基于机器学习的区域工程地质分层思路与方法研究

传统的地质分层方法通常依赖于人工解释和经验判断,存在过程繁琐、工作量大、受人为因素影响较大等缺点。本文旨在研究基于机器学习的区域工程地质分层的思路与方法,将地层分层问题转换为地质体空间单元的序列到序列预测任务及地质属性特征分类任务,以提高地质分层的准确性和效率。本文在对工程地质原始数据开展深入研究的基础上,提出采用深度学习方法对静力触探试验数据进行地质分层的训练和预测,通过分类算法对取土孔土样进行分层,并定量评价了相关算法的适用性。通过对比传统方法和机器学习方法的结果,验证了机器学习在地质分层中的优势。本研究为区域工程地质研究提供了一种新的地质分层思路,具有重要的实践意义。     

转兔防御素基因小球藻培养的营养模式研究

在250mL摇瓶中研究了光自养、异养、混合营养3种营养模式对转兔防御素基因(NP-1)小球藻(Chlorella)的生长、NP-1表达量、总蛋白质含量、pH、葡萄糖消耗以及光衰减等几个方面的影响。结果表明,异养培养为转NP-1基因小球藻的最适营养模式。在此基础上,采用5,15,30L生物反应器补料分批异养培养转NP-1基因小球藻,细胞质量浓度分别达到3.67,4.87,6.39g/L。     

新型基础测绘体系下再论图库一体化

依据新型基础测绘的服务要求,制定了科学合理的图库一体化的生产路线,总结了注意事项,研究开发了图库一体化的质检工具,提高了基础测绘的生产效率和质量,为新型基础测绘“按需服务”奠定了基础。     

改进的半参数模型法在GNSS时间序列季节性信号提取中的应用

GNSS基准站坐标时间序列具有明显的季节性变化。基于谐波函数模型的最小二乘拟合方法只能得到固定振幅的季节性信号,而真实的季节性信号其振幅是变化的。采用半参数模型进行季节性信号提取时又存在最优平滑因子确定困难、迭代速度慢的问题。提出一种赋相对权比的半参数模型,采用迭代更快速的黄金分割法与改进效率法相结合的策略确定最优平滑因子。通过模拟数据实验,验证了改进模型的可用性。实验表明:改进方法的计算效率明显提高,对于10 a长度的模拟数据,相较GCV函数法搜索速度提高68.1%,相较L-曲线法速度提高25.8%;计算精度较最小二乘法和半参数模型法均有提高,所得残差中没有明显的季节性信号。     

城市地铁网络拓扑时空演变特征模型研究

以广州地铁网络为例,基于复杂网络理论,结合GIS技术对城市地铁网络的发展趋势、拓扑特征和统计特性进行了量化评估;重点通过时空序列数据分析了1997-2016年广州市地铁网络拓扑形成的过程以及统计特性的时空演变特征,以期为城市地铁网络发展和规划布局提供科学参考,促进城市发展质量的提升。     

地理省情监测成果地图集编制探讨

本文通过对《四川省地理省情监测成果地图集》在图集设计思路、地图编制方法等方面的探索,总结出了地理省情监测成果制图表达的基本流程,并以地图形式直观地展示地理省情监测成果。探索了地理国情监测成果图集的设计思路及方法,尤其是动态信息的制图表达方案,为开展地理国情、省情监测等综合地图图集的设计、编制提供借鉴。     

黄土高原古气候变化定量重建的新进展

中国黄土- 红黏土沉积是可与深海沉积媲美的陆相沉积载体,记录了晚新生代东亚大陆气候环境变化历史。基于中国黄土的多种理化指标,重建了黄土高原地区构造- 千年尺度东亚季风变化历史,为探讨区域与全球气候的联系提供了关键证据。近年来,黄土高原古气候变化研究逐步从定性描述拓展到定量重建,本文旨在回顾基于中国黄土定量重建古温度和古降雨变化取得的重要进展。首先,梳理了古气候要素定量重建的指标和方法,古温度重建指标包括植硅体、碳酸盐耦合同位素、微生物脂类代用指标等;古降水变化敏感指标包括磁化率、白云石/方解石含量、生物微钙体Sr/Ca比值、有机碳同位素以及10Be等。然后,汇总了典型黄土剖面定量重建的古气候变化序列,分别从构造、轨道及千年时间尺度上探讨了古温度和古降雨的变化特征。结果表明,基于生标重建的不同时间跨度的土壤古温度变化序列,在冰期—间冰期尺度上的波动特征基本一致,但在冰盛期—冰消期时段出现了增温超前现象,说明陆地植被对土壤温度变化有重要调制作用。然而,不同指标重建的降水变化幅度差异较大,主导周期也存在差异,说明定量重建降水变化仍有较大挑战。最后,简要总结了黄土高原古气候定量重建存在的问题,明确了区分温度和降水季节性变化的重要性,指出加强地质记录与模拟结果的对比同化,将有助深化对多尺度季风变化动力学的理解。     

基于情境感知和序列模式挖掘的气象学习资源推荐算法

随着互联网的快速发展,气象部门职工作为学习者可以获得的学习资源得到极大丰富。信息超载导致检索合适的在线学习资源时遇到了困难;学习者在不同学习环境和序列访问模式上也有不同的学习需求。但是,现有的推荐系统,如基于内容的推荐和协同过滤,没有结合学习者的情境和序列访问模式,推荐结果准确度不高。本文提出了一种结合情境感知、序列模式挖掘和协同过滤算法的混合推荐算法来为学习者推荐学习资源。混合推荐算法中,情境感知被用来整合学习者的情境信息,如知识水平和学习目标;序列模式挖掘被用来对网络日志进行挖掘,发现学习者的序列访问模式;协同过滤被用来根据学习者的情境数据和序列访问模式为目标学习者计算预测并生成建议。实验和应用效果表明,该混合推荐算法推荐的质量和准确性方面优于其他推荐算法。     

雄性半滑舌鳎雄激素受体基因的克隆与表达分析

利用RT-PCR方法从半滑舌鳎(Cynoglossus semilaevis)中克隆了雄激素受体(Androgen receptor,AR)基因cDNA的部分序列(434 bp),经BLAST比对与狼鲈(Dicentrarchus labrax)、花溪(Kryptolebias marmoratus)、三斑海猪鱼(Halichoeres trimaculatus)和三刺鱼(Gasterosteus aculeatus)的雄激素受体同源性分别为84%,82%,82%和81%.组织表达分析表明,AR基因在半滑舌鳎的性腺、肝、胃、脾、肾、头肾、肠、鳃、心、脑和肌肉这11种组织中均有表达,表达量有所差异.肾中表达量最丰富,鳃中最少.根据其他硬骨鱼类表达模式,推测半滑舌鳎可能只含有1种AR.