麻雀

在我的童年里,“百鸟图”留下了不可磨灭的印象。对今天的孩子来说,“百鸟图”就是一个真实的童话世界。那时候,世界到处都是鸟。房上、墙上、树上、地上、电线上和窑洞上,时不时地落满了鸟。它们有的刚从前线“歼敌”回来,疲惫不堪地眯缝着眼睛,喘息着;有的静静地沉思着,像个伟大的哲学家;有的啁啁啾啾;有的飞来飞去,跳来跳去。那抖动着翅膀的百灵鸟,似乎定在了空中,唱着醉人的歌;画眉、杜鹃和相思鸟,更是鸟中的歌后,假若人鸟同台比赛,毛阿敏宋祖英也可能甘拜下风,望尘莫及;在万里长空中,耀眼的燕子,时高时低;搏击长空的苍鹰,像侦察机似的,…     

麻雀的风景

早晨,慵懒地立在北窗前,目光习惯地飘向楼下小区花园的草木。迎春花早开过了,丁香花也谢幕了。无花的时节,这个长方形的花园中间,几棵高大的枫树开始神气地扭动着枝条。我正凝神间,忽然看见有几片叶子从一丛丁香树上恍惚飘落。奇怪,离秋风扫落叶的时节还大老远呢,何来落叶飘零？我拿过眼镜戴上,细看。呵,原来是一群麻雀正从树上飞落,而我误以为落叶。     

麻雀与“长江三条鱼”

历史有时是何其相似150年前,坚持真理的科学家们,冒着“触犯龙颜”、被打成右派的危险,为麻雀请命;50年后的今天,又有一些科学家和环保人士,为保护“长江三条鱼”而心急如焚、奔走呼喊。     

牡丹江市工业区麻雀体内重金属残留分析

2006年8月至9月,捕捉并测定了牡丹江市工业区与绿化区(对照区)麻雀(Passermontanus)羽毛、肝脏、胸肌和心脏中镉(Cd)、铅(Pb)、铜(Cu)3种重金属残留量.分析结果表明,工业区麻雀组织中重金属残留量高于绿化区.麻雀胸肌、心脏和肝脏中Cd与Pb残留量均呈极显著相关(P＜0.01);羽毛中Cu与Pb残留量显著相关(P＜0.05);胸肌中Cd与Cu残留量显著相关(P＜0.05).3种重金属元素在麻雀体内各组织中积累量不同,其总残留量依次为Cu＞Pb＞Cd.心脏对Cu和Cd、羽毛对Pb均具有较高的富集作用.     

基于优化的深度极限学习机的柴油车NOx排放预测

用麻雀搜索算法优化的深度极限学习机（SSA-DELM）构建柴油车NOx排放预测模型,对柴油车低速、中速和高速状态下的NOx排放进行预测,并将此模型性能与深度极限学习机（DELM）模型性能进行对比分析。结果表明：SSA-DELM模型的预测效果较好,在低速、中速、高速状态下该模型平均绝对百分比误差MAPE分别为0.061 0、0.044 9、0.039 1;在低速、中速、高速状态下SSA-DELM模型的性能评价指标比DELM模型性能评价指标分别优约23%、44%、11%。     

排长队吃老鹰

民以食为天。吃,本无可厚非。可读罢一则新闻,笔者却深感有话要说,如鲠在喉,不吐不快。据《天府早报》5月8日报道,据读者举报,四川双流县和简阳县交界处的丹景山上藏有3家野味馆,专门烹饪野生獐、斑鸠、麻雀、老鹰等野生动物,“野鸡40元一份,麻雀3元一只,老鹰汤60元一份……”今年“五一”,光是从成都赶去尝鲜的车,就在野味馆门前排起了几十米的长龙。     

