短波红外垂直失水指数观测误差估计方法及其同化方案

发展了一个基于短波红外垂直失水指数的土壤水分观测误差空间分析方法,据此改进了以遥感和生态过程模型为基础的两阶段土壤水分同化方案.通过实地同化实验,证明了改进的土壤水分同化方案能较好地体现空间植被覆盖和数量的异质性导致的表层土壤水分的空间变异,进一步提高了遥感数据在空间上的同化精度.     

化学腐蚀下灰岩力学效应的试验研究

结合三轴压缩试验结果，详细分析了不同化学溶液作用下，化学腐蚀对灰岩全应力．应变过程曲线各阶段的影响特征，并对化学溶液的腐蚀影响机理进行分析，获得了不同化学溶液对灰岩变形及强度腐蚀效应的影响规律。     

饮用水水质生物稳定性及其控制措施

配水系统中生物稳定性问题已成为近几年水质安全性研究的热点。然而,我国对其研究还处于初步阶段。为此,本文讨论了国际上评价饮用水生物稳定性的各种方法,评述了饮用水配水系统中管壁生物膜和悬浮菌的影响因素,总结了饮用水配水系统中管壁生物膜和细菌再生的控制方法。     

观测数据时空密度对集合卡尔曼滤波计算精度的影响

集合卡尔曼滤波（EnKF）算法在地下水数据同化领域中的应用受到了越来越广泛的关注。作为同化系统的重要组成部分,观测数据的空间/时间密度的配置直接影响滤波运算结果。本文构造了一个理想二维地下水流算例考察空间/时间密度对传统EnKF和局域化EnKF的影响。研究结果表明：随着空间密度的增大,局域化EnKF运算精度增高,而传统EnKF运算精度无此改进倾向。总体趋势上时间密度增大使EnKF运算精度增高,但对不同数目的观测井方案,这种精度增高的幅度有所变化,观测井越多,增高越不明显。由此得出结论：局域化改进EnKF能够有效同化更多的观测井数据,给出更精确的结果;模拟初期水头变化波动较大,观测数据价值较高;在一定时间密度配置下,低空间密度局域化EnKF运算精度可以接近甚至超过高空间密度配置。     

可贵的“第一意识”——访庐江县液化气公司总经理黄国玉

见到庐江县液化气公司总经理黄国玉，原本是想采访他们公司的经营情况。不料话匣子打开以后，笔的思路竟被他消防安全的“第一意识”所同化。     

土壤施硒对烤烟光合特性及其同化物积累的影响

采用盆栽试验调查了不同硒浓度(0、1、2.5、5、10、15 mg/kg)施入土壤后,烤烟光合特性及其同化物积累的变化情况。结果表明,适量硒浓度可以降低烤烟叶片净光合速率(Pn)和叶绿素含量的下降率,延缓光合功能的衰退,同时延长光合同化产物的积累时间;过量硒浓度会提高Pn和叶绿素含量的下降率,加速光合功能的衰退,缩短光合同化产物的积累时间。土壤施硒对烤烟叶片光合功能及其同化产物积累的影响主要发生在烟株成熟期(移栽60 d以后),且随着叶片生育进程的推进,影响的程度越大。在烟株生育前期,施硒提高叶片Pn的原因可能是减少了气孔限制,而在生育后期,过量硒浓度引起Pn下降的主要因素是非气孔限制,叶绿素含量下降可能是一个重要原因。在本试验条件下,适宜的土壤施硒浓度为2.5和5 mg/kg。     

截断总体最小二乘变分核事故源项反演数值研究

放射性释放源项是核事故应急与事故后果评价的基础。核事故源项反演方法利用事故期间辐射环境监测数据估计事故释放源项。由于其不依赖电厂状态参数，在福岛核事故后被广泛重视。变分核事故源项反演模型（VAR）对释放源项的求解为全局最优，但受大气扩散模型误差的影响较大。为降低大气扩散模型误差对源项估计结果的影响，建立了截断总体最小二乘变分核事故源项反演数值计算模型（TTLS-VAR）。该模型可对扩散模型算子与监测向量进行修正，以提高源项反演的准确性。基于风洞实验数据对TTLS-VAR模型进行验证，结果显示:TTLS-VAR模型对释放源项估计结果的准确性较VAR模型有所提高。      

从语音感知角度分析二语语音习得

英语语音学习中,学习者会遇到一些母语中不存在的二语音素,致使习得的时候经常出现困难和错误.本文从语音感知角度出发,引入语音感知同化模型理论,该理论描述二语习得者在习得不熟悉的二语音素时,会根据母语经验,在习得的过程中把这些音素归纳为与母语相似的音素.该研究通过实验设计识别任务和区分任务,分析中国学习者在习得/θ/和/e/时的感知倾向和其他影响因素,探索更有效的二语语音教学方法.     

求解约束优化问题的新型帝国竞争算法

针对约束优化问题,提出一种约束处理的新策略,运用字典序方法同时优化问题的目标函数和约束违背程度,设计一种新型帝国竞争算法.该算法给出成本和归一化成本的新定义,以避免殖民国家势力为零,并应用嵌入殖民地间全局搜索的同化、基于优秀殖民地的革命、殖民国家的差分进化和新型帝国竞争等策略提高求解质量.基于两组约束优化标准测试函数的实验结果和算法对比表明,结合字典序方法的新型帝国竞争算法在约束优化问题的求解方面具有较强的优势.     

基于情感时序距离和转折同化的文本情感分类

考虑到中文评价文本的整体情感倾向性与其表达的情感顺序有很大关系,且在具有情感倾向的中文文本中,越是靠近文本最后所表达的情感倾向,对于整个文本的情感分类影响越大。因此对于情感倾向表达不明显或者表达不单一的短文本,通过考虑文本中情感节点出现的顺序以及情感转折同化来对文本进行情感分类。在来自某购物网站爬取的中评评价文本数据集上的实验结果显示,提出的分类方法明显高于单纯基于词特征的支持向量机（SVM）分类器。