创建行动导向下美丽乡村联创联建的规划设计方法探索

伴随着浙江省乡村发展愿景从“千万工程”到“美丽乡村”再到共同富裕的纵深推进,以单个行政村为单元的美丽乡村创建模式已经难以适应新的发展诉求。基于自然资源禀赋或基础设施地理空间连续性的美丽乡村联创联建工作,是破解各行政村独立发展的多重瓶颈的创新性尝试。针对具有明确的目标、资金、时间约束的美丽乡村创建行动,基于“产业-空间协同发展”的总体思路,试图探讨一种面向美丽乡村联创联建的规划设计方法,即“二阶三心法”。这一方法从乡村地区的存量资源切入,旨在系统性、创造性地回应创建行动目标,开展面向产业-空间复合型目标的空间规划干预:一是基于“土地矛盾最小化原则”进行空间节点设计,二是基于“空间投入-融合效益最大化原则”形成特色主线,三是基于“优先塑造-示范带动原则”打造示范样板。进一步的,结合湖州市道场乡菰城片区规划设计工作,探讨了该方法在产业策划和空间设计层面落地应用的关键问题和解决策略,为中国先发地区美丽乡村联创联建的规划设计工作提供经验借鉴。

面向物联网的基于智能合约与CP-ABE的访问控制方案

随着物联网设备数量激增,传统的集中式访问控制方案在面对当前大规模物联网环境时显得力不从心,现有的分布式访问控制方案存在高货币成本和处理访问请求的低吞吐量等问题。针对这些问题提出一种区块链智能合约结合密文策略属性基加密(ciphertext policy attribute based encryption,CP-ABE)实现对物联网资源的访问控制方案。以超级账本(Hyperledger Fabric)为底层网络,对功能令牌执行属性基加密,利用星际文件系统(interplanetary file system,IPFS)保存令牌密文,通过智能合约公开令牌获取地址实现一对多授权。进一步设计合约部署到区块链实现对令牌请求的去中心化权限评估,维护主体在特定资源对象上允许的操作,实现更为细粒度的属性访问控制。仿真实验及性能分析表明,所提方案与现有方案相比能够使数据所有者在更短的时间内完成对大量请求主体的安全访问授权,压力测试表明链码具有较好性能。

基于支持向量机集成的船舶舱室温湿度预测

针对船舶舱室温湿度保持困难、数据难以预测的问题,提出了基于克隆选择算法的支持向量机集成方法。首先,利用克隆选择算法优化个体支持向量机,根据个体预测误差进行自适应集成;然后,对舱室温湿度时间序列数据样本化,采用支持向量机集成进行训练、测试;最后通过统计测试结果以及与BP神经网络、单支持向量机、GM(2,1)模型的预测误差对比发现,支持向量机集成模型可有效预测空调故障条件下船舶舱室温湿度的变化规律,为装备的使用和维护提供技术支持。

正念训练对运动员运动表现相关指标影响的meta分析

目的:系统评价正念训练对运动员运动成绩的作用。方法:检索Pubmed、Web of science、EBSCO和中国知网数据库相关文献,收集建库至2022年10月有关正念训练对运动员运动表现相关指标影响的实验研究,根据Cochrane Handbook 5.1.0手册评估文献质量,采用Revman 5.4软件进行meta分析,标准化均数差(SMD)和95%置信区间(CI)为主要效应指标。结果:共纳入17项随机对照试验,647名健康运动员。Meta分析结果显示,正念训练可以有效提升运动员的正念水平(95%CI:0.35~0.94,P<0.001),干预效果达到中等效应量(SMD=0.65);积极心理状态(SMD=1.14,95%CI:0.50~1.78,P<0.001)、消极心理状态(SMD=-1.25,95%CI:-2.08~-0.43,P<0.01)、生理指标(SMD=-1.85,95%CI:-3.10~0.60,P<0.01)、精细化动作技能的成绩(SMD=1.98,95%CI:1.21~2.75,P<0.001)均达到了大效应量。亚组分析结果显示,≥10次的训练对正念(SMD=0.40)、积极心理(SMD=1.16)、生理(SMD=-2.74)和运动成绩(SMD=1.64)的改善效益最大化(均P<0.05)。结论:正念训练对运动员运动表现相关指标的影响显著,且10次及以上的干预效果更佳。