基于SSO的铀尾矿库无线传感器网络定位算法

为提高铀尾矿库无线传感器网络(WSN)定位算法的定位精度和收敛速度,利用优化的麻雀搜索算法(SSA)改进基于信号强度指示(RSSI)的定位算法。首先,引入混沌映射和精英方向学习初始化麻雀种群,丰富种群多样性,提高算法的全局寻优能力;其次,采用莱维飞行策略改进搜索者的位置更新方式,避免陷入局部最优;然后,采用优化的SSA代替最小二乘法来定位未知节点,并将定位算法应用于铀尾矿库放射性核素污染监测定位;最后,在不同的锚节点数、通信半径以及噪声标准差条件下,对比麻雀搜索优化定位算法(SSOLA)与加权质心定位算法(WCLA)、接收信号强度指示差定位算法(RSSID)、麻雀搜索定位算法(SSA)、粒子群定位算法(PSO)以及樽海鞘群定位算法(SAP)的性能。结果表明：SSOLA与其余5种算法相比定位误差平均下降41.9%、45.2%、26.8%、39.9%和36.9%,定位精度更高,收敛速度更快。     

丰收时刻(组图)

夏天到了,田野里的麦子熟了,丰收的时刻来到了。阳光下的麦田是金色的海洋,风过时,会鼓荡起一排排麦浪,缓缓地起伏着,一波一波地涌向远方。一棵棵麦子被雨雪滋养过,被阳光照耀过,从麦秆到麦穗都是金灿灿的。它们肩并肩紧挨着,笔直地挺立着,仿佛大地的哨兵。布谷鸟在麦田上追逐嬉戏,在早春时,它们"布谷布谷"地催促农人播种。麦子黄时,又一声声欢叫着"黄了黄了",提醒农人们快来收割。吵吵闹闹的麻雀,让喷香的麦粒撑圆了肚子,惬意地停在稻草人的头顶或肩膀上。三五成群的蝴蝶、蜜蜂在尖尖的麦芒上跳舞。而稻花香里说丰年,听取蛙声一片的     

改进SSA-LSSVM模型在埋地管道点蚀深度预测中的应用

埋地管道点蚀深度受土壤环境、运输物质、管道材质等多种因素的影响，因此腐蚀数据存在不稳定性，会导致精确预测其点蚀深度存在较大难度，故提出RS结合MSSA-LSSVM预测模型。首先利用RS对腐蚀影响因素实现降维，提取关键影响因素；其次融合三步改进策略解决麻雀搜索算法已陷入局部最优等问题，利用时间复杂度分析对算法改进后性能进行验证；然后利用MSSA求解出LSSVM中核函数参数σ²和惩罚因子C的最优解，同时选取RBF核函数，使其预测性能达到最优，最终构建RS-MSSA-LSSVM的埋地管道点蚀深度预测模型。结果表明：优化后模型精度得到了极大的提升，且均优于其他模型，证明该模型鲁棒性较好。     

融合心电特征提取的矿工疲劳状态识别

疲劳引起的人为失误是事故的主要原因。为准确识别矿工疲劳状态，降低作业风险，利用麻雀搜索算法(Sparrow Search Algorithm, SSA)优化反向传播(Back Propagation, BP)神经网络，构建疲劳识别模型。首先，通过模拟日常作业进行疲劳诱发试验，将OpenBCI Cyton开发套板作为心电信号的采集装置；其次，借助MATLAB对所采集心电信号(Electrocardiogram, ECG)数据进行预处理，基于疲劳等级形成初始样本数据集；进而利用Pan-Tompkins算法进行特征提取；最后，针对特征间皮尔逊相关系数进行假设检验，从而获得优选指标并用于模型训练，经疲劳识别模型得出结果。结果表明，与传统BP神经网络、支持向量机(Support Vector Machines, SVM)、遗传算法(Genetic Algorithm, GA)优化BP神经网络相比，模型准确率分别提高6.25百分点、22.92百分点、2.78百分点，从而为企业作业人员休息制度的制定及完善提供了理论依据。研究结果对于相关便携式精神状态监测硬件研发具有参考价值。