检索结果-南通市图书馆

青藏高原三江源地区草地GPP对干旱响应的时空特征分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

遥感技术与应用 2024年

作者：张茜彧赵伟范建容中国科学院水利部成都山地灾害与环境研究所

在全球变暖的背景下，探究青藏高原三江源地区草地生产力对干旱的响应机制，对了解植被发展动态和区域生态系统保护具有重要意义。研究基于Global Land Surface Satellite(GLASS)植被总初级生产力（Gross Primary productivity,GPP）产... 详细信息

在全球变暖的背景下，探究青藏高原三江源地区草地生产力对干旱的响应机制，对了解植被发展动态和区域生态系统保护具有重要意义。研究基于Global Land Surface Satellite(GLASS)植被总初级生产力（Gross Primary productivity,GPP）产品，结合站点气象、土壤水分及土壤温度等观测数据，采用趋势分析和相关分析等方法，分析了青藏高原三江源地区2002～2020年草地GPP对干旱的响应规律及不同环境因子的影响作用。结果表明：（1）19年来三江源地区主要表现为暖湿化，大部分地区草地GPP呈增长趋势；（2）草地GPP在生长季对标准化降水蒸散指数（Standardized precipitation evapotranspiration index,SPEI）的响应程度在空间格局上产生显著差异，短期（1～4月）和长期（9～12月）SPEI的对生长季各月GPP的影响面积占比均超过75%，其中SPEI-1和SPEI-12占比明显高于其他时间尺度；（3）三江源地区生长季草地GPP对干旱的响应沿海拔梯度的变化特征表现为先上升后下降的趋势，低海拔地区降水与土壤水分是干旱抑制植被光合作用的主要诱因，而在高海拔地区气温与土壤温度则是干旱约束植被光合作用的主导因素。

关键词：三江源地区植被总初级生产力草地干旱标准化降水蒸散指数

泡沫镍过度金属化合物电化学传感器对食品中亚硝酸盐的检测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

泡沫镍过度金属化合物电化学传感器对食品中亚硝酸盐的检测研究

作者：任筱彧成都大学

学位级别：硕士

亚硝酸盐作为一种防腐剂、护色剂,广泛运用于食品行业中,四川省作为一个泡菜大省,几乎家家户户都会制作泡菜,而泡菜中也存在着亚硝酸盐。然而,人体一旦摄入过量的亚硝酸盐,其便会成为一种剧毒物质,严重者甚至会导致人的死亡。因此,在食... 详细信息

亚硝酸盐作为一种防腐剂、护色剂,广泛运用于食品行业中,四川省作为一个泡菜大省,几乎家家户户都会制作泡菜,而泡菜中也存在着亚硝酸盐。然而,人体一旦摄入过量的亚硝酸盐,其便会成为一种剧毒物质,严重者甚至会导致人的死亡。因此,在食品行业中找到一种能够快速、准确检测亚硝酸盐的方法具有重要意义。到目前为止,科研人员针对亚硝酸盐的检测有很多方法,无论食品行业或卫生行业,其中运用电化学法检测亚硝酸盐,其独特的准确性,快速检测能力和实时检测能力备受研究者的关注。泡沫镍（Nickel Foam,NF）作为一种过渡金属自支撑体系材料,具有独特的三维结构和良好的导电性,是作为电化学传感器体系中传感器良好的支撑材料。过渡金属氧化物纳米材料在地球上存量较大,其还具有成本低廉、催化性能优异、易于合成等优点,在电化学传感器的研究中,是工作电极良好的修饰材料,其可以使传感器具备良好的灵敏性、较低的检测限和持久的稳定性。本论文使用不同的研究方法,合成了两种不同的过渡金属纳米复合材料,将其附着在泡沫镍自支撑电极上,合成了CuO@泡沫镍和CuO-CoS@泡沫镍两种纳米复合材料,将其作为电化学检测体系中的工作电极,研究出了亚硝酸盐电化学传感器,实验结果如下:（1）通过真空溶剂热法结合高温煅烧法,以泡沫镍为载体制备泡沫镍上担载CuO的结构,构建一种低检测限的亚硝酸盐电化学传感器。对CuO@泡沫镍电化学传感器上的纳米材料微观结构采取了X光电子能谱（XPS）、X射线衍射（XRD）、扫描电子显微镜（SEM）等表征手段进行了分析。为了研究CuO@泡沫镍电化学传感器对于快速检测亚硝酸根离子的电催化氧化表现和电化学行为,使用了循环伏安法（CV）和计时安培滴定法（I-T）等电化学方法。经过实验测试,CuO@泡沫镍电化学传感器对亚硝酸盐的检测线性范围为0～4.25 mM,检出限（LOD）为28.7μM,灵敏度分别为2.402 mAmM cm,测得市面上购买的榨菜的亚硝酸盐浓度约为2.9μM。（2）采用电沉积法结合煅烧法,制备了过渡金属离子CuO-CoS纳米复合材料,将其成功担载在泡沫镍上,制备出CuO-CoS@泡沫镍电化学传感器。在电化学检测亚硝酸盐体系中具有低检测限、高灵敏度、快速检测的良好效果。对CuO-CoS@泡沫镍电化学传感器上的纳米材料微观结构采取了X光电子能谱（XPS）、扫描电子显微镜（SEM）等表征手段进行了分析。为了研究CuO-CoS@泡沫镍电化学传感器对于快速检测亚硝酸根离子的电催化氧化表现和电化学行为,使用了循环伏安法（CV）和计时安培滴定法（I-T）等电化学方法。经过实验测试,CuO-CoS@泡沫镍电化学传感器对亚硝酸盐的检测线性范围为0～0.15 mM检出限（LOD）为8.89μM。灵敏度为2.788 mAmM cm,测试市面上购买的泡菜的亚硝酸盐浓度约为3.1μM。

