基于XML的空间数据互操作与可视化的研究与应用

在WEBGIS中,空间信息的获取、共享、发布与分析在各个方面都发挥着越来越重要的作用,空间数据的互操作成为地理信息系统领域研究的核心问题之一。文章论述了XML在地理信息系统中的应用标准GML与SVG,并通过MapXtremeforjava在校园地理信息系统中实现了基于XML的空间数据互操作与可视化显示。     

萍水河水质空间分布特征及水质评价对比研究

流域水质直接关系到人体健康和生态安全。以萍水河向阳湖至何雁桥段为研究对象,分析其水质空间特征,综合4种方法进行水质评价,进一步利用多元统计和级别差方法对比分析水质评价结果。结果表明：1)COD、NH₃-N、TP和TN的最高浓度位于赤山桥处;上游(向阳湖-桥头村)和下游(赤山桥-何雁桥)总体水质较好,部分采样点TN、Fe和Mn轻度超标,污染程度明显弱于中游(桥头村-赤山桥)。2)最差水质级别均为Ⅴ类或劣Ⅴ类水,污染程度属严重污染及以上;单因子评价法确定总氮(TN)为首要污染指标;主成分分析法确定2个主成分,可解释为营养盐污染指标和地质沉积环境指标。3)4种方法两两之间呈显著正相关,相关系数为0.937～0.994,但水质级别表现出明显的差异性;级差法结果表明,3种综合水质评价方法的水质级别顺序为：内梅罗污染指数法<综合污染指数法<主成分分析法。研究成果可为流域水质评价工作和研究提供参考,同时为流域水资源开发利用和水环境保护及综合治理提供科学依据。     

空间谱估计无线电测向系统

空间谱估计测向方法以其超分辨力、高灵敏度和高准确度的测向性能被广泛应用,并在无线电管理领域扮演主要角色.在对空间谱估计测向理论研究的基础上,给出了具体算法,并对算法进行了仿真,最后通过对比测试论证了空间谱估计测向系统的实用性和优越性.     

一种有效的增益误差校准方法

本文针对增益误差对空间谱估计性能的影响，提出了一种基于算术平均值的平滑校准方法，并将它与其它核准方法进行了比较，理论分析和实验仿真均表明了本文提出的方法具有更好的稳健性能和校准效果。     

TEMPORAL AND SPATIAL DISCRETIZATION ON QUASI-3-D GROUNDWATER FINITE ELEMENT MODELLING TO AVOID SPURIOUS OSCILLATION

In this article, the finite element solution of quasi-three-dimensional (quasi-3-D) groundwater flow was mathematically analyzed. The research shows that the spurious oscillation solution to the Finite Element Model (FEM) is the results choosing the small time step ?t or the large element size L and using the non-diagonal storage matrix. The mechanism for this phenomenon is explained by the negative weighting factor of implicit part in the discretized equations. To avoid spurious oscillation solution, the criteria on the selection of ?t and L for quasi-3-D groundwater flow simulations were identified. An application example of quasi-3-D groundwater flow simulation was presented to verify the criteria. The results indicate that temporal discretization scale has significant impact on the spurious oscillations in the finite-element solutions, and the spurious oscillations can be avoided in solving practical quasi-3-D groundwater flow problems if the criteria are satisfied.     

试论川酒的特色

从川酒的历史文化、地域特色、传统技艺、风味特征和对白酒行业的贡献,阐述川酒的特色和魅力,增进消费者对川酒的了解.     

PriorVAE: encoding spatial priors with variational autoencoders for small-area estimation

Gaussian processes (GPs), implemented through multivariate Gaussian distributions for a finite collection of data, are the most popular approach in small-area spatial statistical modelling. In this context, they are used to encode correlation structures over space and can generalize well in interpolation tasks. Despite their flexibility, off-the-shelf GPs present serious computational challenges which limit their scalability and practical usefulness in applied settings. Here, we propose a novel, deep generative modelling approach to tackle this challenge, termed PriorVAE: for a particular spatial setting, we approximate a class of GP priors through prior sampling and subsequent fitting of a variational autoencoder (VAE). Given a trained VAE, the resultant decoder allows spatial inference to become incredibly efficient due to the low dimensional, independently distributed latent Gaussian space representation of the VAE. Once trained, inference using the VAE decoder replaces the GP within a Bayesian sampling framework. This approach provides tractable and easy-to-implement means of approximately encoding spatial priors and facilitates efficient statistical inference. We demonstrate the utility of our VAE two-stage approach on Bayesian, small-area estimation tasks.     

城市空间扩张及结构演化的制度因素分析

改革开放以来,中国城市的发展环境发生了巨大的变迁,制度力成为深刻影响城市空间扩张与结构演变的关键因素。在转型期,中国只有加快推进地方政府企业化治理体系,土地制度、土地规制等相应的制度性变革,才是实现城市空间的集约增长、理性增长和结构优化的根本之策。     

点云空间与反射强度融合的非结构化道路可行驶区域检测

可行驶区域检测旨在检测和提取智能车辆在道路上可行进的区域, 目前主流的检测方法主要基于三维激光雷达的空间特征实现, 难以处理路面边缘无清晰空间特征的非结构化道路. 为此, 本文提出了一种基于点云空间和反射强度融合的非结构化道路可行驶区域检测方法. 首先, 通过融合反射强度因子改进了基于空间特征的柱坐标系检测模型; 然后, 使用强度和降维空间检测对检测精度较低的环形检测模型进行优化, 并将其与柱坐标系检测模型联合使用以提高方法检测准确率; 最后, 在自录实际道路数据集上进行对比实验. 实验结果表明本文方法显著提高了非结构化道路可行驶区域检测的成功率与精确率, 在结构化道路上也具有良好效果.     

面向锂电池少量循环的二维支持域直推式健康状态预测

锂离子电池的健康状态(SOH)是反映电池老化程度的关键指标,但由于电池老化的非线性和不确定性使得SOH难以精确估计,并且受到电池数据收集的高时间成本和容量再生现象的影响,传统的数据驱动方法在历史充放电循环数较少时效果较差.针对上述问题,本文创新性地提出了一种二维支持域直推式学习(2D-RoSTL)建模思路,建立了数据由粗到细的精准划分方法,用于少量充放电循环下的SOH预测.一方面,考虑同型号多块电池的批次特性,利用历史数据和批次数据构造二维支持域扩充模型信息来源,提供了粗范围的大量可供选择的样本;另一方面,首次尝试以直推式学习的方式解决SOH预测的任务,利用离线和在线样本特征空间的信息,对每个样本进行细致划分,提升少量充放电循环情况下模型的预测可靠性.基于NASA的公开数据集,所提出的二维支持域直推式建模方法在4个电池上的预测误差均小于1.56%,实现了对锂电池充放电历史初期及再生点的精确预测.