模拟降雨量变化与CO_2浓度升高对羊草光合特性和生物量的影响

羊草作为欧亚大陆草原东缘干旱半干旱区域的优势种,现生产力已逐年降低。为明确未来降雨量变化和CO2浓度升高对羊草草地变化的影响,我们模拟3个降雨量梯度(正常降雨量40%)和两个CO2浓度(380±20,760±20μmol/mol)进行了光合特性与生物量的研究。结果表明,降雨量变化和CO2浓度的交互作用显著影响羊草的净光合速率等光合特性,地下生物量和根冠比,而不影响地上生物量。在目前CO2浓度时随着降雨量的增加,以及在CO2浓度升高时的降雨量由低降雨量增至正常降雨量,羊草的净光合速率、气孔导度、蒸腾速率和地上、地下及总生物量均显著增加,但在CO2浓度升高,降雨量由正常降雨量增至高降雨量时上述指标无显著变化。根冠比在目前CO2浓度时差异不显著,在CO2浓度升高下低降雨量时显著增加。在降雨量相同条件下,CO2浓度的升高使胞间CO2浓度、水分利用效率显著增加,气孔导度和蒸腾速率显著降低。低降雨量时CO2浓度升高对羊草净光合速率和生物量的促进作用显著高于正常降雨量和高降雨量,而高降雨量时CO2浓度升高对羊草生物量没有促进作用。以上结果暗示着在目前CO2浓度下,随着降雨量的增加,羊草生物量随之增加,在未来CO2浓度升高的背景下,高降雨量年份对生物量的积累并无显著的促进作用,CO2浓度升高可以补偿低水分条件对多年生根茎型禾草——羊草生长发育所造成的不利影响。

一种基于密度的分布式聚类方法

聚类是数据挖掘领域中的一种重要的数据分析方法.它根据数据间的相似度,将无标注数据划分为若干聚簇.CSDP是一种基于密度的聚类算法,当数据量较大或数据维数较高时,聚类的效率相对较低.为了提高聚类算法的效率,提出了一种基于密度的分布式聚类方法 MRCSDP,利用MapReduce框架对实验数据进行聚类.该方法定义了独立计算单元和独立计算块的概念.首先,将数据拆分为若干数据块,构建独立计算单元和独立计算块,在集群中分配独立计算块的任务;然后进行分布式计算,得到数据块的局部密度,将局部密度合并得到全局密度,根据全局密度计算中心值,由全局密度和中心值得到每个数据块中候选聚簇中心;最后,从候选聚簇中心选举出最终的聚簇中心.MRCSDP在充分降低时间复杂度的基础上得到较好的聚类效果.实验结果表明,分布式环境下的聚类方法MRCSDP相对于CSDP更能快速、有效地处理大规模数据,并使各节点负载均衡.

基于人工免疫算法的增量式用户兴趣挖掘

了解用户兴趣是为用户提供个性化服务的关键。用户兴趣有短期兴趣和长期兴趣之分,且具有不稳定性。受人工免疫系统的启发,巧妙地将免疫应答过程应用于用户兴趣挖掘。首先将概率与时间相结合,提出"概念时序动态"的概念,以更好地刻画用户在一段时间内对同一兴趣的关注程度;然后基于人工免疫原理,建立抽取兴趣标签的分类器来提取用户兴趣标签;最后针对增量式学习,建立兴趣标签的"概念时序动态",刻画出用户兴趣自首次出现以来受关注的程度,以此为依据来判断兴趣是否存在迁移及遗忘现象,并为每个兴趣标签附上权重。其主要贡献是创造性地将人工免疫原理应用于用户短期兴趣和长期兴趣的挖掘,并具有增量特性,可以很好地体现用户兴趣迁移特征,是一种自然完整的用户兴趣模型。实验结果表明,该学习模型能够很好地发现用户关注的领域,其平均精度和召回率分别达到79.5%和74.4%,是目前最贴近用户的兴趣挖掘模型。

中外公路工程质量管理模式比较分析

在分析借鉴发达国家公路工程质量监督管理模式的基础上,对我国现行的公路工程质量监督管理模式进行了归纳总结,针对我国公路工程质量管理现况中存在的执法不严等问题提出了完善与改进的设想。