基于深度学习的玉米田间杂草识别模型研究

【目的】针对现有田间杂草识别模型复杂、准确率不高等问题,研究玉米田间杂草识别算法,通过准确识别杂草图像,为提高田间杂草防控效果提供理论与技术支持。【方法】基于深度学习目标检测的方法,选取玉米田间4类常见杂草(早熟禾、藜、刺儿菜、莎草)作为试验数据集,建立了YOLOv3、YOLOv5、SSD目标检测模型,并进行了模型训练。【结果】YOLOv3模型的平均精准率为0.734,平均召回率为0.814,平均F1得分为0.789,mAP值为0.792;YOLOv5模型的平均精准率为0.914、平均召回率为0.967、平均F1得分为0.942、mAP值为0.961;SSD模型的mAP值为0.907。【结论】YOLOv5模型的mAP值为0.961,且其各项指标均优于YOLOv3和SSD目标检测模型。YOLOv5模型更适合用于作物田间精确除草的自动化作业。

指(趾)甲病变高频超声应用进展

指(趾)甲病变类型多样,仅凭临床表现做出准确诊断具有一定挑战性。高频超声可以清晰显示指(趾)甲及其周围相关组织的解剖结构,多普勒超声能提供血流信息,是一种重要的辅助检查手段。就高频超声用于指(趾)甲炎性病变、指(趾)甲肿瘤和肿瘤样病变、缺血性指(趾)甲病、外伤性指(趾)甲病及杵状指的早期诊断及鉴别诊断、疾病的活动性及预后判断、临床治疗决策辅助、疗效随访评估等方面的价值及进展予以综述。

基于电子商务竞标结构的分布式作战资源调度

针对现代战争作战任务规划问题,提出一种基于电子商务多轮竞标结构的作战资源调度方法,以异步、分散的方式让多个供应商协调来自多个消费者的任务资源请求。每个任务关联一个时间窗口,有些任务需要不同类的多个资源同步服务。招标由消费者发起,供应商对各资源请求发起投标,消费者根据投标结果中任务的3种状态,采取不同策略,并向供应商发送中标信息以执行任务或启动下一轮竞标。建立供应商和消费者调度问题数学模型,针对供应商资源调度非确定性多项式(nondeterministic polynomial,NP)完全问题特点,提出基于改进节约算法和自适应大邻域搜索算法的两阶段启发式求解方法;消费者模型使用混合整数线性规划来选择成本最低的投标组合,以满足任务需求。算例分析验证了所提方法的有效性。

应用云西林场两种人工林激光雷达数据估测单木蓄积量

随着人工智能的发展,无人机机载激光雷达技术和机器学习算法在森林蓄积量估测中得到了广泛的应用。选取山西省左云县云西林场的油松和新疆杨各3块样地,样地内油松和新疆杨共计318株,根据获取的无人机激光雷达点云数据进行单木分割,提取各树种的特征变量,并筛选出30个特征变量作为建模变量,采用随机森林和支持向量机算法构建单木蓄积量估测模型。结果表明:随机森林模型估测油松和新疆杨单木蓄积量的决定系数(R^(2))分别达到0.941和0.934,其精度均高于支持向量机模型;在高度变量、密度变量和强度变量中,高度变量对建模具有较大的贡献;针叶树种和阔叶树种的两种机器学习模型均能获得较好的估测精度,树种的类型对模型精度影响较小。因此,随机森林模型可作为单木蓄积量精准估测的优选模型。

尾矿库的渗流流速检测技术研究

渗流是指流体在孔隙介质中的流动。当降雨量过大或尾矿库附近有大型水源就会易形成渗流,使尾矿库存在溃坝的危险。为了能够检测尾矿库渗流的真实流速,在进行渗流检测时不改变渗流的流动状态,设计了一种基于热式温差原理的渗流检测仪,当流体流经加热模块表面时会带走一部分热量,并将该部分热量继续通过热传递的形式传递到下游的温度传感器外壁,封装在内部的温度传感器对温度进行采集,上下游两端的温度传感器采集到的温差信号经过采集电路转换为电信号,并发送给MCU进行数据处理,通过相应数值换算,可在阿里云端及上位机端观测到当前渗流流速。该检测仪装置体积小,安装方便,无需接过多的外部设备,可掩埋在尾矿库中进行长期实时监测,且不会对周围环境造成污染。

