A machine learning approach for predicting computational intensity and domain decomposition in parallel geoprocessing

ABSTRACT

High performance computing is required for fast geoprocessing of geospatial big data. Using spatial domains to represent computational intensity (CIT) and domain decomposition for parallelism are prominent strategies when designing parallel geoprocessing applications. Traditional domain decomposition is limited in evaluating the computational intensity, which often results in load imbalance and poor parallel performance. From the data science perspective, machine learning from Artificial Intelligence (AI) shows promise for better CIT evaluation. This paper proposes a machine learning approach for predicting computational intensity, followed by an optimized domain decomposition, which divides the spatial domain into balanced subdivisions based on the predicted CIT to achieve better parallel performance. The approach provides a reference framework on how various machine learning methods including feature selection and model training can be used in predicting computational intensity and optimizing parallel geoprocessing against different cases. Some comparative experiments between the approach and traditional methods were performed using the two cases, DEM generation from point clouds and spatial intersection on vector data. The results not only demonstrate the advantage of the approach, but also provide hints on how traditional GIS computation can be improved by the AI machine learning.     

The influence of a non‐associated flow rule on the calculation of the factor of safety of soil slopes

This paper presents a method that incorporates a non‐associated flow rule into the limit analysis to investigate the influence of the dilatancy angle on the factor of safety for the slope stability analysis. The proposed method retain's the advantage of the upper bound method, which is simple and has no stress involvement in the calculation of the energy dissipation and the factor of safety. Copyright © 2001 John Wiley & Sons, Ltd.     

大凌河流域河道生态需水量估算

本文从大凌河流域存在的环境问题出发,分别估算了各水资源分区的河道生态需水量（包括生态基流量、自净需水和输沙需水）及各区的河道生态需水贡献量。提出了使用偏枯年（75％保证率）水文数据估算河道生态需水量的方法．弥补了Tennant法、枯水季最小流量法等方法计算结果偏大或偏小的不足。结果表明,大凌河的4个河段（建凌站以上、建凌站至朝阳站、朝阳站至义县站、义县站至锦县段）的河道分区需水量分别为0．55×10^8m^3、5．21×10^8m^3、3．9×10^8m^3和1．34×10×10^8m^3。锦县水文站以上河道生态需水总量11×10^8m^3,占地表水总资源量的59．75％,因此．大凌河地表水资源取用率应在40％以下。     

中国东北依兰地区块状蓝片岩的地球化学特征

黑龙江省依兰地区分布的黑龙江杂岩被认为足具有缝合带性质的构造混杂岩,其中所含变基性火山熔岩中含有的变质矿物不具有定向组构特征,因此称之为块状蓝片岩.特征变质矿物--蓝闪石的大量出现表明其经历过高压低温变质作用.常量地球化学分析表明,其SiO2含量均在53%以下,TiO2含量超过2%,Na2O K2O的含量为2.77%～6.41%,Na2O的含量普遍大于K2O的含量,Na2O K2O-SiO2变异图显示其具有碱性玄武岩特征;痕量元素地球化学分析显示其轻重稀土元素分异明显,稀土元素配分曲线表现为轻稀土元素富集、重稀土元素亏损的右倾型.球粒陨石标准化图解中,不具有Eu的负异常;Nbx2-Zr/4-Y、Ti/100-Zr-Sr/2与Ba-Th-Nb-La图解的综合分析表明,块状蓝片岩具有碱性洋岛玄武岩(OIB)的特征,它们应是佳木斯地块与松嫩地块之间古洋壳俯冲过程的残留,这为探讨佳木斯陆块与松嫩陆块之间古老洋盆俯冲消减过程提供了重要依据.     

165°E赤道太平洋溶解氧垂直分布异常分析

根据1986—1990中美热带西太平洋海气相互作用8个航次合作综合调查资料，分析了1987年10月赤道中西太平洋165°E（10°N－6°S）次表层水形成溶解氧最大值的原因。1986－1987年E1Nino衰退时期，该海域赤道附近在E1Nino强盛时期下沉的次表层水开始回升，短时期内形成了类似于中、高纬度海域的理化环境，使浮游生物在混合层内聚集生长，最终导致溶解氧含量在次表层出现最大值和过饱和含量。     

96孔酶标板法测定中国对虾血淋巴上清液抗菌活力和酚氧化酶活性的初步研究

用96孔酶标板法测量单尾中国对虾血淋巴上清液抗菌（Uα）应力和过氧化酶活性。实验表明，该法具有以下优点：1）可测定大批单尾对虾血淋巴上清液的抗菌活力，酚氧化酶活性；2）所需对虾血淋巴上清液微量化；3）用酶标仪读取酶的活性，减少了不同试验者人为读数时的误差；4）重复性高。     

Pathogens and pathogenicity to Penaeus orientalis Kishinouye

ＰａｔｈｏｇｅｎｓａｎｄｐａｔｈｏｇｅｎｉｃｉｔｙｔｏＰｅｎａｅｕｓｏｒｉｅｎｔａｌｉｓＫｉｓｈｉｎｏｕｙｅＩＮＴＲＯＤＵＣＴＩＯＮＢａｃｔｅｒｉａ，ｅｓｐｅｃｉａｌｌｙｖｉｂｒｉｏｓａｒｅｏｎｅｏｆｔｈｅｍａｊｏｒｐａｔｈｏｇｅｎｓｔｏｃｕｌｔｕｒ...     

病毒膜蛋白及其表达和纯化技术的研究进展

病毒囊膜是包膜病毒除核衣壳外的另一主要成分。它主要由多种蛋白质构成，称为膜蛋白，膜蛋白以单聚体，二聚体，三聚体，甚至更多的聚合体的形式存在，具有中和抗体，与靶细胞受体结合，凝集红细胞，诱导细胞融合等多种功能，膜蛋白可采用将其基因整合入载体，并在昆虫细胞，哺乳细胞或细菌中获得体外表达，膜蛋白可在去污剂的作用下形成蛋白质－脂－去污剂的复合物而被溶解，其中去污剂的临界微团浓度，亲水物－亲脂物平衡值，荷电、紫外穿透性等是选择合适去污剂的主要参考因子，溶解后的膜蛋白多利用聚丙烯酰胺凝胶电泳、凝胶过滤层析，离子交换层析，亲和层析，高效液相层析等技术并结合梯度离心；分级沉淀等进行分离、纯化。     

当今深海运载系统发展概况

20世纪70年代以来,随着高新技术的发展,日本、法国、美国、俄罗斯等国的载人深潜器和无人深海探测器技术发展很快,技术功能不断更新,先后研制建造了一批先进的探测装置和各种类型的深海运载器,     

中国海岸风成沙ESR测年的研究

介绍ＥＳＲ测年的基本原理，并讨论风成沙Ｇｅ心测年的可行性、风成沙Ｅ＇心的特征、测年误差及可靠性等问题。１９９２－１９９３年在渤、黄、东、南海沿岸采集的１００余个风成沙样品ＥＳＲ测年实验表明，绝大部分海岸风成沙的年龄为１－７万年。