黑龙江哈尔滨地区近60年极端气温变化研究

用1955~2013年哈尔滨市、尚志市(县)和通河县逐日气温资料,采用线性倾向法、距平及累积距平法、Morlet复数小波、主成分分析、相关性分析和Mann-Kendall检验法,对11个常用气候指标进行分析。结果表明,哈尔滨夏、秋、冬季气温呈上升趋势,冬季升温极为显著,春季气温以0.60℃/10a的速度显著下降;年均气温、年均最低温、年均最高温均有所增加,年均最低气温升幅最大。年极端最高气温、年极端最低气温、夏日日数、热夜日数、暖夜日数和暖日日数6个指标呈上升趋势变化;结冰日数、霜冻日数、冷夜日数、冷日日数及气温年较差5个指数呈下降趋势。年极端最高气温、年极端最低气温及变化率较大的暖夜日数,均有28~30 a的第一主周期和17~18 a的第二主周期,冷夜主要有3、6和8 a的短周期。主成分分析结果表明,高载荷的指数暖夜、冷夜和暖日这些相对指数的变化是哈尔滨极端气温变化的主要原因。相关关系矩阵表明,相对指数间的相关性极为显著;各暖指标、各冷指标间呈正相关,暖指标和冷指标间呈负相关。Mann-Kendall检验得知,冰日、冷夜和冷日三个冷指标的突变发生在20世纪70s、80s,其他指标的突变主要发生在1990~1999年间。总之,哈尔滨平均气温以0.32℃/10a的速率增加,升温幅度高于全国平均升温值0.26℃/10a,研究结果可为防灾减灾提供理论依据。     

电弧焊防触电技术探讨

从电焊机保护接地（或接零）的规则、电源线与焊钳的安全技术、控制电器的安全技术、电焊工作业中的安全保障措施等四个方面,探讨了电弧焊作业中如何防范触电事故的技术措施,实践证明,所述的安全要求和技术方法对于电弧焊作业的安全管理和安全生产具有很高的实用价值。     

一种系统化的行为形成因子分类方法

为了准确表述能够诱发人为差错的情景环境,对人因可靠性分析(HRA)中的行为形成因子(PSF)进行归纳整理,构建一种新的系统化的PSF分类方法。对现有人因可靠性文献中的PSF进行分析,明确PSF的定义及其内涵。通过分析人机交互过程,指出PSF应该包含:操作者,机器,任务,组织,环境和辅助系统等6个方面,分别从上述6个方面对PSF进行细致分解,最终构建包括6个方面38个元素的PSF分类方法。     

山东近岸黄海极值风速预测及防灾建议——基于极值分布和风向的预测

在总结有关海上大风预测研究成果的基础上,根据极值理论合理选取预测极值风速的极值分布计算模型:Gumbel分布和Poisson-Gumbel分布。根据山东近岸黄海26 a的风速观测资料,采用分风向统计数据和投影法处理数据,充分考虑风向和相邻风向的影响,形成十六个风向的年极值序列和过程极值序列样本;最后,用两种模型计算得到各个风向的极值风速预测结果,对比不考虑风向的计算结果,分析出黄海海域海洋风灾发生的时间规律和致灾风向,并对黄海海域的防风减灾提出合理建议。     

深度学习在裸地扬尘源监测中的应用研究

裸地是扬尘的重要来源,施工建设过程中形成的裸地极易在大风天气作用下造成扬尘污染。因此,快速、有效地定位裸地位置,并确认其管控措施落实情况,对于开展裸地扬尘源监管具有重要意义。基于高分辨率遥感监测数据,结合人工解译裸地扬尘源数据集,以北京市大兴区为例,利用深度学习方法对裸地和防尘网覆盖裸地进行分类识别。同时,利用颜色匹配法对大兴区防尘网覆盖裸地进行识别,横向评估深度学习方法的识别精度。结果显示：深度学习方法对防尘网覆盖裸地的识别精度达97%,对裸地的识别精度达61%;颜色匹配法对防尘网覆盖裸地的识别精度达85%。防尘网覆盖裸地的颜色特征鲜明,深度学习方法和颜色匹配法对防尘网覆盖裸地的识别精度都在85%以上。深度学习方法对于面积大于2 000 m²的图斑有着较好的识别精度。深度学习方法可以提高裸地遥感解译的效率,实现规范化图像识别,可以作为人工判读的辅助手段。在实际应用中,可通过进一步积累样本来增强模型性能。深度学习方法适用于裸地扬尘源线索快速发现、工地防尘网措施落实情况快速检测等场景。     