梁式与推出加载对钢-混凝土结构栓钉承载力影响机理分析

针对钢-混凝土结构中栓钉在推出和梁式加载时不同的受力行为,通过开展数值分析及试验验证,研究了两种加载情况下的栓钉承载力、刚度及传力路径等典型受力性能差异,提出了预留孔尺寸效应、钉簇间受力非线性梯度效应及单簇钉群受力簇群效应等影响效应及机理,建立了梁式加载单钉抗剪承载力计算式。研究表明:梁式加载时栓钉抗剪承载力低于推出加载,抗剪刚度高于推出加载;梁式加载极限承载力时栓钉根部受力相较推出加载呈现更为显著的非线性关系;尺寸效应使组合梁中栓钉承载力略高于推出试件;组合梁中簇群效应更为显著,使单钉承载力降低。梯度效应使组合梁栓钉根部受力非线性更为明显。基于上述分析,提出了考虑3种效应的梁式加载单钉抗剪承载力计算式。

农林院校智慧农业人才的培养方式探索--以“大数据导论”课程为例

【目的】目前大部分农林院校的“大数据导论”课程与农业关联度不大,无法有效将课程内容与智慧农业人才培养紧密联系,亟需探索行之有效的改革方案。【方法】文章以河南农业大学相关专业的“大数据导论”课程教学为例,通过分析“大数据导论”在智慧农业中的重要作用以及智慧农业人才培养的实践效果,对“大数据导论”课程教育对智慧农业人才培养的作用进行了详细探讨。【结果】通过案例教学、实践操作、校企合作办学、项目驱动教学等先进教学方法,结合学生综合能力评估、学生反馈评估、毕业生跟踪调查、行业反馈评估等评估方法,能够让学生将书本知识与乡村振兴实践紧密结合起来,厚植爱农情怀、练就兴农本领。【结论】“大数据导论”作为大数据相关专业的基础课程,对培养智慧农业人才有重要作用,能够培养学生的创新意识和问题解决能力,为农业现代化发展提供人才支撑。本研究可为农业院校的课程设置和教育教学改革提供参考和借鉴。

基于分布式哈希表标识的配电数据网路由优化方法研究

针对海量配电终端接入的路由存储开销问题,文章提出一种基于分布式哈希表(distributed hash table,DHT)标识的配电数据网路由优化方法。首先分析工业以太网构建的配电数据网低存储开销的技术需求;然后通过引入DHT存储设备接入信息和Chord快速查找哈希表等策略,设计基于DHT标识的低存储开销的路由优化方法;最后通过实验仿真验证所提方法性能的有效性。实验仿真结果表明,所提方法具有存储开销小、额外时延小、额外信道占用比例小等优点。

数字经济、人力资本投资和绿色创新--基于长江经济带的实证研究

在促进绿色低碳高质量发展的背景下,数字经济促进绿色创新的有效实施需要人才支持。基于2011—2019年长江经济带108个地级市的面板数据,运用固定效应模型实证检验了数字经济、人力资本投资和绿色创新之间的关系,研究发现:数字经济发展能够显著促进城市绿色创新水平的提升,在这一过程中人力资本投资具有正向的调节作用,并在不同区域差异明显。进一步分析认为,人力资本投资在数字经济促进绿色创新中存在显著的门槛效应。在数字经济背景下,人力资本投资是促进绿色创新的关键,应制定差异化地区发展战略,强化数字经济和人力资本投资对绿色创新的驱动作用,推动绿色创新发展。

基于大数据分析的潜射武器作战运用

针对潜射武器作战运用中的大数据分析问题,对潜射武器作战运用进行研究。论述大数据概念以及特点,重点阐述神经网络、群体智能和相关分析3种大数据分析方法的主要思想、应用范围,提出潜射武器作战运用与大数据分析技术相结合的装备健康状态评估、火力分配优化、边界条件验证等作战运用模型,指出大数据分析在潜射武器作战运用中应用的可行性。研究结果表明:大数据分析技术对潜射武器的作战运用和数据处理有一定帮助。该研究可对大数据分析在解决潜射武器作战运用提供一定参考。