关键词：亚硝酸盐检测电化学传感器过渡金属纳米材料泡沫镍快速检测

碳纤维长度及掺量对温拌沥青混凝土间接拉伸疲劳性能影响的研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

碳纤维长度及掺量对温拌沥青混凝土间接拉伸疲劳性能影响的研究

作者：申彧豪西南科技大学

学位级别：硕士

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

穴位注射结合针刺治疗坐骨神经痛35例

四川中医 2003年第11期21卷 95-95页

作者：谢芝亿熊彧周志红欧阳菊贵阳市开阳县人民医院贵州开阳550300

对 35例坐骨神经痛运用 10 %GS15ml +VB12 1ml +复方当归液 4ml穴位注射及针刺治疗。

关键词：穴位注射针刺治疗坐骨神经痛复方当归液

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于持续同调的高维数据聚类算法

华中科技大学学报（自然科学版） 2024年第2期52卷 29-35页

作者：熊正大韦逸卓熊子恒何琨华中科技大学计算机科学与技术学院湖北武汉430074 武汉科技大学香涛学院湖北武汉430081

针对复杂的高维数据,提出了基于持续同调的聚类(PHBC)算法.该算法从拓扑学的角度处理数据,通过使用单纯复形来计算不同种类样本的拓扑特征,将拓扑特征转化为持续同调信息,再将持续同调信息转化为向量形式作为聚类算法的输入,使得传统聚... 详细信息

针对复杂的高维数据,提出了基于持续同调的聚类(PHBC)算法.该算法从拓扑学的角度处理数据,通过使用单纯复形来计算不同种类样本的拓扑特征,将拓扑特征转化为持续同调信息,再将持续同调信息转化为向量形式作为聚类算法的输入,使得传统聚类算法能够处理高维度的数据.实验结果表明:PHBC算法能够应对并处理多种复杂的高维数据,与多个经典的聚类方法相比,在多种聚类指标上均有一定程度的提升,并且指标的标准差更小,即聚类结果的稳定性更高.

关键词：机器学习聚类高维数据拓扑数据分析持续同调

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向合同信息抽取的动态多任务学习方法

软件学报 2024年第7期35卷 3377-3391页

作者：王浩畅郑冠彧赵铁军东北石油大学计算机与信息技术学院黑龙江大庆163318 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

对于合同文本中要素和条款两类信息的准确提取,可以有效提升合同的审查效率,为贸易各方提供便利化服务.然而当前的合同信息抽取方法一般训练单任务模型对要素和条款分别进行抽取,并没有深挖合同文本的特征,忽略了不同任务间的关联性.因... 详细信息

对于合同文本中要素和条款两类信息的准确提取,可以有效提升合同的审查效率,为贸易各方提供便利化服务.然而当前的合同信息抽取方法一般训练单任务模型对要素和条款分别进行抽取,并没有深挖合同文本的特征,忽略了不同任务间的关联性.因此,采用深度神经网络结构对要素抽取和条款抽取两个任务间的相关性进行研究,并提出多任务学习方法.所提方法首先将上述两种任务进行融合,构建一种应用于合同信息抽取的基本多任务学习模型;然后对其进行优化,利用Attention机制进一步挖掘其相关性,形成基于Attention机制的动态多任务学习模型;最后针对篇章级合同文本中复杂的语义环境,在前两者的基础上提出一种融合词汇知识的动态多任务学习模型.实验结果表明,所提方法可以充分捕捉任务间的共享特征,不仅取得了比单任务模型更好的信息抽取结果,而且能够有效解决合同文本中要素与条款间实体嵌套的问题,实现合同要素与条款的信息联合抽取.此外,为了验证该方法的鲁棒性,在多个领域的公开数据集上进行实验,结果表明该方法的效果均优于基线方法.

关键词：多任务学习合同文本信息联合抽取注意力机制实体嵌套

维普期刊数据库

基于RISC-V的深度可分离卷积神经网络加速器

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年

作者：曹希彧陈鑫魏同权华东师范大学计算机科学与技术学院

在人工智能时代，RISC-V作为一种新兴的开源精简指令集架构，因其低功耗、模块化、开放性和灵活性等优势，使之成为一种能够适应不断发展的深度学习模型和算法的新平台.但是在硬件资源及功耗受限环境下，基础的RISC-V处理器架构无法满... 详细信息

在人工智能时代，RISC-V作为一种新兴的开源精简指令集架构，因其低功耗、模块化、开放性和灵活性等优势，使之成为一种能够适应不断发展的深度学习模型和算法的新平台.但是在硬件资源及功耗受限环境下，基础的RISC-V处理器架构无法满足卷积神经网络对高性能计算的需求.为了解决这一问题，本文设计了一个基于RISC-V的轻量化深度可分离卷积神经网络加速器，旨在弥补RISC-V处理器的卷积计算能力的不足.该加速器支持深度可分离卷积中的两个关键算子，即深度卷积和点卷积，并能够通过共享硬件结构提高资源利用效率.深度卷积计算流水线采用了高效的Winograd卷积算法，并使用2×2数据块组合拼接成4×4数据片的方式来减少传输数据冗余.同时，通过拓展RISC-V处理器端指令，使得加速器能够实现更灵活的配置和调用.实验结果表明，相较于基础的RISC-V处理器，调用加速器后的点卷积和深度卷积计算取得了显著的加速效果，其中点卷积加速了104.40倍，深度卷积加速了123.63倍.与此同时，加速器的性能功耗比达到了8.7GOPS/W.本文的RISC-V处理器结合加速器为资源受限环境下卷积神经网络的部署提供了一个高效可行的选择.

关键词：神经网络深度可分离卷积 RISC-V Winograd快速卷积硬件加速