东北三江平原地区水位梯度对湿地植被群落生态特征的影响

【目的】探究三江平原湿地水文因子与湿地植被群落类型的关系以及水位梯度与湿地植被生态特征的耦合关系,分析水文情势对湿地植被群落的影响,为湿地生态恢复与生态系统的科学管理提供依据。【方法】以东北三江平原洪河国家级自然保护区湿地为研究区,基于野外调查选取水位梯度明显的9条样线共90个样点数据,建立以物种为横坐标、样点为纵坐标的21×90的矩阵。采用PC-ORD 5对矩阵数据进行双向指示种分析(TWINSPAN),对保护区湿地植被群落进行数量分类并分析群落类型与水位梯度的关系,使用CANOCO 5对矩阵数据进行除趋势对应分析(DCA),探究湿地植被群落分布与水位梯度的关系。最后利用Origin 2018对典型湿地植被的株高及生物量与水位数据进行高斯拟合,探究水文梯度变化对湿地植被生态特征的影响。【结果】TWINSPAN结果显示,洪河自然保护区湿地植被可划分为12个群落类型,群丛类型沿水文梯度的变化体现了植被类型由湿生植被向旱生植被演替的变化趋势,表明水位变化对湿地植被群落的演替与分布具有重要作用。样地DCA分析结果表明,湿地植被群丛的分布呈现一定的规律,植被群落类型及分布主要受水位梯度的影响。物种DCA排序结果显示,湿生植被、湿中生植被、旱生植被在排序图上均有明显的分布范围和界限,影响植被分布的主要环境因子是水位梯度。高斯拟合结果表明,3种典型湿地植被的高度和生物量随水位的变化趋势均为先增加后减少。小叶章(Calamagrostis angustifolia)、毛果苔草(Carex lasiocarpa)、漂筏苔草(Carex pseudocuraica)的最适水位生态幅分别为:[4.46 cm,20.04 cm]、[8.30 cm,28.40 cm]和[40.87 cm,48.71 cm],3种湿地植被的高度及生物量对应最大水位排序均为:小叶章<毛果苔草<漂筏苔草,此结果与分类和排序结果相符合。小叶章的高度及生物量对水位梯度的变化最敏感。【结论】水位梯度为洪河国家级自然保护区湿地植被群落类型与分布的首要环境因子,优势种的分布体现了所属植被群落的分布特征,并且具有指示生境的作用。水位梯度对湿地植被的生态特征有极显著影响,不同湿地植被对淹水水位适应性的差异导致其最适水位生态幅的差异明显。     

热镀锌钢卷力学性能GBDT预报模型

针对热镀锌钢卷力学性能预报建模条件属性选取难、预报精度不足的问题,研究了热镀锌钢卷力学性能梯度提升树(gradient boosting decision tree,GBDT)预报模型。利用互信息差算法综合评估工艺参数、化学成分和钢卷尺寸参数等条件属性的相对重要性以及属性之间冗余性,进行模型条件属性筛选;采用同分布原理进行样本划分,结合网格搜索法和交叉验证法优化模型参数,建立力学性能GBDT预报模型。将GBDT模型预报结果与随机森林(random forest,RF)、AdaBoost算法和BP神经网络的预报结果进行比较,比较表明GBDT模型优于其他模型,90%的数据样本预测的绝对误差小于14.24 MPa,94.6%的数据样本相对误差在6%范围内,具有更高的预测精度。     

广西特色海水养殖品种发展现状与展望

随着我国海水养殖业发展日益加速,地方特色海产品养殖已经成为海水养殖业的重要组成部分。本文通过介绍广西几种特色海水养殖品种研究发展的实际情况及相关资料,侧面反映广西近几十年在特色海产品养殖领域取得的研究进展,指出广西特色海水养殖品种产业发展过程存在的一些问题,并对产业未来的可持续发展提出参考建议。     

基于双树复小波变换统计特征的图像盲取证算法

双树复小波变换较常用的离散小波变换具有平移不变性和方向选择性的优点。用双树复小波变换对图像进行多尺度分解,分别计算分解后各层六个方向复高频子带系数幅值及幅值预测误差的一到五阶中心矩,并据此组合成对应的统计特征向量。利用该统计特征向量获取方法提取真实摄影图像和计算机生成图像的统计特征向量集,并采用支持向量机进行分类。实验结果表明,对测试集中的真实摄影图像和计算生成图像的识准率分别为98%和97%,取得了较好的分类效果。     