潜射弹道导弹水下大深度发射技术途径分析

潜射弹道导弹发射深度的扩大,可以为有效规避敌反潜兵力的侦查创造良好条件,进而提高发射的隐蔽性和安全性。然而,大水深发射面临着弹道偏转大、载荷大、速度衰减大等难题,技术实现较为困难。通过对大深度水下发射技术的需求分析,借鉴国外相关领域的技术手段,提出了肩空泡优化、低速有控式发射和浮筒式发射三种解决方案,并对其采取的具体技术手段进行了阐述。结论可以为深入开展潜射弹道导弹大深度发射提供理论参考,对提高潜艇的隐蔽作战能力具有参考价值。

弹道导弹多目标火力分配方法

多目标打击火力分配是弹道导弹顶层作战关键问题,也是一类多约束优化问题。对目标位置、发射位置、导弹射程、突防概率、潜艇兵力生存概率等多目标打击火力分配关键因素进行了分析,提出了海基战略导弹多目标打击火力分配方法和算法步骤。设定了2种武器类型、3个发射海区、5个打击目标的作战想定,给出了目标分配方案,验证了算法的正确性和可行性。

公益性:土地征收成片开发方案对国土空间规划的传导

《土地管理法》修正后,明确了为公共利益可以依法征收集体土地的六种情形。土地征收成片开发方案作为城镇综合开发和报批土地的重要依据,承担着维护公共利益的法定职能,但成片开发是否具备公益性成为广泛关注的问题。土地征收是规划实施的重要环节,成片开发被赋予了公益性的法定职能。文章从成片开发方案公益性来源进行梳理,对比《土地管理法》第四十五条及《土地征收成片开发标准》中成片开发的释义,探讨从土地利用总体规划转向国土空间总体规划,导致土地征收成片开发方案的编制存在适用法条内涵缩减、发展需求矛盾突出及公益性保障机制不完善等问题,可能会造成其以公益性为核心的要求无法实现。建议从明确开发控制范围、拓展成片开发释义、强化开发方案公益性审查三个方面,加强土地征收成片开发方案对空间规划的传导,充分体现其公益性。

波浪影响下的潜射导弹出水姿态扰动分析

通过对导弹运动特性和环境特点的分析,利用ANSYS仿真平台构建了水下发射环境和导弹运动模型,分析了导弹运动过程压力场、速度场的变化以及波浪对弹体姿态的扰动规律,为深入研究水下环境因素对导弹发射安全的影响提供理论参考。

一种含锌膳食纤维的制备及性能研究

本研究旨在探索一种含锌膳食纤维的制备方法,并对其性能进行深入研究分析。通过酸碱法结合离子交换技术,成功制备出含锌膳食纤维,并利用多种测试手段对其锌元素含量、吸水力、吸油力、葡萄糖吸附力、胆固醇吸附力等方面进行了系统分析。结果表明,所制备的含锌膳食纤维具有高锌含量、良好吸水吸油力,同时具有较强的吸附葡萄糖和胆固醇的能力。本研究为含锌膳食纤维的制备提供了新的思路,并为其在食品、医药等领域的应用提供了理论支持。

基于集成学习的装备小样本试验缺失数据插补方法研究

针对装备试验数据量有限和装备测试数据易缺失的现状,提出了一种基于集成学习的回归插补方法;以随机森林和XGBoost算法为回归器,通过设定快速填充基准和特征重要性评估策略的方法,改进数据子集重建和训练集与测试集的迭代划分策略,使用Optuna框架实现回归器超参数的自动优化,在某型导弹发射试验上进行实例验证;结果表明,使用集成学习算法的回归插补效果明显优于传统的统计量插补法以及KNN和BP神经网络,在不同缺失比例下的回归确定系数结果均保持在0.95以上,能有效解决装备小样本试验数据缺失的问题,并利用KEEL公测数据集验证了该方法的推广价值和通用性。