检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

近60年来洪泽湖的碳埋藏特征

水文地质工程地质 2024年第4期51卷 66-76页

作者：戚甲豪刘泰北赵华中国地质科学院水文地质环境地质研究所河北石家庄050061 中国地质调查局第四纪年代学与水文环境演变重点实验室河北石家庄050061

湖泊是重要的陆地生态系统碳汇。目前我国大部分湖泊碳埋藏研究仅考虑有机碳埋藏,多忽略无机碳埋藏,这会导致湖泊总碳埋藏能力被低估,该情况在湿润的东部平原区尤为显著。为了全面了解东部平原湖泊碳埋藏特征,更加合理地评估有机碳埋藏... 详细信息

湖泊是重要的陆地生态系统碳汇。目前我国大部分湖泊碳埋藏研究仅考虑有机碳埋藏,多忽略无机碳埋藏,这会导致湖泊总碳埋藏能力被低估,该情况在湿润的东部平原区尤为显著。为了全面了解东部平原湖泊碳埋藏特征,更加合理地评估有机碳埋藏和无机碳埋藏对总碳埋藏的贡献,以东部平原区的代表性湖泊洪泽湖为研究对象,在^(210)Pb-^(137)Cs年代序列基础上,结合沉积物中的C/N、碳同位素特征等,对洪泽湖典型岩心(编号HZH-12)以及其他12个表层沉积物中的有机碳、无机碳时空变化进行分析,探究了近60 a来洪泽湖沉积物的碳埋藏特征。结果表明:(1)C/N和δ^(13)C显示内源有机碳是洪泽湖的主要有机碳来源;过去60 a有机碳和无机碳埋藏速率具有明显协同变化特征(R2=0.76,p<0.001),意味着无机碳可能源自浮游藻类光合作用导致的次生碳酸盐沉积。(2)有机碳和无机碳对比结果显示,洪泽湖无机碳含量(1.09%)明显高于有机碳(0.61%);无机碳埋藏速率为34.27 g/(m^(2)·a),要远高于25.27 g/(m^(2)·a)的有机碳埋藏速率。总的来说,洪泽湖有机碳在总碳埋藏中占比为42.4%,而无机碳在总碳埋藏中占比高达57.6%,这意味着忽略无机碳埋藏可能导致东部平原湖泊碳埋藏能力被极大低估。未来该区域的湖泊碳埋藏研究需要兼顾有机碳和无机碳埋藏。

关键词：碳埋藏有机碳无机碳洪泽湖

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

微缺陷对铀材料腐蚀的影响研究现状

稀有金属材料与工程 2024年第2期53卷 572-580页

作者：董豪鹏蔡定洲苏斌刘柯钊中国工程物理研究院材料研究所四川绵阳621907

铀及铀合金是核工业中重要的结构和功能材料,其腐蚀状态对于材料的使役有效性有重要影响。材料学因素,包括组分、组织结构、内部和表面的缺陷状态等是影响铀材料耐蚀性能的内因。本文重点综述了铀材料中微缺陷对腐蚀的影响规律的研究现... 详细信息

铀及铀合金是核工业中重要的结构和功能材料,其腐蚀状态对于材料的使役有效性有重要影响。材料学因素,包括组分、组织结构、内部和表面的缺陷状态等是影响铀材料耐蚀性能的内因。本文重点综述了铀材料中微缺陷对腐蚀的影响规律的研究现状,从杂质元素、夹杂、显微组织、表面状态4个方面系统梳理了国内外公开报道的研究工作和取得的规律认识。在此基础上,简要的提出了改善和消除微缺陷以提升铀材料耐蚀性能的策略。

关键词：铀材料微缺陷腐蚀规律

基于LDE-MADDPG算法的无人机集群编队集结控制策略

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2024年

作者：肖玮高甲博柯学良陆军勤务学院 95019部队

针对MADDPG算法用于无人机集群编队集结控制的局限性，提出基于LDE-MADDPG算法的无人机集群编队集结控制策略。通过设计状态特征学习网络和解耦式Critic网络提出LDE-MADDPG算法，用以改善MADDPG算法的泛化性、可扩展性及集群训练效率。... 详细信息

