践行群众路线 用心国土资源信息化建设

党的群众路线教育实践活动,顺应了群众期盼,是恪守＂为民＂的根本宗旨,也是执政党的出发点和根本点。通过学习,有以下体会与思考：经济社会在发展、执政环境在变化,但群众路线却不能变,这样才不会发生角色错位。我省国土资源信息化建设已按照国土资源部信息化建设总体框架和我省实一、坚持为民、提高认识,     

衢州市柯城区国防教育在心中

日前,衢州市国土资源局柯城分局以“国防在我心中,土地在我心中,祖国在我心中”为主题,组织全体机关工作人员进行一系列丰富多彩、形式多样的的国防教育活动。通过知识学习、报告会、座谈会、组织军训等活动,增强了全局工作人员的国防知识,加强了国防观念,提高了国防意识和忧患意识。并以此为契机进一步加强全局工作人员热爱生活、     

省国土资源系统深入学习实践科学发展观活动全面展开

10月8日,省国土资源厅召开深入学习实践科学发展观活动动员大会,传达学习和贯彻落实省委精神,对在全省国土资源系统开展深入学习实践科学发展观活动进行具体安排,全厅系统学习实践科学发展观活动全面启动。     

振奋精神 扎实工作 为全省经济社会又好又快发展提供有力的资源保障——在全省国土资源工作会议上的讲话

这次会议的主要任务是，深入学习贯彻党的十六届六中全会、中央经济工作会议、全国国土资源厅局长会议和省委九届九次全会、全省经济工作会议精神，总结2006年工作，部署2007年工作任务。刚才，德香同志传达了全国国土资源厅局长会议精神，大家要认真学习贯彻好。下面，受福和厅长委托，我代表厅党组讲四点意见。     

提高服务质量共建和谐单位为国土资源管理提供强有力的技术支撑

按照省厅的统一部署,国土规划院党委及时组织了以落实十六届六中全会精神为主要内容的学习活动,并就如何结合我院实际工作,更好的为国土资源管理提供强有力的技术支撑,为地方经济建设提供良好服务等问题展开了深入讨论。     

认真学习十七届五中全会精神 切实加强地质灾害防治工作

在党的十七届五中全会公报和《中共中央关于制定国民经济和社会发展第十二个五年规划的建议》中,强调指出。加快建立地质灾害易发区调查评价体系、监测预警体系、防治体系、应急体系,提高对自然灾害的综合防范和抵御能力。在党的中央全会上专门就地质灾害防治工作作了专门的研究,提出具体的要求,这是史无前例的,这充分说明党中央对地质灾害防治工作的高度重视,也是对我们从事地质灾害防治工作同志的莫大鼓励与鞭策。     

开放在京城的天文科普奇葩之五——北京市上地实验学校

北京市上地实验学校位于海淀区上地信息产业基地高科技园区内,学校创建于1998年,由北京一零一中承办、实创高科技发展有限公司投资兴建。2009年学校由体制改革校转制为公办校。为培养学生终身学习的能力,学校在课程改革、教学方法创新中,尊重学生的学习兴趣,挖掘他们的爱好与知识潜能,培养他们的学习方法,因材施教分层辅导,让学生在学习的过程中,享受获得信心与能力的乐趣。     

高层建筑坍塌墙体修复施工安全管理定量化控制模型研究

为了确保震后高层建筑坍塌墙体修复工程的安全性,提出一种高层建筑震后坍塌墙体修复施工安全管理方法。结合主成分分析法与信息熵法对震后高层建筑坍塌墙体修复施工管理的控制特征量进行提取,确定模型评价指标权重;根据加权学习法对坍塌墙体修复的施工进行量化控制;通过灰阶量化评估进行约束参量分析,构建安全管理控制模型;采用管理因素模糊调度算法实现施工安全管理控制,并完成优化决策。通过仿真实验验证坍塌墙体修复施工管理控制的管理效益与累积评价百分率。分析结果表明,采用该方法进行震后高层建筑坍塌墙体修复施工管理控制的管理效益最高可达83.32%,累积管理效果回报率较高,累积评价百分率平均约为75%,能够有效提高施工过程的安全管理效能,确保施工安全。     

基于卷积神经网络的ICESat-2光子点云去噪分类

ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R²和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R²分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。     

基于深度学习的城市酒店双因素体验特征及其差异机制分析

当前“双循环”新发展格局下,酒店业迎来发展新机遇。本研究选取夫子庙（历史人文街区）和新街口（城市商业中心）2个环境差异明显的地区作为案例地,以携程旅行网上12家酒店文本作为数据来源,建构CNN-BiLSTM-ATT相结合的深度学习模型,探究游客酒店双因素体验特征,并对其差异机制进行分析。结果表明：(1) CNN-BiLSTM-ATT相结合的深度学习方法为酒店体验研究提供了一个系统的理论框架,可以深入挖掘游客酒店体验特征及其差异机制;(2)不同环境差异下的游客酒店双因素体验具有较大差异。游客夫子庙酒店激励体验涉及区位地标、餐饮体验等要素;游客新街口酒店激励体验涉及娱乐体验、酒店氛围等要素。游客夫子庙酒店保健体验涉及停车设施、客房面积等要素;游客新街口酒店保健体验涉及电梯设施、停车设施等要素;(3)游客酒店双因素体验机制存在差异。游客酒店激励体验多与区位地标、娱乐体验等外部要素有关,保健体验多与客房面积、客房隔音等内部要素有关。本研究拓展了深度学习在游客体验研究中的应用,为酒店韧性建设与高质量发展提供参考。