NSGA Ⅱ在应急物资储备库选址中的应用

为了更好地应对突发事件,应做好应急物资的储备.应急物资储备库选址问题就成为优化应急物资储备的关键.应急管理中的应急物资储备库选址涉及到多方面的因素,已不是简单的单目标决策问题.针对此问题,构建了选址模型,并且引入NSGAⅡ解决模型中的多目标优化问题.求解后得出一系列Pareto最优解,其解空间分布均匀,并且具有良好的收敛性和鲁棒性,决策者可以根据实际情况从中选取最合适的解.对某应急物资储备库选址问题进行了讨论,结果证明此方法具有一定的实用性.     

应对气候变化的最优经济增长研究

如何在确保经济平稳发展的前提下减少CO2排放量,从而达到社会经济发展与生态环境保护双赢的一种经济发展形态,成为世界各国共同研究和探讨的焦点。与此同时,在发达国家应对气候变化行动如火如荼之际,作为世界上最大的发展中国家,我国提出到2020年CO2排放强度比2005年降低40%-45%。论文根据这一约束指标,创新性地把CO2减排控制率引入传统的Cobb-Douglas生产函数,构建应对气候变化的最优经济增长模型,利用偏最小二乘回归方法分别计算基准情景和低碳经济发展情景下2020年的最优经济增长率,得到以下结论:基准情景下最优经济增长率为8.30%;在低碳经济发展情景中,2020年CO2排放强度降低40%和45%减排控制下最优经济增长率分别为7.67%和7.52%。在此基础上,参考两种不同的经济发展情景假设,对2020年经济产出、能源消费需求量和CO2排放量进行预测,最后提出推动能源、经济与环境协调可持续发展的低碳政策建议。     

上海海派文化与水上旅游产业融合发展研究

水上旅游是现代社会的新兴产业。上海水上旅游产业目前处于城市滨水游憩到城市水上旅游的过渡阶段,其发展面临的是旅游、景观、生态、社区、文化等复合设计的问题。针对上海水上旅游产业发展规划形成的"一圈四区三带一岛"新格局,将上海滨水区从文化空间角度划分为观光环岛游、传奇外滩游、会展滨江游、活力节事游、田园环湖游、休闲滨湖游、古典园林游、娱乐体验游8个功能分区,并分别对其进行旅游项目创意。     

多源信息融合技术在内陆湖库水华预警中的研究进展与展望

面对水体富营养化愈来愈严重，水华爆发越来越频繁的严峻形式；为减少水华发生频率及由此造成的损失，开展水华预警已成当务之急。水华爆发是水体中营养盐的累积、气候条件与水力条件等众多因素非线性共同作用的产物；为此，有必要在众多水华影响因素的动态监测信息的融合基础上，寻求水华爆发与这些影响因素间的影射关系，这就需要信息融合技术。通过归纳总结多源信息融合技术在内陆湖库水华预警中应用的研究进展，结合目前我国水华预警的具体需求，提出建立基于多源信息融合技术的水华预警决策支持系统的研究前景与初步设想。信息融合技术为水华预警提供了一个良好的平台，它将与水华相关的不同信息源（水文、气象、水环境质量与环境遥感）所提供的局部不完整的观测信息加以集成与互补，消除多源信息之间存在的冗余和矛盾，形成对水华爆发环境相对完整的感知与描述；从而提高水华预警与应急响应决策的效率，提高预警信息的时间与空间分辨率，扩展信息的时空监测范围。     

媒介融合环境下《新闻采写》课程教学改革的探讨

"媒介融合"的洪流对传媒界产生了巨大的影响。媒介融合深刻地改变了传媒的组织结构和内容生产方式,也对新闻传播人才的培养提出了新的、更高的要求。《新闻采写》是新闻学专业的核心课程之一,对《新闻采写》课的教学改革必须打破过去课程设置过窄、教学方法单一、考核标准简单的困境,培养学生全媒体环境下的思维能力和报道技能。     

基于产业融合的文化旅游业竞争力评价研究

产业融合通过创新功能、整合功能和结构优化功能提升文化旅游产业的竞争力。在产业融合的基础上,文化旅游产业竞争力主要受文化产业、旅游产业和产业融合环境三个方面因素的影响。基于此,主要从文化旅游业基础竞争力、竞争潜力和环境竞争力三个角度构建出文化旅游竞争力业的评价指标体系。     

3G与安防技术融合应用与展望

2009年我们迈入了3G元年,3G技术的种种优势给安防行业的未来发展带来了新思路。如何实现3G平台与安防产品的融合,成为我们关注和研究的问题。因此,我们对3G与安防融合应用做了分析与展望。     

河南省信息化与制造业、服务业融合发展的关键因素与对策

通过分析信息化与制造业、服务业融合的内涵与关联性，从信息化产业政策、法律法规、监管机制、基础设施四个方面提出河南省信息化竞争力关键因素以及河南省信息化与制造业、服务业融合发展的基本思路和取向，即优先发展信息服务业、加快信息基础设施建设、广泛推进信息技术应用。     

神经网络方法在地表高程预测中的应用研究

从地表高程预测的研究现状出发,基于Matlab神经网络工具箱构建了广义回归神经网络(GRNN),建立了能够预测地表高程的神经网络预测模型,并与反距离加权法(IDW)的预测结果进行了比较分析。结果表明,GRNN方法计算简单,在相同的样本数据条件下,GRNN的预测精度较高,表明神经网络方法在地表高程预测中的应用是可行的。     

一种加权2DPCA方法在人脸识别中的应用

在二维主成分分析方法的基础上,结合拉普拉斯算子提出了一种新的加权方法.这种方法不同于非监督学习的二维主成分分析方法,突出了各聚类间的差异,在强调人脸重要部位信息的同时保留了人脸轮廓信息,从而更有利于分类和识别.使用这种二维加权主成分分析方法在ORL数据库上与二维主成分分析方法进行对比测试,实验结果表明,该方法比普通的二维主成分分析方法具有更优的性能,并且在提高识别率的同时算法的复杂度并没有明显增加.