湖南空气质量预报中的数据预处理和特征工程

为提高空气质量预报的准确率,建立了融合气象和环境观测资料、结合机器学习和数值天气预报,且预测时效较长、预测精度较高的机器学习模型库。以湖南6个城市(长沙、株洲、湘潭、益阳、常德、岳阳)的空气质量预报为例,将数据预处理、特征工程方法运用到模型之中,得出以下几点结论:①数据预处理工作包括样本收集、数据清洗、缺失值处理、异常值剔除等,对提高模型预测稳定性帮助很大。②点、线、面的特征组合有助于完整地描述污染物的生消过程。引入传输指数后,株洲市模型对传输型污染过程的预测性能得到明显提高,对轻度、中度、重度污染的分类准确度分别提升了23.6%、16.6%、30.0%。引入静稳指数后,长沙市模型PM_2.5浓度测试的相关系数由0.938提升至0.959,均方根误差由10.33下降至8.46,且模型对中度以上污染天气的极值预报结果更接近实况;益阳市模型在高浓度样本预测中存在的系统性偏低现象得到改善,对轻度以上污染天气的预报结果得到较大矫正。③随机森林的特征重要性排序功能可以大幅度减少特征的数量,使得模型的可解释性和稳定性增强。     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

Developing a theory of change for a community‐based response to illegal wildlife trade

The escalating illegal wildlife trade (IWT) is one of the most high‐profile conservation challenges today. The crisis has attracted over US$350 million in donor and government funding in recent years, primarily directed at increased enforcement. There is growing recognition among practitioners and policy makers of the need to engage rural communities that neighbor or live with wildlife as key partners in tackling IWT. However, a framework to guide such community engagement is lacking. We developed a theory of change (ToC) to guide policy makers, donors, and practitioners in partnering with communities to combat IWT. We identified 4 pathways for community‐level actions: strengthen disincentives for illegal behavior, increase incentives for wildlife stewardship, decrease costs of living with wildlife, and support livelihoods that are not related to wildlife. To succeed the pathways, all require strengthening of enabling conditions, including capacity building, and of governance. Our ToC serves to guide actions to tackle IWT and to inform the evaluation of policies. Moreover, it can be used to foster dialogue among IWT stakeholders, from local communities to governments and international donors, to develop a more effective, holistic, and sustainable community‐based response to the IWT crisis.     

基于三坐标测量仪测量角度及不确定度分析

通过三坐标测量仪对机械加工零件的外锥和内锥进行测量分析。对一些通用量具无法测量的角度提供准确的数值。利用不确定度评定标准公式计算出三坐标测量角度的不确定度分析。经过三坐标测量仪的先进技术改变现代通用量具的测量方法,提高通用量具无法达到的高精度测量时代,为高精度测量提供了一种新的测量手段。     

Thriving on challenge stressors? Exploring time pressure and learning demands as antecedents of thriving at work

In the conceptualization of thriving at work, it is emphasized that employees' learning and vitality are two equally important components of thriving and that thriving is facilitated by contextual features and available resources. In this study, we examined the effects of two challenge stressors (time pressure and learning demands) on thriving at work. Based on the literature on challenge and hindrance stressors, we proposed that challenge stressors positively affect learning and negatively affect vitality. To uncover underlying mechanisms, we measured challenge appraisal and hindrance appraisal of work situations in a diary study. A sample of 124 knowledge workers responded to three daily surveys (before the lunch break, during the afternoon, and at the end of the workday) for a period of five workdays. Results indicate that the indirect effects of learning demands and time pressure on learning are mediated by challenge appraisal, whereas indirect effects of learning demands on vitality are mediated by hindrance appraisal. Overall, our study shows that challenge stressors have a positive total effect on learning but no total effect on vitality. These differential relationships call for a finer distinction between the two components of thriving at work in future research. Copyright © 2016 The Authors Journal of Organizational Behavior Published by John Wiley & Sons Ltd.