基于多源数据的阿勒泰地区雪深反演研究

利用阿勒泰地区 2010~2012年冬季(11月~次年2月)3类积雪数据:风云三号微波成像仪(FY\|3/MWRI)反演的雪深数据、美国人机交互式多仪器冰雪制图系统(IMS)积雪面积数据、阿勒泰及周边地区实测雪深数据,进行积雪深度的反演研究。通过结合3类积雪数据的各自优势,建立修正模型,最终得到较准确的研究区雪深数据。同时通过编程实现了相应模型的操作平台,为今后研究区积雪业务化监测做好准备。结果表明:模型提高了FY\|3/MWRI数据反演阿勒泰地区积雪深度的准确性,改善了FY\|3/MWRI数据在阿勒泰地区雪深反演偏低的缺点,使微波与实测平均雪深误差由修正前的21.7~12.1 cm缩小为修正后的3.7~1.5 cm。     

乌鲁木齐北部郊区NO2柱浓度特征研究

郊区是NO₂不可忽视的排放源。基于地基多轴差分吸收光谱技术（Multi-Axis Different Optical Absorption Spectroscopy,即MAX-DOAS）,分析乌鲁木齐北部郊区（农业区）对流层NO₂垂直柱浓度（vertical column densities,即VCD）特征,以了解其变化规律和分布特点。研究表明:观测期间,每天NO₂柱浓度高度不同,但是每天的变化趋势基本相同,早上NO₂柱浓度比较高,11:00左右达到第1峰值;2017年3月3—16日NO₂平均柱浓度11.58×10¹⁵ molec/cm²;5月8—19日的日变化趋势更显著,第1峰值出现在10:00左右,比3月份要早,NO₂柱浓度平均值为7.42×10¹⁵ molec/cm²;3月份和5月份乌鲁木齐郊区（农业区）NO₂柱浓度变化整体趋势相当,符合双峰的变化,3月份NO₂柱浓度大于5月份NO₂柱浓度。     

“运粮河”漫笔

<正>粮食储运(集中、转运、仓储、分发)事关一个地区的粮食安全,也是这个地区稳定繁荣的关键。笔者在研究人居环境的过程中发现,全国从南到北许多地方都有"运粮河"。出现这种现象并不是偶然的,一定有它的内在规律与需求。笔者发现,这些运粮河都与当时的战     

新疆高校非计算机专业计算机基础课教学探析

随着社会发展的需要,计算机文化基础课在高校成为大学生必须学习的一门课程。文章以问卷调查的方式,对目前新疆高校非计算机专业计算机文化基础课教学现状进行了调研分析,提出了一些建设性意见,有助于非计算机专业计算机文化基础课教学质量的监督与提高。     

基于感知驱动的纹饰矢量图评价方法

针对构建中华文化矢量素材库过程中如何评价矢量图质量优劣的问题,提出精确性、连续性和简单性三大视觉评价指标,并进行了量化分析. 首先,对矢量图进行解析,获取矢量图的文档对象模型,遍历文档树得到矢量信息;然后,结合格式塔心理学对矢量图的视觉误差、曲线连续性和纹饰图案的复杂度进行量化;最后,提出一种基于感知驱动的传统纹饰矢量图的评价方法. 结合视觉上的启发性规则,所提评价方法可提供3个量化指标用于多任务驱动矢量化系统中矢量图的自动评价、排序和筛选. 在纹饰矢量图数据集上对算法进行了仿真实验,结果表明,对矢量图的评价结果符合主流设计的视觉审美和期望.     

PG-PL型调速器动态过程的数值分析

针对美国伍德华特(Woodward)公司生产的PG-PL型调速器，首先建立了它的动态方程，然后进行了动态数值分析，最后对动态方程各参数的优化计算，推导出一组合理的参数，并将各个参数对调节过程的动态特性进行了分析。论文结果对调速器的设计与数值仿真具有指导意义。     

CC50—90／42／15汽轮机调节系统仿真模型的研制

本文阐述了怎样全面考虑各种情况，使汽轮机调节系统模型实现全工况仿真，以满足培训电站操作人员，提高运行水平，实现机组经济安全运行的要求。     

以培养工程实践能力为主线 改革高工专教育模式

多年来专科教育一直沿袭本科教育的模式。由于专科学制为2-3年,其理论基础、学科基础不如本科,又未能形成自己的特色,被称为本科压缩型培养模式。专科教育几十年的反反复复,使高工专教育界深刻认识到只有下决心脱胎换骨,选准自己的服务领域,科学的制订培养目标,形成具有专科特色的人才培养模式,才是专科教育发展的正确方向。 本校热能动力工程专业于1993年由原国家教委高等教育司批准为首批高工专改革试点专业。该专业几年来大幅度改革课程体系与课程内容,以必需够用为度改革基础课教学,拓宽专业面,大力加强实践教学环节、校内外实习基地和双师型师资队伍的建设,各项改革卓有成效。     

多标签分类的传统民族服饰纹样图像语义理解

针对当前图像多标签分类方法只关注图像本体类别信息(本体),而忽略图像深层次语义信息(隐义)的问题,本文提出了一种"本体-隐义"融合学习的图像多标签分类模型。该模型首先利用CNN中间层和较高层分别学习图像的本体信息和隐义信息,然后利用本体信息与隐义信息之间的依赖关系设计了融合学习模型,同时对提出模型的不同中间层特征和模型的不同结构进行了深入研究,最终实现了对图像中多类别以及各类别蕴含的隐义信息分类。在传统民族服饰纹样图像数据集上进行实验,得到图像本体多标签分类和隐义多标签分类的mAP分别为0.88和0.82;在Scene数据集上进行对比实验,本文模型在Hamming loss,One-error以及Average precision指标上分别优于其他最好方法0.103,0.091和0.083,实验结果证明了本文方法的有效性和优越性。