针对MADDPG算法用于无人机集群编队集结控制的局限性，提出基于LDE-MADDPG算法的无人机集群编队集结控制策略。通过设计状态特征学习网络和解耦式Critic网络提出LDE-MADDPG算法，用以改善MADDPG算法的泛化性、可扩展性及集群训练效率。将该算法结合构建的解耦式奖励函数、集群状态空间和无人机动作空间等要素，生成了能够适应不同队形和不同数量的无人机集群编队集结策略。仿真实验表明，较MADDPG算法，LDE-MADDPG算法提升了19.6%的训练效率；生成的集群编队集结控制策略能够在60秒内完成包括“菱形”在内的六种无人机队形集结，80秒内实现从6至21架次的无人机集群编队集结，表现出了良好的泛化性和可扩展性。

关键词： LDE-MADDPG算法状态特征学习网络解耦式Critic网络编队集结

基于反现实情景模拟的耕地“进出平衡”政策绩效预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业工程学报 2024年第3期40卷 294-302页

作者：章礼杰邹镰钊江舒静广州市城市规划勘测设计研究院广州510060 广州市资源规划和海洋科技协同创新中心广州510060 广东省城市感知与监测预警企业重点实验室广州510060

探究情景模拟下耕地进出平衡政策实施绩效与影响,有助于完善该政策机制和促进耕地保护。该研究以广州市为例,通过构建现实情景(政策实施情景)和反现实情景(惯性发展情景)下的农用地内部转换决策效用函数、土地利用需求预测模型和基于元... 详细信息

探究情景模拟下耕地进出平衡政策实施绩效与影响,有助于完善该政策机制和促进耕地保护。该研究以广州市为例,通过构建现实情景(政策实施情景)和反现实情景(惯性发展情景)下的农用地内部转换决策效用函数、土地利用需求预测模型和基于元胞自动机(cellular automata,CA)的土地利用转换潜力综合模型,对比分析两种情景下的土地利用时空动态格局变化,对该政策未来实施绩效进行预测。结果表明:1)该政策实施有效减少了广州市耕地的流失,政策实施情景中2020—2030年耕地流向非耕农用地的面积减少了20.40km^(2);2)该政策实施对耕地和园地的景观格局影响较大,政策实施情景中耕地的聚集程度更高,但园地的破碎程度更大;3)政策实施情景中2020—2030年广州市农用地内部地类数量比例保持平衡,较多园地恢复为耕地,且各地类分布更加均匀。耕地进出平衡政策未来在广州市的实施绩效良好,有效减少了耕地流失,维持了农用地内部结构比例,促进了园地向耕地转换,对保持耕地数量动态平衡、保障国家粮食安全具有重要意义。

关键词：耕地土地利用模型情景模拟进出平衡绩效

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

中国肉鸡饲料价格波动特征及影响因素分析

饲料研究 2024年

作者：王燕杨祥钊广西职业技术学院

文章旨在分析肉鸡价格波动特征及影响因素，利于推动禽类养殖业健康稳定发展。基于2002年1月—2022年12月中国252个肉鸡饲料企业样本数据，在通过平稳性检验后，采用VAR模型和方差分解法，从肉鸡饲料价格、供给和需求三个方面分析引起... 详细信息

文章旨在分析肉鸡价格波动特征及影响因素，利于推动禽类养殖业健康稳定发展。基于2002年1月—2022年12月中国252个肉鸡饲料企业样本数据，在通过平稳性检验后，采用VAR模型和方差分解法，从肉鸡饲料价格、供给和需求三个方面分析引起中国肉鸡饲料价格波动的主要因素。结果显示，就供给层面而言，肉鸡饲料价格波动的主要影响因素为玉米存量和豆粕存量，第7期玉米存量和豆粕存量对当月肉鸡饲料价格的影响占比分别是30.78%和20.39%。就需求层面而言，在第7期农村居民人均可支配收入和可繁殖母鸡存栏量对肉鸡饲料价格的影响占比较高，分别为9.06%和6.87%。并且，肉鸡饲料价格波动受肉鸡饲料自身价格影响程度最大，随后依次为玉米存量、豆粕存量、农村居民人均可支配收入、可繁殖母鸡存栏量、鱼虾肉价格、肉鸡存栏量、牛肉价格和城镇居民人均可支配收入。

关键词：肉鸡饲料价格影响因素供需结构玉米存量豆粕存量

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

结合轻量化与多尺度融合的交通标志检测算法

计算机工程 2024年

作者：兰红王惠钊江西理工大学信息工程学院

交通标志检测在自动驾驶领域具有重要的应用价值，及时准确地检测交通目标对提高驾驶安全性和预防交通事故有重要意义。针对交通标志尺寸小，易受遮挡，在复杂环境下容易出现漏检、错检等问题，在YOLOv8的结构基础上提出一种结合轻量化... 详细信息

