基于PMC指数模型的生态扶贫移民政策量化评价

在脱贫攻坚战胜利打响的时代背景下，研究生态扶贫的顶层设计，有助于健全返贫帮扶机制，防止地域性、规模性返贫。通过爬梳278篇与生态扶贫移民政策相关的文献，采用PMC政策评价模型和内容分析法，从政策特性、政策理念、政策实质以及政策实施4个维度对省级、市级生态扶贫移民政策进行量化分析和曲面图绘制。结果表明：总体而言，生态扶贫移民政策处于优良水平，在国家级大纲政策的统领下，省市级政策方式措施多样、政策领域较广，但在监管评估与主体参与等方面仍有发展空间。     

基于面元素重排的三维网格模型数据隐藏算法

目的 为了解决目前三维数据隐藏算法不能兼顾无失真和盲提取的问题，提出一种新的完全无失真的三维网格模型数据隐藏盲算法。方法 首先使用混沌逻辑映射选择嵌入与提取模式，保证数据的安全性。然后利用面元素重排，完全不会造成三维模型失真的性质，通过不同嵌入模式规则对三角面元素进行重排，以嵌入秘密数据。接收端则可根据相应的提取模式规则提取秘密数据。结果 仿真结果与分析表明，该算法不会对三维模型造成任何失真，嵌入容量为每顶点2比特，且能抵抗仿射变换攻击、噪声攻击和平滑攻击等。结论 这种三维数据隐藏盲算法无失真，容量大、安全性高、鲁棒性强，适用于三维载体不容修改的情形，如军事、医学、秘密通信和版权保护等。     

基于ERNIE-BiGRU模型的摘要语步自动识别研究

学术文献的摘要是对文献主要内容的浓缩,摘要不同部分的语步具有不同的信息,语步的自动识别和抽取对于学术摘要的后续研究有着重要的应用价值,而目前语步识别的研究相对较少,并且相关算法的效果还需要提高。针对上述问题,该文提出了一种基于ERNIE-BiGRU模型的语步识别算法。该算法首先结合中文句法分析理论提出基于句法依存关系的多语步结构拆分法,对学术文献摘要多语步结构进行自动拆分,获得多个单语步结构;然后构建用于训练的单语步结构语料库,并利用知识增强语义表示预训练模型,训练出句子级词向量;最后将训练出的单语步结构词向量信息输入双向门限循环单元(BiGRU)进行摘要语步自动化识别,取得了良好的效果。实验结果表明,该算法具有较好的鲁棒性和较高的识别精度,在结构化和非结构化摘要上的识别准确率分别达到了96.57%和93.75%。     

我国水-能源-粮食耦合关系及影响因素

为缓解我国水、能源和粮食资源紧张问题，促进资源可持续利用，构建水-能源-粮食系统，利用耦合协调度模型对我国的30个省（自治区、直辖市）进行测算,并利用空间杜宾模型分析主要影响因素。结果表明：2003—2017年，我国能源、粮食评价[JP]指数高于水资源评价指数，系统综合评价指数逐年递增；大部分省份耦合协调度处于初级协调水平且呈现逐年上升的态势，个别省份耦合协调度濒临失调；耦合协调度空间自相关性较强，虽有明显波动，但是呈现逐年加强的态势；影响耦合协调度的主要因素有从业人口数、固定资产投资额、人均生产总值、人口总数、[JP]文盲人口占比、工业污染排放、城镇化。     

作品名称:《港城遗梦》

作品说明:“港城遗梦”以湛江非遗项目:雷州石狗、舞鹰雄、北坡游鱼、湛江傩舞、吴川飘色为创意文化,从中提取创意元素进行设计。非遗里悠久的故事和精神内核是世代相传的,这五项非遗都独具湛江特色,具有悠久的历史,生动表达了湛江人民爱憎好恶的价值评判态度与审美情趣,传达出人们对生活的美好祝福和向往。此次设计从湛江非遗文化中提取元素进行插画设计,采用现代表现手法与传统文化的融合,并选用精美的金属书签作为载体,让湛江非遗融入人们的生活,让非遗“潮起来”。     

基于发展科学探究能力的高中化学教学实践 ——以"元素周期律"章节为例

基于学生在学习元素周期律时存在的普遍问题改进了教学实践,分析了元素周期律发展学生科学探究能力的价值,设计了四个教学环节——趣味导入,成果展示;分析规律,做出猜想;设计方案,收集证据;梳理模型,迁移应用,并提出了三点针对学生探究能力发展的教学建议.     

爆炸排淤填石法中淤泥的本构模型

以爆炸排淤填石法为背景 ,对不同应变率阶段淤泥的本构模型进行了分析 ,利用ANSYS/LS-DYNA动态有限元分析程序对所选择的模型进行验证和确认。计算和分析结果表明 :在形成爆炸空腔的高应变率阶段 ,淤泥表现为理想不可压缩流体的性质 ;在小药量小抵抗线条件下 ,甚至在淤泥自重作用下的较低应变率变形阶段 ,其黏性效应也可以忽略不计。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。