基于超高频雷达的湖面风浪参数提取

基于Barrick的微绕散射理论,在超高频雷达USCR工作频率条件下,将反演均方高浪高公式应用于超高频雷达USCR提取湖面风浪信息,在国内首次实现从湖面回波多普勒谱中获取了浪高信息;并利用Heron理论,由浪高信息反演出风速风向信息;通过模拟相同风浪状态下的湖面回波,并进行对比证明本方法是行之有效的。     

基于特征线匹配的城市建筑物识别方法研究

随着手机GPS位置测定、导航以及摄像功能的普及,对于移动状态下的位置定位以及都市空间建筑物实时搜索等应用功能存在日益增长的需求。介绍了图像处理方式的城市建筑物识别方法,通过对两种图像匹配算法--SIFT和Local Search的比较分析表明,构造物轮廓线及其组合是一种相对稳定的几何特征,在匹配时受图像的仿射变换、画质变化以及镜头畸变等因素干扰较小,此外,基于轮廓的图像匹配指数还能反映摄影位置的变化。因此,对Local Search进行了改进,利用实时图的建筑物的特征轮廓线与从三维数据库中提取的建筑群特征轮廓线进行匹配,然后选择匹配指数高的记录作为识别结果。结果表明基于Local Search算法的建筑物识别技术可以很好地适应移动条件下建筑物快速识别的要求。     

优酷＋土豆=？

2012年3月12日,前段时间还就版权问题大打口水仗的优酷和土豆突然宣布合并,业内一片哗然。两个竞争对手因何结成了亲家？这场联姻又将带来什么？     

从光合作用的倒掉说起

席殊书屋、第三级书局走了,风入松、纸老虎世纪城店关了,我没太在意。2010年10月底,有着36家连锁店的光合作用竟然也宣告倒闭了!我终于淡定不起来了。清华大学出版社零售产品经理王川（简称川）清华大学出版社图书编辑刘青（简称刘）记者Justdo（简称J）新华书店＋网购是必然趋势J：光合作用倒闭了,你们惊讶吗？刘：其实我挺惊讶,因为我常去,特别是五道口那家店,从刚开业起就经常去逛。     

Win8会是微软的又一力作吗

在2012MWC世界移动通讯大会上,微软正式发布了Windows8消萤者预览版,引起了广泛的热议。Windows8会像微软的历次操作系统一样,获得巨大的成功吗？     

基带芯片 智能手机不能没有你

我们在买手机时总是重点关注它的CPU和GPU,但又有多少人晓得基带芯片的重要性?前不久曾传出德州仪器(TI)有意退出智能移动终端处理器市场的消息。虽然随后TI又表示OMAP5系列处理器还是会如期面世,但无论如何,德州仪器确实面临着市场份额减少、需求萎缩的问题,而这与其缺乏完整的解决方案有着密切的关联。其中最核心的问题是TI缺乏3G/4G网络基带芯片,因此越来越多的智能移动终端厂商更为青睐有着完整解决方案的高通公司。那么,基带芯片的影响真有那么大吗?     

襄阳市"市域乡镇打捆模式"污水治理案例分析及总结

襄阳市在乡镇污水治理方面加大投入,创新实施"市域乡镇打捆模式",实行"四个统一",在厂网一体化建设、厂网智慧化运维等方面摸索出了优势经验.对襄阳"市域乡镇打捆模式"污水治理案例进行分析,总结出一条乡镇污水治理的"襄阳路径".     

公共建筑用水现状分析与节水策略研究

近年来我国公共建筑虽已开始采取节约用水的措施,但仍存在人均月用水单耗超定额现象,以及因超压出流、管网漏损等引起的水资源浪费问题.公共建筑节水活动的开展和节水技术的应用有待进一步加强.基于此现状,分别从供水系统、用水系统,以及设计、施工、运行维护阶段,分析公共建筑节水主要节点.通过对公共建筑用水问题和节水潜力的分析,从技术、管理、行为方面提出公共建筑节水技术体系.     

电力工程中的地质灾害危险性评估

我国幅员辽阔,地质环境条件多样且复杂,导致了地质灾害发育强烈,种类繁多、危害较大。地质灾害与工程建设活动密切相关,既相互作用,相互依存,又相互影响[1]。电力工程项目遍布全国,特别是输电线路大多为人烟稀少的山区分布,线路长,跨越的地质地貌区域复杂,存在的地质灾害多种多样,或多或少面临着各种地质灾害的严重威胁[2]。通过电力工程地质灾害危险性评估工作的现状及评估工作流程的介绍,进一步分析电力工程地质灾害的危险性评估工作中存在的问题并提出了相应的看法。     

Stock Price Forecasting: An Echo State Network Approach

Forecasting stock prices using deep learning models suffers from problems such as low accuracy, slow convergence, and complex network structures. This study developed an echo state network (ESN) model to mitigate such problems. We compared our ESN with a long short-term memory (LSTM) network by forecasting the stock data of Kweichow Moutai, a leading enterprise in China’s liquor industry. By analyzing data for 120, 240, and 300 days, we generated forecast data for the next 40, 80, and 100 days, respectively, using both ESN and LSTM. In terms of accuracy, ESN had the unique advantage of capturing nonlinear data. Mean absolute error (MAE) was used to present the accuracy results. The MAEs of the data forecast by ESN were 0.024, 0.024, and 0.025, which were, respectively, 0.065, 0.007, and 0.009 less than those of LSTM. In terms of convergence, ESN has a reservoir state-space structure, which makes it perform faster than other models. Root-mean-square error (RMSE) was used to present the convergence time. In our experiment, the RMSEs of ESN were 0.22, 0.27, and 0.26, which were, respectively, 0.08, 0.01, and 0.12 less than those of LSTM. In terms of network structure, ESN consists only of input, reservoir, and output spaces, making it a much simpler model than the others. The proposed ESN was found to be an effective model that, compared to others, converges faster, forecasts more accurately, and builds time-series analyses more easily.