出了一种在编辑距离限制下的基于鸽笼原理的字符串相似性确认算法.首先找到满足编辑距离片段映射的片段，以此片段为基准，将长度为500bp的read分段.然后对满足编辑距离片段映射的左右部分递归地进行编辑距离计算，将各段得到的编辑距离相加即为最后结果.最后根据最长公共子串的下限将需要验证的片段数目降到最低，得到优化方案.实验结果表明，基于鸽笼原理的分段递归计算编辑距离的确认算法减少了验证步骤的时间，并能保证假阳率和假阴率都为零.     

基于曼哈顿距离构建非参数Q矩阵修正方法

将被试得分、理想反应距离和被试得分异常原理相结合,并加入属性计分下的被试得分特性,开发了用于多级评分情境下属性计分曼哈顿距离法(SA-MD),在不同条件下验证了SA-MD的稳定性和适宜性.通过模拟研究和实证研究表明:(i)从逻辑推导出SA-MD用于多级评分情境下Q矩阵修正更合理;(ii)在多种条件中,SA-MD 均有较优的修正效果,适用范围更广,稳定性更高;(iii)当小样本测验进行Q矩阵修正时,使用SA-MD方法可获得更优的效果.     

非锚固式大型立式热质储罐强度分析

针对大型储罐在多种载荷作用下易发生强度破坏的问题，以某热质储罐为研究对象，利用有限元法分析热质储罐在自重、内压、液柱静压力、风载荷、地震载荷、雪载荷以及温度载荷作用下的应力强度以及变形，模拟大角焊缝区域翘曲情况，并依照JB4732—1995进行强度评定，为此类大型立式储罐的设计提供参考。     

Space use by two arboreal rodent species in a Neotropical cloud forest

Studying animal space use patterns can help increase our understating of ecological processes such as competition and community dynamics. To quantify space and habitat use in an isolated and patchy cloud forest community in Mexico, we evaluate the vertical stratification, home range and habitat selection of two arboreal rodents: Habromys schmidlyi and Reithrodontomys microdon. Using live-traps at ground level and different forest strata, we radio-equipped nine individuals of H. schmidlyi and seven of R. microdon, and evaluated fine-scale space use and broad-scale habitat selection between cloud forest and oak forest. We found an average home range of 0.24 ha for R. microdon males and 0.72 ha for females, with a preference for higher canopy in the cloud forest. For H. schmidlyi the home range was 0.83 ha for males and 0.29 ha for females, with a preference for the understory level in the cloud forest. Home range is three-dimensional for these rodents, so we estimate that on average, individuals of both species used eight trees in the time they were tracked. We characterised the vegetation at the trap sites, and used recursive partitioning to relate the presence of different plants with the probability of finding these two species and Peromyscus aztecus, a third rodent species also present in the area and considered in our analysis of habitat use. The highest probability of finding R. microdon (96%) was related to the presence of Brachythecium occidentale and Renauldia mexicana, while H. schmidlyi (95%) was found in close proximity to Fabronia ciliaris and Everniastrum. We highlight the importance of arboreal trapping in biodiversity assessments, and the role of arboreal rodents in maintaining tropical forest ecosystems. We suggest that these rodent species could avoid or reduce competition by using the vertical strata differentially, and that H. schmidlyi and R. microdon can be biological indicators for cloud forest management and conservation.     

新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.     

火电厂空冷岛下架空线瓷复合绝缘子的应用

为解决火电厂空冷岛下布置的220 k V架空线耐张绝缘子串在空冷冲洗时的污闪问题,首次将纯瓷绝缘子更换为在高压输电线路上已广泛应用的悬式瓷复合绝缘子,有效增大了爬电距离,保证了绝缘子串的机械性能,避免了纯瓷绝缘子喷涂RTV需后期多次复涂且质量无法控制的缺点,提高了绝缘子串抗污闪能力。     

中国铝的社会蓄积量及折旧再生指数分析

我国近些年来原铝产量和消费量快速增长,铝土矿资源严重不足,在很大程度上依赖于进口.随着铝社会蓄积量的增大,废铝资源将越来越多,并在铝工业中发挥更大的作用.通过对我国铝的社会蓄积量及其平均年龄、回收率、折旧再生指数等进行分析,得到以下结果:1990年~2010年铝的社会蓄积量从723万t增长到10 355万t;2010年铝制品的平均年龄约为4.3年,折旧再生指数和铝的社会蓄积量回收率分别为0.074 7 t/t和1.17%.基于未来铝消费的3种情景进行了分析,在情景3下:预计我国铝的社会蓄积量在2035年达到最大值6亿t,2055年稳定在5.7亿t;铝制品平均年龄在2040年达到最大值(7.13年),同年折旧再生指数达到最大值(0.79 t/t),铝的社会蓄积量回收率也达到最大值(5.05%).研究结果将为铝工业相关政策的制定提供一定的参考.     

基于图像欧氏距离流形降维的端元提取算法

由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高针对高光谱图像的非线性结构.本文提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法该方法结合高光谱数据的物理特性,将图像欧氏距离引入局部切空间排列进行非线性降维以更好的去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元.真实高光谱数据实验表明,提出方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成分分析算法和原始的局部切空间排列算法.     

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。