全球海洋初级生产力与海洋环境要素时空关联模式挖掘分析

全球海洋初级生产力在海洋环境要素的驱动下呈现不同的时空分布特征,但在不同的海域两者之间的关联模式并不清晰。本文从地理时空规则挖掘的角度,利用1998年1月—2016年12月之间的序列多源遥感产品数据,探讨了全球海洋初级生产力和海洋表面温度、海面高度异常、海面降雨、混合层深度和ENSO（El Ni?o-Southern Oscillation）事件的时空关联模式。研究结果表明:1）在西赤道太平洋,海面高度异常降低、海面降雨异常降低和混合层深度异常升高会提升真光层营养盐供应,致使海洋初级生产力的异常升高。2）在中赤道太平洋,海面高度异常升高、海面降雨异常升高和混合层深度异常降低会抑制真光层营养盐供应,致使海洋初级生产力的异常降低。3）在东赤道太平洋,海面高度异常升高和海面降雨异常升高会抑制真光层营养盐供应、混合层深度异常升高降低了铁元素含量,从而导致海洋初级生产力的异常降低。4）在南太平洋,浮游植物丰度与营养盐呈负相关,海洋表面温度异常升高/异常降低会提升/抑制微生物光合作用效率、海面高度的异常升高/异常降低会抑制/提升真光层营养盐供应,致使海洋初级生产力的异常升高/异常降低。5）厄尔尼诺事件相较于拉尼娜事件更容易引起海洋初级生产力的异常变化。     

数据挖掘技术在环境科学中的应用

本文介绍了数据挖掘技术的基本任务、算法,对数据挖掘在环境科学领域的应用现状进行了综述.数据挖掘方法在环境质量评价、环境预测、大气颗粒物源解析及优化布点等方面较常规数学方法具有相当的优越性;数据挖掘方法在环境科学领域必将有巨大的实用价值和广阔的应用前景.     

数据挖掘在环境信息管理中的应用

本文在介绍数据挖掘的基本概念和体系结构的基础上，分析了其技术在环境信息管理中应用的可行性，并结合环境信息管理的特点，探讨了数据挖掘技术在环境信息管理中的应用前景。     

环保企业应收账款和信用管理浅析

针对环境保护企业财务管理中的应收账款和信用管理现状,重点分析了环保企业应收账款的管理方式,通过对模型流程的建立,采用数据挖掘处理技术来有效解决环保企业应收账款信用的分析判断,提高环保企业应收账款财务的整体管理水平。对于提高环保行业的整体良性发展具有借鉴意义。     

地质灾害海量监测数据处理方法研究

随着地质灾害信息化管理的快速发展以及云技术、物联网、移动互联网技术的广泛应用,极大地推动了地质灾害无线自动化监测技术的进步,随着这一技术的成熟,地质灾害监测数据量突飞猛涨、数据类型也越来越复杂。本文结合具体科研项目,在总结地质灾害无线自动化监测流程和监测数据特征的基础之上,针对地质灾害海量监测数据对存储、检索方面的新要求,在硬件、软件方面进行了相应的优化工作,并开发了地质灾害监测数据自动入库系统,解决了多源监测数据集成的难题,同时基于数据挖掘技术,构建了地质灾害监测数据调试系统,充分挖掘大数据的隐藏价值,最终开发了地质灾害监测数据展示平台。     

数据挖掘平台在珊瑚礁生态系统保护中的初步构建研究

近年来,由于疾病、污染、海洋温度上升以及人类的过度利用,珊瑚礁正面临着致命的毁灭.为了保护珊瑚礁生态系统,迫切需要收集和分析数据,找出影响珊瑚礁生存的主要因素.数据挖掘技术可用于复杂系统的行为建模和预测,将数据挖掘算法与珊瑚礁生态系统数据相结合,构建生态数据挖掘平台,为预测珊瑚礁的生长趋势提供决策支持.针对海洋数据多源性、多态性和多样性的特点,提出改进的数据挖掘平台,并详细论述了数据源层、ETL工具层和数据仓库的结构和功能.     

发电设备可靠性研究现状与发展

通过对国内外发电设备可靠性研究的分析,提出了我国发电设备可靠性研究大体经历了可靠性指标统计分析、传统可靠性模型分析以及电力市场下可靠性分析3个阶段。在比较各阶段研究特点的基础上,指出了建立发电设备可靠性成本与可靠性效益之间的平衡,设定反映二者关系的新的可靠性指标是电力市场下发电设备可靠性研究的新特点。笔者认为,所提出了数据挖掘技术,是发电设备可靠性管理实现实时化、智能化与预测化的一种有效方法。     

基于数据挖掘的施工危险识别注意投入与分配研究*

为分析施工情境中危险识别注意资源动态投入分配规律,基于动态时间规整算法,挖掘危险识别注视轨迹序列,以表征注意资源投入分配变化,并采用k-means聚类、注视熵、Needleman-Wunsch全局序列对齐算法和统计等方法,深入挖掘注意资源在危险目标中投入和分配等时空变化规律。研究结果表明:当事人危险识别各阶段注意资源呈现从显著目标到高危目标的投入变化趋势,危险识别注意资源分配随情境复杂因素呈现零散、均匀的空间特征,分配无序程度提高。     

机器学习在材料服役性能预测中的应用

针对材料服役性能预测存在误差大、计算复杂、适用性差等问题,提出了基于数据挖掘的机器学习预测方法。首先阐述了机器学习的应用流程,并总结了常用模型原理及其在材料性能预测中的应用。然后采用多种机器学习模型对RPV钢的辐照性能进行预测,并通过Stacking集成方法提高了模型的预测精度。结果表明,机器学习可用于材料服役性能预测,具有较高的预测精度和可靠性。根据材料服役数据的不同特征选择合适的学习模型,同时进行模型融合和参数优化,可有效提高模型的预测精度及运算速度。     

基于BP神经网络的天线识别

本文比较研究了BP神经网络中的几种常用算法,针对这些不同算法下的BP神经网络进行训练,并得出了各自网络的性能。在此基础上,针对经典BP算法和LM算法进行对比研究,找到LM算法的改进之处。此外,在实际的应用中表明,不仅不同的BP算法对网络的运算速度、泛化能力等有较大的影响,而且BP神经网络对隐含层神经元数目也很敏感。我们希望在BP神经网络的基础上,构建一种合适的天线模型,来应用于天线的分类识别,这将具有很大的现实意义。