乡村振兴背景下社区居民旅游创业意愿研究——基于分布式认识理论

在乡村振兴背景下,选择兰州市榆中县浪街村社区为研究对象,依托分布式认知理论,构建了居民旅游创业意愿和影响因素模型。结果发现:(1)个人力因素不是形成创业意愿的决定性因素。(2)在地域力方面,大部分居民参与旅游创业的资源条件有限。(3)在文化力方面,领导和以领导为核心的社会关系网是旅游创业意愿形成和转变的决定性因素,并且能够将这种创业意愿转化为创业行为。在研究基础上,提出对策建议:注意培育旅游创业主体,增强现存社区创业能力,争取外部专家与辅助者的支持,以增强乡村旅游发展的可持续性。     

基于贝叶斯网络的基本农田划定方法

基本农田划定是落实耕地保护、保证粮食安全的关键问题。目前,基本农田划定的相关研究多基于对耕地适宜性条件的评价,而未涉及对耕地历史变化过程的考虑,因而不能保证划定结果适应实际区域的耕地变化趋势,导致基本农田易被占用,补划与调整频繁。论文综合考虑耕地适宜性条件与历史动态变化状况,提出了一种基于贝叶斯网络模型的基本农田划定方法。以湖北省大冶市这一典型资源型城市为实验区进行了实例研究,划定结果表明,该划定方法能在保证基本农田划定数量与质量的同时,提高其农业用途的稳定性,促进基本农田保护与经济建设、生态保护间协调发展,是一种有效的划定模型。     

基于空间拟合和神经网络的机场噪声预测集成模型

将集成学习方法引入到机场噪声预测中,提出一种基于空间拟合和神经网络的机场噪声预测集成模型.该模型采用空间拟合算法和BP神经网络算法构建基学习器,然后通过所提出的基于观察学习的异构集成算法将基学习器集成起来,获得集成的机场噪声预测结果.该模型通过集成多个异构机场噪声预测基学习器,能够有效提升预测准确率.实验结果表明,本文所提出的基于观察学习的异构集成算法,较之其他异构集成算法,在解决机场噪声预测问题上准确性更高、容错性更强.     

人工神经网络在矿井多水源识别中的应用

以焦作矿区水化数据为例,选用Na++K+、Ca2+、Mg2+、Cl-、SO2-4、HCO-36种水化离子浓度作为识别矿井水源的依据,运用Matlab软件分别建立BP神经网络与Elman神经网络的矿井多水源识别模型。应用结果表明:与静态的BP神经网络相比,在结构上增加承接层的Elman神经网络在训练和仿真中拟合能力更强,识别精度更高和泛化能力更好;矿井地下水随着地下开采与扰动具有动态性,将具有非线性动态特征的Elman神经网络应用于矿井多水源的识别,对准确判断突水来源和分析地下水运移规律具有一定的辅助和指导意义。     

Bibliometric analysis of ecosystem monitoring-related research in Africa: implications for ecological stewardship and scientific collaboration

Regional ecosystem monitoring is a central form of knowledge sharing and collaboration amongst scientists and decision makers on environmental health, land use change, and science-policy development. Despite the proliferation of such research networks on long-term monitoring on many continents, little has been achieved in Africa. This study aims to assess and examine the spatiotemporal trend and categorical patterns in ecosystem monitoring-related research in Africa for the benefits of conserving biodiversity and sustaining natural resource sectors for well-being and livelihood security, environmental planning, and ecological stewardship. A systematic review was conducted using bibliometric tools. Based on a set of search terms and peer-reviewed publications retrieved from various ecosystem monitoring networks and journal databases, further analysis was conducted using social network approaches, mapping tools, and content analysis. About 1442 scientific publications on ecosystem monitoring and related research were documented from 1987 to 2014 mostly published in English. The number of publication increased progressively since 1992 after the Convention on Biodiversity was signed and this trend peaked till 2008. South African Journal of Science was the most leading journal and Nature the most cited. Internationally coauthored and collaborative articles represented majority of the findings with the United Kingdom at the central position in the research network due to colonial relationships. Regional collaboration amongst countries is limited owing to language barriers and other institutional constraints such as funding and short-term projects. These findings have implication for prioritizing national and regional policies toward biodiversity science and its contribution to human well-being, food security, and global change responses.     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

基于小波神经网络的地下水流数值模拟模型的替代模型研究

以吉林西部为研究区,建立地下水流数值模拟模型,分别应用蒙特卡罗方法和拉丁超立方方法在研究区10个县(市)开采量的可行范围内进行采样,经对比选择拉丁超立方抽样结果得到输入(开采量)—输出(水位降深)数据集,建立小波神经网络模型作为地下水流数值模拟模型的替代模型,而后对替代模型有效性作误差分析,并与多元非线性回归替代模型进行对比.结果显示,2种替代模型在功能上都能逼近地下水流数值模拟模型,但小波神经网络模型得到的水位降深均值和水位降深剩余标准差与模拟模型计算结果的相对误差分别低于多元非线性回归模型76%和45%,说明小波神经网络模型更适合作为地下水流数值模拟模型的替代模型,这为减少优化模型求解过程中直接调用模拟模型所造成的计算负荷提供了一种有效的替代方法.     

一种基于GIS的地下洞室群风网解算可视化研究

为了实现地下洞室群火灾网络模拟的可视化,利用地理信息系统及C#语言研究开发了一种风网解算系统。该系统能实现通风网络图的绘制及自动编号、解算及显示火灾烟气可能蔓延的区域,并可为相关部门制定火灾应急救援预案时提供支持     

基于多源数据融合的石油罐区安全监控模型

由于单一传感器在石油罐区安全监控中容易受到外界因素影响从而产生误差,为提高传感器检测结果的可靠性和罐区安全监控预警的准确性,基于多源数据融合技术,建立罐区安全状态预警模型。首先,介绍了多源数据融合技术的3个层级:数据级融合,特征级融合和决策级融合,以及目前各领域常见的数据融合方法;其次,建立了基于最优加权融合算法的一级融合模型和基于BP神经网络算法的二级融合模型;最后,得到石油罐区安全监控数据融合模型,并为进一步的实践应用打下了理论基础。     

基于ANP-DEA的城轨网络应急演练组合评价模型

应急演练综合评价是衡量应急演练效果好坏的关键。以城轨网络应急演练综合评价为研究对象,将城轨网络应急演练划分为演练准备、演练实施、演练总结三个阶段。针对评价指标间存在的关联关系,采用网络层次分析法(ANP)进行定量化处理,计算得到各评价指标综合权重,进而得到三个演练阶段的重要度。利用数据包络分析方法(DEA),分别计算三个阶段不同城轨线路应急演练的排序值,结合不同阶段的重要度,构建得到城轨网络应急演练的组合评价模型,实现对城轨网络应急演练效果的综合评价。结合算例,应用ANP-DEA组合模型,对某城轨网络的应急演练效果进行了综合评价。