基于TWDTW的黄河三角洲湿地植被分类研究

湿地植被是湿地生态系统中必不可少的一部分,在调节气候、蓄洪防旱等方面发挥了重要作用,对其进行行之有效的监测对于生态保护至关重要。基于时序的遥感影像进行地物分类在植被分类领域具有重要优势,湿地植被生长环境复杂,不同植被之间物候特征并不明确,且滨海湿地地区云雾较多,这些因素限制了时序遥感在湿地植被监测中的应用。基于时间加权的动态时间归整(Time-Weighted Dynamic Time Warping, TWDTW)通过增加时间权重限制实现时序匹配,能够避免植被物候因素的干扰与畸形匹配现象。本文探讨了该算法在黄河三角洲湿地植被分类中的适用性,并将分类结果与传统分类方法进行对比。研究表明,该算法在该区域总体分类精度为97.56%,Kappa系数为0.95。应用TWDTW算法可以有效进行湿地植被分类,能直观地反映湿地植被的空间分布格局,满足湿地生态环境监测、资源调查与管理等方面的需要。

融合自注意力机制的双向LSTM时空插值模型

时空插值可以捕获时空数据中的依赖关系,估计地理现象随时间的几何和属性数据变化。现有的时空插值方法大多未同时考虑数据的长期时间相关性以及全局空间信息,本文结合长短时记忆网络LSTM (Long Short Term Memory)与数据的空间特性构建了时空插值模型:(1)模型利用空间层剔除弱相关性的信息,提取相关性更强的空间信息输入LSTM网络;(2)由于传统人工神经网络ANN (Artificial Neural Network)模型无法考虑时间对插值的影响以及单向LSTM模型仅能考虑过去时刻对当前时刻的影响而不能利用未来时刻的信息,本文使用双向LSTM模型BiLSTM(Bi-directional LSTM)体现时间相关性;(3)为了有效提取全局空间特征并保留BiLSTM双向建模的优势,本文将自注意力机制引入BiLSTM中,构建了融合自注意力的双向LSTM插值模型SL-BiLSTM-SA (BiLSTM Model Fused with Spatial Layer-Self attention)。在实验设计阶段,模型被应用于山东省PM2.5浓度数据集进行插值效果研究,并与其它模型进行性能比较。实验表明,SL-BiLSTM-SA模型有着更低的误差度量,相较时空普通克里金STOK (Spatio-Temporal Ordinary Kriging)和遗传算法优化的时空克里金GA-STK (Genetic Algorithm-optimized Spatio-Temporal Kriging)精度分别提高了39.83%、36.63%,且能较准确地预测高值和低值。本文融合空间信息,结合BiLSTM和Self-attention构建了时空插值模型,扩展了时空数据的插值手段,为时空数据分析提供了一定的理论和方法支撑。

头孢曲松与经鼻肠营养管超早期肠内营养支持对急性胰腺炎的研究

比较对急性胰腺炎患者实施单纯药物治疗和加用经鼻内营养管超早期肠内营养支持干预效果观察。方法 对72例(2020年1月至2021年1月)急性胰腺炎患者实施双色球分组的处理,其中参照组、治疗组分别给予单纯药物(头孢曲松)、加用经鼻肠营养管超早期肠内营养支持干预,对比结果。结果 治疗组并发症发生率、CT分级、白细胞介素-6、C反应蛋白水平、降钙素原均低于参照组(P<0.05),治疗组的疾病相关更快缓解(P<0.001)。结论 急性胰腺炎应用抗菌药物的基础跟进早期营养支持发挥的临床控制作用更强 , 可以协同增效,提升效果表达的时间效率,更快的减轻相关的表现 ,缓解发病痛苦,改善机体的炎症状态,还能减少营养不良、感染等并发症现象的发生,尽快帮助患者恢复正常生活及生理功能。