阿姆河流域耕地变化及水土匹配特征分析

基于中亚阿姆河流域4个分区1990—2015年间土地利用变化和水资源等数据,运用耕地变化速率、洛伦兹曲线和基尼系数法以及水土资源匹配系数对阿姆河流域耕地变化和水土匹配状况进行了综合分析。结果表明:1990—2015年阿姆河流域耕地以146.74 km²/a的速度在扩张,且各时期、各分区扩张的速度不同;在不考虑咸海来水不断减少、生态持续恶化的前提下,绿洲区匹配状况属比较公平和相对合理状况;阿姆河流域水土资源空间分布存在明显的错位现象;全流域生态用水被农业用水严重挤占,阿姆河流域灌溉面积、灌溉用水量成为影响咸海水量及面积变化的重要因素,是一种不可持续的用水方式。     

流水施工技术在建筑工程项目管理中的应用

文章以流水施工技术在施工管理中的应用价值为切入点,通过实证分析方法详细阐述了流水施工技术在实践中的应用.     

书法教育在大学生素质培养中的重要作用

文章论述了书法教育在人文领域、文化认同与传承、创新创造、精神品质等方面,对培养大学生素质起到的重要作用.     

软件定义网络中交换机处理时延的仿真

针对目前的网络仿真工具在对软件定义网络(SDN)的仿真过程中,未考虑交换机的处理时延的问题,提出一种处理时延的仿真方法,目的是为了使仿真结果更加真实和准确。该方法首先将交换机的转发处理过程分解为对流表的查询操作和执行不同的动作;然后,利用交换机的处理器频率和访存周期,将查询流表和执行动作转换为处理时间。实验中测量了真实环境中不同配置的交换机处理时延,并与利用该方法仿真出的处理时延进行对比。实验结果表明,利用该方法仿真出的处理时延和真实交换机的处理时延基本一致,该方法能够较准确地仿真交换机处理时延。     

一种改进的动态核主元分析故障检测方法

针对复杂工业系统动态非线性故障检测过程精度低和计算量大的问题,提出了一种改进的动态核主元分析故障检测方法，该方法首先利用不可区分度剔除相关程度较小或者不相关变量,减少数据量，然后通过观测值扩展对筛选后的新数据构建增广矩阵，并对矩阵使用核主元分析提取变量数据的非线性空间相关特征，最后通过监测T ²和SPE 两种统计量诊断出系统发生故障及识别故障变量。仿真实验证明，该方法能对风力发电机故障进行有效监测和诊断，与KPCA方法相比，改进的动态核主元分析方法对微小故障更为敏感。     

琥珀酰亚胺酯基类偶氮染料的制备及其超临界CO2羊毛清洁化染色

以对氨基苯甲酸和4-氨基-2-氯苯甲酸、苯胺和间甲苯胺为原料,采用重氮偶合反应制备染料前驱体,通过在前驱体上引入琥珀酰亚胺酯获得4例活性分散染料Ⅰ～Ⅳ.对染料的紫外-可见吸收光谱、光热稳定性、超临界二氧化碳(scCO2)中羊毛纤维的染色工艺等进行了测试.结果表明,4例染料均具有良好的光热稳定性,染料Ⅰ、Ⅲ和Ⅳ最大吸收波长集中在360～370 nm,染料Ⅱ的最大吸收波长红移到379～452 nm,染料均具备scCO2染色的条件.染料Ⅰ和Ⅲ的最佳染色条件为2 h、80℃和15 MPa,染料Ⅱ的最佳染色条件为1.5 h、80℃和15 MPa,染料Ⅳ的最佳染色条件为2 h、80℃和24 MPa.染色后的羊毛纤维的耐皂洗和耐光色牢度都可达4～5级,固色率最高可达86％,相比于未活化的前驱体,耐皂洗色牢度能提高2～3级,固色率最高能提升63％.SEM和显微镜成像证明4例染料具有良好的透染性,且能均匀附着于纤维的表面和内部.力学性能测试表明,染色后的羊毛纤维能基本保持原有的力学性能.     

南水北调东线调水区及受水区降水径流变化特征

为给南水北调工程规划与运行提供科学依据,基于比《南水北调工程总体规划》制定水平年更加完整的水文观测数据识别2001年以来工程区降水、径流变化特征,采用Mann-Kendall趋势检验、小波分析等方法分析了比较期(2001—2016年)相对于基准期(1956—2000年)的降水、径流统计特性差异和变化特征。结果表明：相对于基准期,比较期调水区降水量变化不明显,长江大通水文站天然径流量下降3.5%,调水区水资源条件较为稳定;比较期受水区降水量较基准期基本无变化,天然径流量较基准期上升3.9%,但山东省、河北省和天津市受水区天然径流量下降6.6%,3省市天然径流量呈明显衰减态势。     

一种卷积神经网络的模型压缩算法

卷积神经网络的研究取得一系列突破性成果,其优秀表现是由深层结构支撑的。针对复杂的卷积神经网络在参数量及计算量上存在大量的冗余问题,提出一种简洁有效的网络模型压缩算法。首先,通过计算卷积核之间的皮尔逊相关系数判断相关性,循环删除冗余参数,从而压缩卷积层。其次,采用局部-全局的微调策略,恢复网络性能。最后,提出一种参数正交正则,促使卷积核之间的正交化,进而减少冗余特征。实验结果表明,在MNIST数据集上,该压缩算法能够在不损失测试精度的前提下,使AlexNet卷积层的参数量压缩率达到53.2%,浮点操作计算量可以减少42.8%,并且网络模型收敛后具有较小的误差。