交通标志检测在自动驾驶领域具有重要的应用价值，及时准确地检测交通目标对提高驾驶安全性和预防交通事故有重要意义。针对交通标志尺寸小，易受遮挡，在复杂环境下容易出现漏检、错检等问题，在YOLOv8的结构基础上提出一种结合轻量化与多尺度融合的交通标志检测网络架构M-YOLO(Multiple-YOLO)，构建M-YOLOs(Multiple-YOLO small)模型来应对高精度需求的检测任务，并调整网络深度得到更加轻量化的M-YOLOn(Multiple-YOLO Nano)模型来解决不同环境下的检测需求。首先，针对交通标志目标尺寸小、图像特征流失的问题，通过增加小目标检测层，保留更多的特征信息，提高网络对于小目标的特征学习能力。提出高效多尺度特征金字塔融合网络MPANet(Multiple Path Aggregation Network)，通过将浅层特征图进行降维，并进行跳跃连接，从而融合更多的图像特征信息。然后，提出融合稀疏注意力和空间注意力的BRSA(Bi-Level Routing and Spatial Attention)注意力模块，能够有效的提取全局和局部的位置信息，减少复杂背景下对于关键信息的干扰。最后，设计两种轻量高效的BBot模块和C2fGhost模块，以提高模型运算速度并减少参数量。实验结果表明，M-YOLO相较于YOLOv8，参数量降低约1/3。在TT100K数据集和GTSDB数据集上，M-YOLOs检测精度分别提升了9.7%和2.1%，M-YOLOn检测精度分别提升了14.5%和2.6%，轻量化的同时具备更高的检测效果。本文提出的M-YOLO架构解决了浅层特征图在特征提取过程中信息丢失的问题，并显著降低模型特征提取过程中冗余的计算开销，在实景采集的数据集上证实效果有效，表明在交通标志检测任务中具有应用价值。

关键词：卷积神经网络模型轻量化目标检测注意力模块多尺度融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

在线动态订单需求车辆路径规划

山东大学学报(工学版) 2024年

作者：李二超张智钊兰州理工大学电气工程与信息工程学院

针对客户满意度和时间窗时域单一的问题,提出一种多时域分级方式衡量车辆配送进度,该设计细化普通时间窗时域,分成多个时域衡量车辆行进位置,算法方面,遗传算法(genetic algorithm,GA)与变邻域下降搜索算法(variable neighborhood desce... 详细信息

针对客户满意度和时间窗时域单一的问题,提出一种多时域分级方式衡量车辆配送进度,该设计细化普通时间窗时域,分成多个时域衡量车辆行进位置,算法方面,遗传算法(genetic algorithm,GA)与变邻域下降搜索算法(variable neighborhood descent,VND)的组合优化形式得到静态预优化路径最优车辆行进线路。动态调度周期中,现有贪婪订单插入算法(greedy order insertion algorithm,GOIA)搜索效率不高,提出一种改进后的贪婪订单插入算法(improved new greedy insertion algorithm,IGOIA),摒弃了GOIA随机插入路径的方式,最有原则的将订单插入到配送路径中去,将其与变邻域下降搜索算法组合优化(Genetic algorithm-Variable Neighborhood Descent,GAVND),对未服务的客户点进行局部优化。通过数学模型优化和求解算法改进,在统一平台上与其它遗传算法改进形式进行对比试验,改进后的动态订单插入算法在不同规模的Solomon算例下,平均目标值降低了11%,算法平均计算时间降低了2.74 s,实例分析中,成本解分别节约了23%、31%、21%,研究结果证明了原则订单插入算法在滚动周期策略作用下可以获得较高质量的解。

关键词：多域分级时间窗遗传算法变邻域下降搜索算法原则订单插入算法滚动周期

人工智能何以驱动基层注意力敏捷分配——基于S市“河湖风险预警系统”的个案研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

理论与改革 2024年第4期 128-148页

作者：吴泳钊颜海娜厦门大学公共事务学院华南师范大学政治与公共管理学院

注意力分配是政府治理的核心议题。关于如何驱动基层注意力分配,现有讨论存在两条路径,即压力驱动主义与技术替代主义。压力驱动主义主张压缩基层注意力分配的自主空间,技术替代主义则认为应该用数字技术替代基层的日常履职。但这两条... 详细信息

