基于不同受益者的莫莫格湿地生态系统服务权重分析

为了明确不同区域和不同社会身份受益者对湿地生态系统服务的关注程度,为今后湿地生态系统服务的管理和政策制定提供依据,以吉林省莫莫格国家级自然保护区为研究对象,运用层次分析法从当地受益者、省域受益者、全国受益者和全球受益者四个层次以及年龄、收入、职业和教育背景等社会属性对莫莫格湿地的物质生产、调蓄洪水、固碳、气候调节、大气调节、水质净化、科研教育和休闲旅游等8项服务进行比较并打分,得出权重结果。结果表明:当地受益者和省域受益者最关注湿地的调蓄洪水服务,其权重值分别为0.276 1和0.266 7;全国受益者最关注湿地的气候调节服务,其权重值为0.223 8;全球受益者最关注湿地的固碳服务,其权重值为0.203 0。年龄越高的受益者更为关注水质净化和调蓄洪水等服务;文化程度越高的受益者对于湿地的科研教育的关注程度相对较高;生态相关职业的受益者更为关注生态相关的调蓄洪水、固碳、气候调节和科研教育服务。     

BIM与人工智能融合应用研究进展

BIM与人工智能相融合可以充分发挥各种技术的优势,深度挖掘工程数据信息,实现"1+1 2"的功能效果。为此以文献调研为基础,对BIM在工程项目中的研究情况进行分析,综述了BIM与传统人工智能技术以及深度神经网络相融合可解决的问题类型、实现的功能以及应用情况。结果表明:BIM与遗传算法、推理技术、浅层神经网络等传统的人工智能技术相融合可解决多目标优化、搜索、规则检查、事件决策以及预测问题,实现设计方案的合理选择与检查优化、成本管理、施工进度与质量管理、能耗管理、风险与安全管理、自动控制以及辅助决策;与深度神经网络相融合可解决预测以及图像识别问题,实现施工安全与风险管理、设施管理。同时针对存在的人工智能技术不完善、技术的选择不合理、数据接入以及共享问题等提出相关建议,并对其未来发展方向进行展望。     

CW-2型气流纺机纺制低捻6~S纱

本文主要叙述了6~s低捻纱在CW-2型气流纺纱机试验过程中,为进一步降低断头,提高成纱质量,对提高阻捻头的阻捻效果,纺纱器各部件的相互关系,以及不同工艺参数对气流场的影响和改善条干等问题作了一些初步的研究和探讨。     

大数据与城市治理

城市的运行机制十分复杂,会实时产生较高的信息资产.而城市治理大数据分析有利于识别城市中的普遍性和趋势性问题,进而有利于科学决策,更有效地发挥城市治理的作用.从城市治理的内涵出发,探讨了基于大数据分析的城市治理演进模型建立问题.以期实现城市治理大数据分析的实时化和精准化,形成针对热点区域、指标专题调研报告以及未来数据演变的预警,推动城市治理工作由被动应急转为主动防范.     

基于大数据的湿地生态系统服务价值评估

湿地生态系统服务具有显著的时空特异性和综合性特征,传统的评估手段对于准确量化及评估湿地生态系统服务价值具有较大难度。以提出湿地生态系统服务价值大数据分析方法为目标,分析湿地生态系统服务价值评估的进展及面临的挑战,探讨基于湿地观测站网和遥感技术的湿地大数据观测体系,阐述湿地生态系统服务价值评估大数据的维度分析、空间分析和属性分析方法,进而提出一种面向湿地生态系统服务价值评估的湿地维度—空间—属性大数据耦合分析框架,选取中国滨海湿地作为案例进行实证研究,总结了大数据时代湿地生态系统服务功能价值评估研究的未来方向。结果表明:湿地生态系统观测网络可获取长时间序列动态变化的数据,遥感对地观测可实现空天地一体化观测,二者结合有助于构建湿地生态大数据观测体系;我国滨海湿地生态系统服务价值为5 010.32×10~8元。研究成果可有效解决地域异质性问题,对湿地生态系统保护和管理具有参考价值。     

水利工程信息化与BIM+GIS融合应用的研究进展

随着水利工程信息化需求的日益增长,其信息化技术水平的要求也随之提高.当前BIM与GIS技术已在多个领域融合应用,有效地提高了工程的效率.水利工程方面可以借鉴其他领域的已有经验以提高其信息化技术水平.首先介绍了BIM与GIS技术的概念,其次阐述了BIM技术、GIS技术以及BIM+GIS融合技术在水利工程信息化中的应用,最后讨论了BIM+GIS的融合系统在水利工程信息化应用中存在的问题及解决思路.     

索力振动法测量神经网络赋泛研究

索的受力状态关系着索体系桥梁的安全,而索力值是衡量索的力学状态的重要指标。目前,索的边界条件难以判别是影响索力识别结果准确性的重要因素。为此,利用ANSYS对拉索振动进行数值模拟,并借助已有索力计算公式对建模方式的可靠性进行验证并生成模拟数据,然后以索长、线密度、抗弯刚度、一阶频率、二阶频率、三阶频率为输入参数,以索力值为输出参数结合振动模拟数据分别建立BP神经网络和广义回归神经网络索力预测模型,并将两种神经网络索力预测模型和已有索力计算公式应用于实际工程中进行对比验证。结果表明：BP神经网络索力预测模型的神经网络结构为6-13-13-1,输入层与隐含层1、隐含层1与隐含层2、隐含层2与输出层之间的激励函数分别为tansig、tansig、purelin,训练算法为L-M优化算法trainlm,学习速率为0.1,网络迭代次数为1000,显示间隔为100,均方误差为0.001,索力预测模型的预测效果良好,但还有进一步优化的空间;广义回归神经网络索力预测模型的最佳spread值为0.00215,索力预测模型的预测效果优于BP神经网络和已有索力计算公式,且预测误差基本控制在5%以内。利用广义回归神经网络对桥梁索力进行预测,避免了索的边界条件判别错误对索力识别结果准确性的影响,提高了索力的识别精度,具有良好的工程应用价值。     

我国城市治理研究:回顾与展望

城市治理是新时代推进国家治理体系和治理能力现代化的重要组成部分.随着城市化进程的快速推进,城市的各种问题越来越凸显,如何化解这些城市问题成为难题.在这一背景下,城市治理已经日益成为整个社会和学术界都非常关注的问题.城市治理是交叉学科,较为系统地梳理回顾了近些年学者们关于城市治理的研究现状,分析指出了当前研究中的不足,并从研究重点、难点、创新3个方面对今后我国的城市治理研究进行了展望,以期对我国城市治理的进一步研究有所裨益.