推进农村社会保障体系建设的对策思考

推进农村社会保障体系建设,实现社会保障体系的城乡整合,是我国加快农村发展、推进工业化、实现社会结构转型的现实要求。本文针对目前我国农村社会保障体系的缺陷和不足,从农村社会养老保障制度、农村社会救助体系、农村医疗保障体系、增加农村社会保障资金以及建立城乡有机统一的社会保障体系等五个方面,提出了完善农村社会保障体系的对策。

深度学习水文预报研究进展综述Ⅰ——常用模型与建模方法

数据密集研究范式主导的数据水文学正在成为水文研究的一个重要方向,而善于从大量数据中挖掘规律的深度学习理论推动了近年来数据驱动水文预报的研究热潮,并不断和水文学科融合,逐步成为数据水文学的重要研究方法体系。从深度学习与水文预报学科交叉的角度,简要介绍水文领域常用深度学习模型的原理与结构及其应用于水文预报中的一般建模方法,在此基础上进一步介绍深度学习与水文物理机制整合的基本方法,以期为相关研究人员开展深度学习水文预报研究提供有益参考。

深度学习水文预报研究进展综述Ⅱ——研究进展及展望

深度学习在数据驱动水文模型方向的应用研究是当前水文预报的研究热点。综述近期深度学习模型在水文预报中的应用研究进展,归纳以往数据驱动模型未表现出的新特点,分析深度学习在水利工程影响下水文建模、不确定性分析等问题中的应用潜力以及深度学习水文预报模型解释的知识发现作用。从物理机制模型中融入深度学习和物理机制指导的深度学习两方面讨论深度学习与水文物理机制整合的研究实例。总结深度学习水文预报研究仍面临的重要挑战,展望可能的发展趋势,以期为深度学习在水文预报中的研究发展提供有效参考。

中国日降水量的概率分布

针对国内目前没有通用、普适性的日降水概率分布的现状,以全国820个气象站实测的日降水数据为研究对象,根据线性矩比值图选定7种参数个数不同的潜在概率分布进行拟合,选取均方根误差作为拟合优度的评价指标,初步判定KAP和P-Ⅲ分布在全国范围内最适用。在此基础上,权衡概率分布参数多少和拟合效果,进一步制定最优分布的选择策略,对KAP和P-Ⅲ分布拟合效果相近的站点,开展基于天气发生器的蒙特卡洛模拟,评价这两种分布模拟日降水序列不同分位点及降水量年际波动的能力,最后按照气候、地理和流域分区给出全国范围内最优概率分布空间分布图。结果表明:KAP分布的适用范围更广,模拟降水全频段的能力更强,参数更少的P-Ⅲ分布作为最优概率分布有3~4个明显的集中分布区域,而目前普遍接受的G2分布拟合效果并不好,不适宜广泛使用。本文的结果可为日尺度降水概率分布选择提供依据,结合研究目的和应用需求来确定最优概率分布,以最大程度减少因选择概率模型不当而造成的偏差。

基于深度学习的水面漂浮物智能检测方法

漂浮物作为河道表观污染的重要源头,加强漂浮物检测是改善水环境生态质量的重要途径,也是积极落实“河长制”政策的技术手段。由于水面漂浮物具有场景复杂度高、形状不规则及多尺度形态变化等特点,采用传统的图像识别方法快速有效地检测目标具有较大的挑战性。因此,本文提出了一种基于深度学习的实时且稳健的水面漂浮物智能检测方法。首先,基于稀疏分解思想对低质量漂浮物图像进行降噪和增强处理,初步降低复杂水面环境对漂浮物图像质量的影响。其次,以轻量化MobileNetV2网络取代(single shot multibox detector,SSD)算法中的VGG16网络作为骨干网络,在预测层中将深度可分离卷积取代标准卷积,并采用动态特征金字塔网络提高多尺度漂浮物的检测精度,弥补SSD网络中强制不同层学习相同特征的不足。然后,将统一量化卷积神经网络(Quantized-CNN)框架应用于量化SSD检测器的检测误差,进一步加速卷积层计算和压缩全连接层的参数,降低SSD算法的计算复杂度和内存成本。本文在构建的水面漂浮物数据集上进行的实验结果表明:与现有的图像识别算法相比,改进后的SSD检测算法的平均精度(AP)和综合评价指数(F_(1))分别达到95.86%和94.74%,在硬件GPU下的检测速度达到64.23 FPS,检测算法的参数计算量减少到0.75×10^(9),模型内存成本压缩到6.27 MB。改进SSD算法实现了水面漂浮物检测的高精度和高效率。

年调节水库发电调度图多参数优选绘制

在保留调度图原有优点的基础上引入优化思想,提出了一种年调节水库发电调度图的多参数优选绘制方法。首先,阐述年调节水库发电调度图的改进绘制方法;其次,建立满足保证出力,保证蓄水期末水库蓄满条件下的梯级水库群发电量最大模拟调度模型;然后,通过粒子群优化算法控制调度图绘制过程中的关键参数,并结合调度模型以优化绘制发电调度图;最后,以澜沧江中上游如美至功果桥梯级水库群为对象进行实例研究,检验评价所得调度图的效益。其梯级水库群联合模拟调度结果相较传统调度图方案,增加年均发电量约2%,能在兼顾电站保证出力的同时,有效提高梯级总发电效益。