注意力分配是政府治理的核心议题。关于如何驱动基层注意力分配,现有讨论存在两条路径,即压力驱动主义与技术替代主义。压力驱动主义主张压缩基层注意力分配的自主空间,技术替代主义则认为应该用数字技术替代基层的日常履职。但这两条路径均难以兼顾政策制定与基层任务实施的需要。通过对S市“河湖风险预警系统”的个案研究,发现在高压驱动与技术替代之外,存在人工智能驱动注意力敏捷分配的“第三条道路”,即基于人工智能构建虚拟联动网络、实时供给信息、动态配置资源、敏捷引导基层应对治理风险难题。“敏捷调适—敏捷整合—敏捷简约”构成了其驱动的三重逻辑:在敏捷调适层面,利用人工智能的“五全”特征调适基层路径依赖,建立网络协同结构,赋予技术问责的合法性;在敏捷整合层面,借助人工智能的预警能力,整合了多部门绩效,补全了社会参与,理顺了多部门间的责任次序;在敏捷简约层面,人工智能的差异化减负释放了基层活力,持续预警降低了注意力动态配置成本,风险等级化为基层提供了容错空间。未来,应进一步发挥人工智能对基层注意力分配的敏捷驱动力,让基层注意力在“控制”与“灵活”之间寻找新平衡,为任务执行提供智能研判、对未知风险实施主动预防,进而实现基层治理的减负增效。

关键词：人工智能基层注意力注意力分配敏捷治理

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

量化交易策略问题中的深度强化学习算法研究

量化交易策略问题中的深度强化学习算法研究

作者：徐智钊山东师范大学

学位级别：硕士

量化交易是指通过计算机程序自动生成或者下达交易指令的交易行为。近年来,随着信息科技的快速发展,以深度学习为代表的人工智能技术越来越多的应用在量化交易中。由于金融市场的复杂性和高频交易的快速性,交易机会通常非常短暂,交易者... 详细信息

量化交易是指通过计算机程序自动生成或者下达交易指令的交易行为。近年来,随着信息科技的快速发展,以深度学习为代表的人工智能技术越来越多的应用在量化交易中。由于金融市场的复杂性和高频交易的快速性,交易机会通常非常短暂,交易者通过人工盯盘进行主观决定交易的难度被大幅增加。深度强化学习的智能体可以代替人工进行特征提取,捕捉潜在的市场时机并进行自动化交易。其中,设计良好的智能体展现出了超越人类交易者的潜力。配对交易策略和投资组合策略是量化交易中常用的方法,本文研究了在这两类策略中的深度强化学习算法,主要包括以下方面:(1)在配对交易策略问题中,现有方法主要集中在优化交易信号上,忽略了“交易对”的选择问题。此外,在选择“交易对”时,最佳的交易时间间隔通常是难以确定的。本文提出了一个双层深度强化学习算法,从“交易对”选择和“交易阈值”设定两个层面优化传统的配对交易策略。针对“交易对”的选择,提出了一个扩展的Option-Critic方法,智能体通过学习options策略和终止函数,允许其在非固定的时间间隔上选择交易对。为了更灵活的实现“交易阈值”的设定,使用了MADDPG(Multi-Agent Deep Deterministic Policy Gradient)方法,允许智能体分别选择开仓、止损阈值以及交易时间点。在中国期货市场的实验结果表明,本研究提出的模型在盈利能力等方面优于传统模型。(2)在投资组合策略问题中,交易对象的价格波动行为在训练期间和测试期间通常存在差异,模型的泛化性问题限制了现有方法的应用场景。本文提出了一个元强化学习框架,智能体通过在多个具有差异化的训练任务中进行特征学习以提升泛化性能,从而提高交易模型的盈利能力。首先,按照行业维度构建具有差异化的元强化学习任务,允许智能体从其中进行特征学习。其次,为了实现在测试任务上的零次适应,提出了一个基于Transformer的元强化学习方法。使用Transformer作为元特征提取器,从不同训练任务的轨迹中以序列学习的方式重建马尔可夫过程。最后,利用中国股票市场数据,对比测试了经典元强化学习方法的在线变体,实验结果验证了所提模型的有效性。

关键词：量化交易深度强化学习配对交易策略投资组合策略