Minimal cut-based recursive decomposition algorithm for seismic reliability evaluation of lifeline networks

In this paper, a new probabilistic analytical approach, the minimal cut-based recursive decomposition algorithm (MCRDA), is presented to evaluate the seismic reliability of large-scale lifeline systems. Based on the minimal cut searching algorithm, the approach calculates the disjoint minimal cuts one by one using the basic procedure of the recursive decomposition method. At the same time, the process obtains the disjoint minimal paths of the system. In order to improve the computation efficiency, probabilistic inequality is used to calculate a solution that satisfies the prescribed error bound. A series of case studies show that MCRDA converges rapidly when the edges of the systems have low reliabilities. Therefore, the approach can be used to evaluate large-scale lifeline systems subjected to strong seismic wave excitation.     

Year aridity index patterns in northwest China and the relationship to summer North Atlantic sea surface temperature

Aim to linking the variability of drought in northwest China to the oceanic influence of North Atlantic SSTs at the background of global warming and at the regional climate change shifting stages, year aridity index variations in northwest China and summer North Atlantic sea surface temperature （SST） variations are examined for the 44 a period of 1961-2004 using singular value decomposition （SVD） analysis. Results show that the SST anomalies （SSTA）in the North Atlantic in summer reflected three basic models. The first SVD mode of SST pattern shows a dipole - like variation with the positive center located at southwest and negative center at northeast of extratropical North Atlantic. And it strongly relates to the positive trend in AI variation in northwest China. The second coupled modes display the coherent positive anomalies in extratropical North Atlantic SST and the marked opposite trend of AI variability between north and south of Xinjiang. In addition, the lag correlation analysis of the first mode of SSTA and geopotential heights at 500 hPa variations also shows that the indication of the former influencing the latter configuration, which result in higher air temperature and less precipitation when the SSTA in the North Atlantic Ocean in summer motivated Eurasian circulation of EA pattern, further to influence the wet - dry variations in northwest China by the ocean-to - atmosphere forcing.     

具有不同到达率的带有启动时间及不耐烦策略的多级适应性休假M^X/G/1排队

研究了具有不同到达率的带有启动时间及不耐烦策略的多级适应性休假M^X/G/1排队模型,通过嵌入马尔可夫链方法推导出稳态队长的母函数、等待时间的LST（先到先服务规则）,并验证了稳态队长和稳态等待时间具有随机分解性,而且给出了忙期、全忙期及在线期均值。     

同步N-策略多重休假的M/M/C/WV排队

考虑同步N-策略多重休假和工作休假M/M/c排队,简记为M/M/c（N-WV）。在休假期间,服务员并未完全停止工作而是以较低的速率为顾客服务。用拟生灭过程与矩阵几何解方法,给出了系统稳态队长和稳态条件等待时间的分布。此外,也得到了队长和等待时间的条件随机分解结构及附加队长和附加延迟的分布。     

对土地利用总体规划修编中有关指标分解测算的思考

科学编制新一轮省级土地利用总体规划,对实现中原崛起的奋斗目标和促进全省经济社会与资源环境的全面协调持续发展,积极探索新形势下保障科学发展的土地管理新机制,具有十分重要的战略意义。同时,省级土地利用总体规划作为全省土地资源利用和配置的宏观性纲领,对统筹省内区域间协调发展也将发挥极其重要的作用。从技术层面,即省级规划确定的各项土地利用目标和管理政策措施,将通过测算分解到各市的各项规划指标中得以落实。因此,     

面波频散反演的数值模拟

大量的数值模拟表明,SVD和LSQRD在面波频散网格反演两步法中的应用效果都很好.但SVD可以用分辨矩阵、信息矩阵和协方差矩阵对解估计进行数学上客观有效的评价;而对于大型稀疏方程组的求解,LSQRD确是一种内存需求小、计算速度快以及分辨抗噪能力都较强的算法 .在现有计算机运算速度较快、内存可以扩充较大的条件下,实测数据量不很大时,应采用SVD算法进行线性反演.     

上海计算机产业转移及其对区域经济影响

自2008年全球金融危机之后,全球生产网络重组对中国区域经济的影响日益浮现。上海计算机制造业持续向重庆等地转移,重构了该行业全球生产网络的基本格局。利用上海市投入-产出表以及中国工业企业数据库、企业年报等,采用结构分解等方法分析上海计算机制造业产业变化,结合制造业多样性指数等指标,评估产业转移对区域经济的影响。研究发现：① 上海计算机产业被锁定在全球价值链低端的组装制造环节,2007—2012年,增加值率（增加值与总产出的比值）从7.38%下降为4.29%;劳动者报酬占增加值比例从22.06%上涨为67.97%,推动产业对外迁移。② 受上海市产业转移和国际市场低迷等因素影响,2007—2012年,上海计算机制造业总产出减少了483.9亿元。③ 制造业多样性指数较高的浦东新区受到计算机产业转移的影响较小,制造业多样性指数相对较低且计算机制造业占制造业总产值比例较高的闵行区、松江区在一定时期内仍然面临着计算机产业转移的负面影响。为了降低全球生产网络“去耦合”的冲击,提高区域经济的韧性,上海需要从全球生产网络的成熟产品生产平台转型为新产品研发创新枢纽,提高劳动生产率和产业增加值率,推动产业结构多样化。     

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取北大核心CSCD

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。     

基于分解袋法的闽江河口芦苇和短叶茳芏枯落物的残留率和分解速率北大核心CSCD

以闽江河口鳝鱼滩的芦苇(Phragmites australis)群落、短叶茳芏(Cyperus malaccensis)群落和芦苇+短叶茳芏群落植物枯落物为研究对象,采用分解袋法,2016年2月19日～2017年2月28日期间,研究了不同群落中两种植物枯落物的残留率和分解速率。结果表明,芦苇群落和芦苇+短叶茳芏群落中的芦苇枯落物的残留率分别为35.87%和28.67%,短叶茳芏群落和芦苇+短叶茳芏群落中的短叶茳芏枯落物的残留率分别为7.00%和9.57%;短叶茳芏群落和芦苇+短叶茳芏群落中的短叶茳芏枯落物的分解速率分别为0.007 292 g/d和0.006 150g/d;芦苇+短叶茳芏群落和芦苇群落中的芦苇枯落物的分解速率分别为0.003 243 g/d和0.002 607 g/d。芦苇+短叶茳芏群落中的芦苇枯落物分解的更快;芦苇+短叶茳芏群落中的短叶茳芏枯落物分解的较慢。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。