基于有效状态空间的多状态网络可靠性评估

鉴于应用d-最小割(路)集计算多状态网络可靠度精确值的算法中基于最小割(路)集求解d-最小割(路)集及容斥原理的复杂性,提出一种不需要d-最小割(路)集计算网络可靠度精确值的算法.该算法按一定规则分割状态空间,在此基础上生成有效状态空间,通过迭代计算直接获得可靠度精确值;同时通过删除边的无效状态、对最小割集进行分组,有效减小计算量;通过有序树执行该算法简单、易操作.实例表明算法的计算结果是正确的,且计算量较小,证明了其正确性和有效性,但同时也表明算法所需存储空间较大.     

Decision tree support vector machine based on genetic algorithm for multi-class classification

To solve the multi-class fault diagnosis tasks, decision tree support vector machine (DTSVM), which combines SVM and decision tree using the concept of dichotomy, is proposed. Since the classification performance of DTSVM highly depends on its structure, to cluster the multi-classes with maximum distance between the clustering centers of the two sub-classes, genetic algorithm is introduced into the formation of decision tree, so that the most separable classes would be separated at each node of decisions tree. Numerical simulations conducted on three datasets compared with "one-against-all" and "one-against-one" demonstrate the proposed method has better performance and higher generalization ability than the two conventional methods.     

Mean-variance model based on filters of minimum spanning tree

This study aims to reduce the statistical uncertainty of the correlation coefficient matrix in the mean-variance model of Markowitz. A filtering algorithm based on minimum spanning tree (MST) is proposed. Daily data of the 30 stocks of the Hang Seng Index (HSI) and Dow Jones Index (DJI) from 2004 to 2009 are selected as the base dataset. The proposed algorithm is compared with the Markowitz method in terms of risk, reliability, and effective size of the portfolio. Results show that (1) although the predicted risk of portfolio built with the MST is slightly higher than that of Markowitz, the realized risk of MST filtering algorithm is much smaller; and (2) the reliability and the effective size of filtering algorithm based on MST is apparently better than that of the Markowitz portfolio. Therefore, conclusion is that filtering algorithm based on MST improves the mean-variance model of Markowitz.     

MapReduce模型下基于R树索引的Skyline查询算法

提出一种MapReduce并行计算模型下基于R树索引的Skyline查询算法, 解决了海量空间数据集下执行Skyline查询效率低的问题. 通过建立R树索引实现空间数据不同粒度的范围剪枝, 有效降低了分布式Skyline查询需扫描的数据规模, 提高了在MapReduce模型下Skyline查询的执行效率. 在不同数据分布下进行对比实验的结果表明, 该方法比已有算法在执行效率上更具优势.     

基于G4ICCS系统的数据挖掘并行算法

针对传统决策树SPRINT（Scalable Parallelizable Induction of Decision Trees）算法不能处理海量地学数据挖掘的问题, 设计实现了基于G⁴ICCS(Geology Geography Geochemistry Geophysics Information Cloud Computing System）的决策树并行分类算法PSPRINT。该算法使用哈希表存储连续属性分割点两侧的数据记录, 为并行节点的分割提供依据, 在MapReduce架构下解决了海量地学数据挖掘问题。实验结果表明, 在模拟的云计算环境下, 决策树并行算法可以处理海量地学数据分类问题, 并获得较好的稳定性和较高的处理速度。     

基于文档对象模型结构聚类的钓鱼网页检测方法

为了解决现有的钓鱼网页分析方法,往往基于页面的文本特征,而忽略了页面的结构特征的问题,提出基于文档对象模型(document object model,DOM)结构聚类的钓鱼检测方法,其关键在于如何快速有效地计算网页的相似度。首先对获取的页面进行DOM结构解析,构建DOM树层次标签向量以刻画网页的结构特征;然后重新定义DOM树距离的概念,通过不同DOM树之间的距离来度量网页间的相似度;最后采用划分聚类思想实现网页的聚类。一系列的仿真实验表明,方法具有较高的召回率与精确率,运行时间也较短。