国内电子商务发展浅析

电子商务作为网络经济的主要发展形式,正以其价格低廉和给客户带来的新奇体验等优势不断吸引更多的受众.同时,B-C方式下电子支付安全性和实物交付时滞所带来的信任危机始终困扰着国内的电子商务企业,众多网络商店的低存活率清晰地呈现了电子商务所面临的困境.以B-C方式下的网络商店为切入点,分析了国内电子商务发展所面临的机遇和挑战.     

Experimental Study and Numerical Simulation of the Casting-Forging Complex Near Net Forming of Alternator Claw-pole

As a newly developed precision technology, casting-forging complex near net forming process is utilized to produce complex components with a short lead time, low cost and high precision, thus to accelerate the response speed of the market and enhance the competitive power of products. In this paper, the casting-forging complex near net forming process of alternator claw pole was developed and investigated with a combination of experimental and numerical simulation method. Qualified near net workpiece was manufactured, mechanical parameter and relative field information during the forming process was also obtained. While the alternator claw-pole is processed with this technology, the forming force is small, the process is short and the quality of forgings is perfect. Therefore, the complex casting-forging near net forming process of claw-pole is an energy and material saving technology, which will have a vast developing and application prospect in the future.     

黑龙江省一次能源消费总量和消费结构预测研究

以黑龙江省一次能源为研究对象,选取其1995~2014年一次能源消费的历史数据,构建了改进的BP神经网络模型来预测黑龙江省2015~2020年一次能源的消费总量;重构马尔科夫模型,预测黑龙江省2015~2020年一次能源的消费结构。结果表明：构建的模型模拟预测结果误差小,预测准确度良好。2015~2020年黑龙江省一次能源消费总量基本稳定在9200万吨标准煤;能源消费结构中煤炭、石油和天然气的份额均有所降低,清洁能源占比呈增长趋势;到2020年,一次能源消费结构中煤炭占比仍高达65.39%,清洁能源占比仍处于弱势。建议：降低一次能源的消费总量,尤其是煤炭和石油在一次能源消费中的占比;合理调整一次能源的消费结构,降低煤炭在能源消费结构中的占比;政府出台相关政策,引导消费理念,优先使用清洁能源。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

基于均匀设计和BP神经网络的花生油SFE-CO2萃取预测

利用均匀设计和BP神经网络相结合的方法,研究了SFE-CO₂萃取花生油工艺。以半烘烤并粉碎之后的花生为原料,针对萃取压力、温度、时间和CO₂流量4个因素,每个因素10个水平安排实验,利用均匀设计的实验数据作为网络训练样本,构造花生油SFE-CO₂萃取的BP神经网络预测模型,对萃取过程进行预测,分析各实验因素与出油率之间的关系,确定较优的工艺条件。最后确定4-9-1的BP神经网络模型,利用该模型所得出油率的预测值与实验值相接近,相对误差(绝对值)小于2%;构造的BP神经网络模型能较好地预测萃取过程中各参数影响下花生出油率的变化趋势。结果显示,当萃取压力30MPa,温度40.5℃,时间125min,CO₂流量187L/(h·kg)时花生出油率可达期望值47.5%。该方法为实现预测与控制SFE-CO₂萃取花生油过程奠定了可靠的理论基础。     

T-S模糊神经网络在冠心病智能诊断中的应用

 冠心病是一种最为常见的心血管疾病,近年来在中国的发病率与死亡率逐年升高,准确诊断和及时治疗是有效降低冠心病死亡率的主要措施。通过引入模糊系统的理论,在传统BP神经网络结构中加入了模糊层与模糊规则计算层,建立了T-S模糊神经网络模型。使用该模型对采集于克利夫兰诊所的297组数据进行分析预测,与传统BP神经网络预测结果对比显示,T-S模糊神经网络模型的平均准确率为82.93%,而传统BP神经网络的平均准确率为75.56%,表明T-S模糊神经网络模型在冠心病的智能诊断中具有较高的预测准确率。     

不同轮伐期巨尾桉人工林的经济效益分析

【目的】探讨不同轮伐期对人工林经济效益的影响,为从经济视角科学确定人工林的合理轮伐期提供理论依据。【方法】以短(7a)、中(13a)、长(21a)轮伐期的南亚热带巨尾桉人工林为研究对象,对不同轮伐期巨尾桉人工林的蓄积量(Stand volume,SV)、营林成本、净现值(Net present value,NPV)和内部收益率(Internal rate of return,IRR)进行分析,揭示不同轮伐期对经济效益的影响。【结果】随着轮伐期的延长,巨尾桉人工林的蓄积量持续增长,7a、13a、21a轮伐期的蓄积量分别为144.95m~3/hm~2、346.97m~3/hm~2、553.69m~3/hm~2。随着轮伐期的延长,巨尾桉人工林净现值不断增加,在12a时达到最高值(30 297.61元/hm~2),之后逐渐降低,7a、21a轮伐期的净现值分别为17 239.86元/hm~2、22 008.59元/hm~2。内部收益率在13a开始趋近峰值(53.32%),明显高于7a时的39.29%。【结论】在南亚热带,巨尾桉人工林的轮伐期确定在13a左右较为适宜,既可实现经济效益最大化,又可大幅提升蓄积量。     

基于BP神经网络的避洪安置区选址研究

为了解决洪水灾害应急管理中避洪安置区的选址问题,在总结前人研究成果的基础上,从自然环境、可行性、生活条件、社会环境、实用性等5个方面出发,通过17个具体指标,构建了避洪安置区选址评价体系;在安置区的选址分析中引入BP神经网络,构建了基于BP神经网络的安置区选址模型,根据选址评价体系及相关经验确定网络模型各层次的神经元节点数量,并采用样本对模型进行训练分析,建立了稳定的网络结构,最终实例验证了该模型在避洪安置区选址问题中的有效性及可行性。     

基于Petri网的VOCs跨区域流动动态风险评估方法

为了评价污染天气下由于VOCs(volatile organic compounds)跨区域流动产生的区域间的相互影响作用的大小，找出对受污染区域影响较大的路径，结合Petri网模型提出了VOCs跨区域流动动态风险评估方法。利用HYSPLIT模型确定多个潜在污染源与受污染区域的VOCs迁移路径，运用Petri网去描述各个迁移路径之间的关系；将动态风险大小的计算融入到函数Petri网的运行中，定量评估潜在污染源到受污染区域的各条路径的风险程度；案例分析得出污染天气下周边区域对于西安的动态风险评估结果以及各污染路径的潜在风险指数。研究表明，在重污染天气下各个污染源城市对西安的影响程度大小由高到低依次为宝鸡>汉中>西宁>兰州。该方法为评估VOCs跨区域流动过程中潜在污染源的风险程度提供了依据。     

基于Asp.net的通用数据填报系统的设计与实现

本文结合实际应用,详细阐述了一种基于Asp.net的通用数据填报系统的设计与实现。该系统能够对数据表字段进行任意定义,并动态生成相应数据存储、Excel模板及界面程序,从而更灵活的进行数据填报、查询和导出。解决了传统管理信息系统扩展性差的问题,具有一定的先进性、实用性。