PM2.5浓度插值中不同空间插值方法对比

针对不同插值方法对于重点大气颗粒物污染源PM_(2.5)大区域内整体分布情况的插值效果和精度存在差异性的问题,该文以石家庄市赵县100个点的PM_(2.5)的数据作为样本点,利用反距离权重法、普通克里格插值法和协同克里格插值法,分别进行PM_(2.5)浓度的空间插值。利用研究区内另外20个PM_(2.5)的数据点进行插值精度的检验。研究结果表明:协同克里格插值的精度最高,但可视化效果不如其他两种方法。     

低阶煤熔融体系电化学转化过程

为解决低阶煤转化的高耗能、高污染与分级转化调控难问题,提出一种基于电化学过程的低阶煤转化方法,以镍作为电化学反应阴极与阳极,在熔融体系中,采用热—电化学协同反应过程电解低阶煤进行提质转化。结果表明:低阶煤在熔融体系中能够进行电化学氧化还原反应,随温度的升高,能够有效降低氧化还原电位;低阶煤的电化学转化随反应时间的改变而呈现阶段性变化;电压/电流、温度是低阶煤转化的关键影响因素,通过调控电压/电流与反应度匹配,能够获得理想的低阶煤转化率;在反应温度为360℃、电压为2.0 V、反应时间为4 h条件下,低阶煤电化学转化率可以达到87.3%,其中液体转化率为48.8%,气体转化率为38.5%。     

时空协同的精准农业遥感研究

高分辨率遥感对地观测为我们从空间与时间2个维度客观反演地表格局—过程提供了有效的技术支撑。本文遵循时空协同的研究思路,基于高分辨率遥感影像,开展了农业遥感领域2个典型的问题研究：① 提出了一种基于影像视觉特征的耕地分区分层提取方法,该方法在利用DEM数据进行分区的基础上,根据不同区域内耕地所呈现的几何特征和纹理特征差异,分别设计了不同的耕地提取模型;② 构建了一种地块尺度的作物生长参数反演方法,方法以地块为基本单元,在空间、时间及属性组合约束下进行作物理化参数反演。本研究以贵州省安顺市西秀区和广西扶绥县耕地提取进行了耕地地块提取示范,以扶绥县进行了基于耕地地块和中空间分辨率时间序列遥感数据的甘蔗叶面积指数反演。其中,对于安顺市西秀区的耕地地块提取结果而言,形态精度（IoU）大于0.7的地块超过60%,规则耕地、梯田以及林草地等的类型精度均超过了80%;对于扶绥县甘蔗叶面积指数反演的结果而言,其结果可以较为精确地反映出基地甘蔗与非基地甘蔗的差异,基地甘蔗在品质上要优于非基地甘蔗。西南山地区的耕地形态提取/类型判别和地块甘蔗叶面积指数应用验证均证明了方法的可行性。结果表明,协同使用多源高分辨率数据是实现精准农业遥感研究的有效途径。     

绿色创新还是污染转移:环境规制效应文献综述与协同减排理论展望

环境规制下经济发展与节能减排双赢问题一直是政府和学界关注的焦点问题。本文从环境规制效应出发梳理绿色创新和污染转移文献,并从中揭示二者之间割裂的原因,提出产业链跨区域协同创新是跨越创新门槛的主要路径。最后,利用演化经济地理理论,提出几点跨区域协同减排研究重点与理论展望,以期为环境规制下跨区域协同减排研究提供理论支持与可行方向。     

构建土地管理长效机制和协同联动机制初探

实行最严格的土地管理制度，是由我国人多地少的国情决定的，也是贯彻落实科学发展观，保证经济社会可持续发展的必然要求。2007年开展的全国土地执法百臼行动虽然取得了显著的成绩，但土地管理是一项系统工程，还存在很多不完善的地方，具体表现在以下几方面：     

苏州市区多种地下地质资源协同开发利用研究

地下空间、地下水、浅层地热能和地质材料是重要的地下地质资源,协同开发利用是大势所趋。苏州既是历史文化名城又是现代国际大都市,城市发展至今对地下地质资源的需求相当迫切。通过对苏州各类地下地质资源的的识别分析,表明其具备分别开发地下空间、地下水、浅层地热能和地质材料资源的能力。若多种资源协同开发,平面上开发利用条件较好,竖向尺度地下浅层到次深层适宜地下空间和地质材料的协同开发,而深层适宜以浅层地热能为主的协同开发。结合苏州国土空间发展格局和地下资源的优势分布特征,城镇空间建议采取“地下空间+浅层地热能”的协同利用模式;农业空间建议采取以“浅层地热能”为主的协同利用模式;生态空间予以生态环境保护。     

基于Fabric区块链的智能合约协同开发系统

针对传统协同开发系统普遍采用"中心化"存储架构带来的单点故障、数据不可信、故障难以追责等安全问题,以及传统协同办公系统仅支持单一企业内部办公的问题,本文借助超级账本Fabric区块链技术以及业务流程管理和服务组合技术实现了一款基于Fabric区块链的智能合约协同开发系统.系统架构中首先结合传统中心化存储技术和区块链去中心化存储技术,通过将系统核心业务数据信息存储在区块链分布式账本中而把业务流程管理等不重要的数据存储在传统数据库中解决了"中心化"存储管理带来的安全信任问题.其次系统通过结合超级账本联盟链技术提供的企业联盟的特点使得系统可以应用于企业联盟办公中,解决了单一办公的问题.     

推荐系统中物品召回技术的研究进展

信息技术的快速发展导致信息过载.推荐系统是解决信息过载最有效的方式之一.近年来,深度学习的快速发展也带动了推荐系统的进步,各种深度推荐算法层出不穷.然而由于候选物品数量巨大且用户兴趣动态变化,深度推荐算法的推荐复杂度巨大,难以在实际系统中单独使用.在深度推荐技术发展的同时,物品召回技术（也称近似搜索技术）也有了较大的发展与进步.本文先介绍基于距离最小化的物品召回的研究进展,再从向量索引、局部敏感哈希、哈希学习、向量量化四个方面来深入探讨基于内积最大化的物品召回技术的研究进展.     

多重对级贝叶斯个性化排序算法

为解决隐式反馈推荐问题,贝叶斯个性化排序（BPR）模型已经成为最具有代表性的对级（Pairwise）排序算法之一.在BPR模型中,存在一个严格的偏序假设：相较于未标记的物品而言,用户更喜欢已经有过标记行为的物品.本文提出了一种多重对级贝叶斯个性化排序（MBPR）推荐算法来进一步提升用户对物品的偏好预测能力.首先,基于BPR模型的排序关系设计了一种改进的多重对级偏序假设.具体地,对于每一用户,本文提出将未标记的反馈集细分为潜在的负反馈集和不确定性反馈集,并基于改进的对级偏序假设,提出了一种新的多重对级排序的优化目标来学习用户与物品之间的相关性.为实现MBPR模型的采样任务,本文设计了一种自适应采样策略来为模型更新动态地选取训练样本.最后,在公开数据集上开展了仿真推荐实验,并与基线算法对比.实验结果表明,MBPR算法能够取得更好的推荐效果.