保护公共医疗网络

拉丁美洲和加勒比海国家在减少医院对于灾害易损性获得的知识一定要传播和应用到该国的所有公共医疗部门。过去已经证明了不太复杂 (但并非不重要 )的医疗基础设施如 :协调官方办公室、仓库和血库 ,容易受洪水、地震和其他自然灾害的影响。医疗部门对灾害的反应部分取决于预防工作的水平 ,也受医疗基础设施 (医院和小型医疗中心、实验室、血库、仓库等 ) ,即涉及该国医疗网络的所有组成部分的破坏程度的限制。在规划一个对灾害做出反应的完备的医疗部门时 ,需要了解设备的自然易损性的知识。已被检验和更新的紧急防护计划表明 ,当一所医院在…     

云南省食用菌产业物流网络研究

构建合理高效的农产品物流网络,是实现农产品流通与增值并促进区域农业发展的重要基础。为构建云南省食用菌物流网络,分析了2004—2015年食用菌产业数据,揭示了食用菌产业的分散化、边缘化、不均衡的空间分布特征。从资源状况、社会经济、交通区位3个方面提出了物流节点等级的评价指标体系。依据货运联系强度模型确定轴心城市辐射范围,构建了以昆明市、曲靖市、楚雄州为中心城市圈,辐射带动滇东北、滇南的滇中食用菌物流圈和以大理州为物流核心、辐射带动滇西北地区的滇西食用菌物流圈。并以此形成云南省食用菌轴辐式物流网络。     

磁层亚暴与磁层暴（Ⅱ）:太阳风参数对Dst的影响机制研究

为了研究地磁活动指数D_st受太阳风参数影响,包括行星际磁场（IMF）南向分量B_st、太阳风速度V_?和太阳风-磁层发电机电动势U调制的机制,应用太阳风-磁层-电离层输入-输出[I（t）-O（t）]电网络模型,对磁层亚暴与磁层暴过程中,B_z（t）-D_st、V-a（t）-D_st和U（t）-D_st的激励-响应特性进行模拟。研究表明,B_z是形成亚暴与磁层暴的前提条件,V_st是形成亚暴与磁层暴的充分条件,二者统一于电动势U_st研究结果与观测结果一致。     

可移动中继节点在传感器网络中的节能应用

介绍了一种新颖的静态传感器网络实现方法，它利用可移动的中继节点来收集静态传感器网络的数据，有效的节约各传感器节点的能源，延长整个传感器网络的有效工作时间。也可以对该方法进行适当的改进，应用到某些实时性要求较高的场合中去。然后介绍了应用该原理实现的一个通讯协议。     

基于WebGIS的海洋观测网管理信息系统设计与应用

海洋观测网管理信息系统主要包括海洋观测网的管理信息和相关业务服务功能。系统主要为海洋管理、海洋观测、海洋科研等服务。文章主要介绍了系统的架构、运行环境、安全机制和功能设计等内容。系统采用全开源的Map Server和Open Layers开发,将海洋观测网的管理信息集成到WebGIS平台下,实现对海洋观测网基础信息的分析处理及可视化快速检索、查询、统计、显示、输出及在线交流、协作等功能。系统已业务化运行多年,且运行稳定,为我国海洋防灾减灾提供了可靠的技术支持。     

小波网络方法用于时间序列分析中非线性模型的研究

把小波网络方法用于时间序列分析中非线性模型，利用小波网络的非线性逼近能力，构造一个非线性函数，并对温度资料进行处理，得到了较好的拟合效果。     

基于GIS交通网络的室内3维网络模型研究

在2维交通网络逻辑数据模型基础上,讨论了概念化的楼层网络,进行了室内连通的3维网络模型的研究.基于ArcGIS的交通网络模型建立了试验区的室内3维网络模型,并给出分析结果,该方法为室内3维网络模型研究提供了技术支持.     

网络环境下的前兆数据自动编排管理系统

通过在Intemet和局域网下开发的程序,实现了安徽省地震前兆数据自动编排管理。该网络程序可以自动检索和收集各地方台站上报的数据,然后将其按照规定的格式编排,通过纠错子系统检查无误后传至中国地震局数据中心。本系统可以将数据自动分类管理并做好备份,最大的优点是速度快、准确性高、操作方便。     

大地测量元数据共享模型

通过对大地测量元数据、数据、数据库进行综合分析,基于UML提出了元数据对数据进行语义表达和动态索引的方法模型,讨论了大地测量元数据的存取模型,在应用层面上对大地测量元数据的服务机制和基于Web的交互流程提出了符合大地测量业务逻辑的交互模型.     

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。