新时代高职院校体育社团发展与实践研究

体育社团是学校开展体育活动的校园公益组织，也是体育教学在第二课堂延伸的重要载体。文章运用文献资料法、专家访谈、逻辑分析法等，从体育社团的种类分布、经费来源、管理体制、师资情况、文化建设等方面对高职院校体育社团现状和发展策略进行分析，并对南京交通职业技术学院体育社团改革实践进行研究。结果显示:在学院相关职能部门通力合作的情况下，通过创建课内课外相融合的体育课程体系和开展具有学院特色的体育社团活动，学生体质健康测试成绩明显提高，学生校园体育文化生活丰富多彩，学生综合素质、核心竞争力、可持续发展能力明显提升。     

2020年“西部煤炭绿色开发”中国工程科技论坛征稿启事

煤炭是我国能源安全保障的基石。西部(晋陕蒙宁甘新)是我国煤炭的主产区,储量和产量均占全国的80%以上。西部地区水资源短缺,地表生态脆弱,如何在西部大规模、高效率开采情况下实现水资源和地表生态的保护,是煤炭行业面临的重大课题。近年来,我国在煤炭绿色开发领域开展了大量的基础理论研究、关键技术开发和工程示范应用,技术创新已成为助推煤炭行业生态文明建设的重要动力。     

基于复杂网络的证券市场智能建模与分析

股票市场作为金融系统的重要组成部分,是一个典型的具有结构复杂性和节点复杂性的复杂网络系统.作为拆分和了解复杂网络的有力工具,社团结构分析被广泛应用于社交网络、物流网络等多种复杂网络系统,并取得了突破性成果.论文采用Pearson相关系数来度量中国A股市场中股票价格波动的相关关系,构建股票市场加权网络,利用改进型社团相似性指标,选定了股票市场时序动态加权网络的步长与社团划分算法,并对社团结构进行了简要分析.     

多关系社交网络中社团结构发现算法

社交网络的节点之间存在着多种关系,这些关系共同决定了网络中节点的社团结构划分。为了准确地发现多关系社交网络中的社团结构,通过研究信息在多子网复合复杂网络模型上的传播过程,提出了一种多关系网络中的社团结构发现算法。该算法基于多子网复合复杂网络模型建立的多关系社交网络,利用信息在多关系社交网络中的传播过程,将网络中的节点转化成能够被聚类算法处理的向量形式,进而采用聚类算法完成多关系社交网络中的社团结构划分。该算法综合考虑了网络中多种关系的相互作用以及异质节点间的相互影响,得到的传播信息量矩阵表示了各节点在整个网络中的影响力,并将影响力相似的节点划分到同一个社团结构中。实验结果显示,与传统社团结构发现算法相比,该算法不仅在准确度上有所提高,还能将异质节点划分到一个社团中,可以根据用户不同需求挖掘出多关系社交网络中的隐藏信息。     

新型冠状病毒肺炎综述文献的网络结构分析

对新型冠状病毒肺炎综述文献进行网络结构分析可为新冠疫情的应对提供有效的理论支持。采用可视化软件CiteSpace对Web of Science数据库中新型冠状病毒肺炎综述文献的引文数据进行共被引网络分析，经统计发现文献共被引网络的度分布呈幂律分布，网络连通性较强且存在小世界现象。运用团渗流算法对其进行重叠社团挖掘，检测到7篇同时跨3个社团的核心文献，结合被引频次对网络重叠节点的功能进行验证。借助网络重叠节点的ID符号、介数中心性指标发现相应研究主题间联系紧密。通过不同特征的重要网络节点，能够有效挖掘到相关的研究主题。     

生态脆弱区域遗址的生态环境及景观保护——以元中都遗址保护为例

环境和人的活动关系密切，我国现有大量的遗址分布于生态环境不容乐观的生态脆弱区，脆弱的自然环境给遗址保护带来了很多问题。本文以处在生态极脆弱区的河北元中都遗址为例，探讨了生态脆弱区域遗址的景观生态环境保护策略。     

李静:发展环保型住宅 建设环境友好型社会

<正>如果延续传统的生产发展模式,我国的土地能源资源将难以承受我国是一个人口众多、资源相对不足、生态脆弱的发展中国家,随着经济快速发展和人口的不断增加,缓解资源不足、资源矛盾,实现全面协调可持续的发展已成为十分紧迫的任务。刚刚闭幕     

《兰州地质灾害调查与区划》项目完成

甘肃省地质环境监测院近日完成了《甘肃省兰州市区地质灾害调查与区划》项目。结果表明，兰州市区包括南北两山在内的383处地方有地质灾害隐患，总面积的15．8％为地质灾害高易发区，39．5％为中易发区，44．7％为易发区。兰州地质灾害高易发区主要分布于南北两山近山地带和阿干镇矿区、窑街镇矿区和西果园兰临高速公路沿线，区内地质环境脆弱，地质灾害密集发育，总面积257．74平方公里。中易发区主要分布于市区中部、中半山区及丘陵区和红古区南部一带。     

短时间尺度用电行为相关性分析网络模型

用电行为短时间尺度相关关系是用户精细化管理与智能配用电的重要决策基础。建立了针对短时间尺度用电行为相关性的网络化分析方法。首先,由描述短时间尺度用电功率序列间相关性的皮尔逊相关系数构造用电行为相关矩阵,为减小随机用电行为与测量误差等无序噪声信息对相关矩阵的影响,引入随机矩阵理论对相关矩阵进行去噪,并提出利用特征值谱熵的正则化修正方法。然后,基于相关矩阵构建了相关矩阵分阶与同级网络序列,提出了基于社团结构的相关性聚类方法与基于最小树的相关性等级结构挖掘方法;定义了量度用电相关性的拓扑指标,从而构造了用电行为相关性聚类分析与等级分析的网络模型,并就模型的典型应用场景进行了讨论。最后,通过实例数据验证了上述去噪方法、相关性分析网络模型及指标的有效性。