排序方式： 共有20条查询结果，搜索用时 718 毫秒
1.
本文尝试将海港和内河港的腹地范围演化纳入统一的研究框架。运用场强模型划分2001年、2008年和2016年长三角主要海港和内河港口的直接腹地范围,分析其演化特征,总结演化最显著的两大龙头港口——上海港和宁波港的腹地演化影响机制。结果表明：① 港口场强分布特征是以三大海港为龙头形成三大高场强集聚区。② 港口直接腹地演化最明显的特征是宁波港扩张的腹地范围基本来自上海港收缩的腹地范围。③ 上海港的直接腹地范围不断被宁波港袭夺是因为上海港通过市场主导和行政协调的机制,扩展了沿着长江布局的内河港口群水水中转的间接腹地,而非直接陆地腹地;相反,宁波港主要依靠行政机制和逐渐强化的市场力量,使直接陆地腹地范围逐渐延展到浙江全省。 相似文献
2.
以微博为代表的社会媒体的蓬勃发展在加速信息交流的同时,也促使虚假谣言信息迅速在社会网络上传播,造成严重的后果.自动谣言检测问题受到了国内外学术界、产业界的广泛关注.围绕社会多媒体谣言检测这一问题,本文总结了融合多模态特征的谣言检测相关技术.首先从基本概念出发,阐述了谣言的定义和社会多媒体的特点,给出了社会多媒体谣言检测问题的定义.针对谣言检测面临的多模态特征抽取和模型构建两大难点,分别总结和归纳了各种类型的特征及其提取方法和不同的机器学习检测模型.这些特征和算法是检测谣言的基本手段,也是接下来研究的基础,可为进一步谣言检测的研究提供参考. 相似文献
3.
4.
地球物理资料群体智能反演(英文) 总被引：6，自引：4，他引：2
复杂地球物理资料的反演问题往往是一个求解多参数非线性多极值的最优解问题。而鸟和蚂蚁等群体觅食的过程,正好与寻找地球物理反演最优解的过程相似。基于自然界群体协调寻优的思想,本文提出了交叉学科的群体智能地球物理资料反演方法,并给出了其对应的数学模型。用一个有无限多个局部最优解的已知模型对该类方法进行了试验。然后,将它们应用到了不同的复杂地球物理反演问题中:(1)对噪声敏感的线性问题;(2)非线性和线性同步反演问题;(3)非线性问题。反演结果表明,群体智能反演是可行的。与常规遗传算法和模拟退火法相比,该类方法有收敛速度相对快、收敛精度相对高等优点;与拟牛顿法和列文伯格一马夸特法相比,该类方法有能跳出局部最优解等优点。 相似文献
5.
6.
7.
In this paper, comparative evaluation of various local and global learning algorithms in neural network modeling was performed for ore grade estimation in three deposits: gold, bauxite, and iron ore. Four local learning algorithms, standard back-propagation, back-propagation with momentum, quickprop back-propagation, and Levenberg–Marquardt back-propagation, along with two global learning algorithms, NOVEL and simulated annealing, were investigated for this purpose. The study results revealed that no benefit was achieved using global learning algorithms over local learning algorithms. The reasons for showing equivalent performance of global and local learning algorithms was the smooth error surface of neural network training for these specific case studies. However, a separate exercise involving local and global learning algorithms on a nonlinear multimodal optimization of a Rastrigin function, containing many local minima, clearly demonstrated the superior performance of global learning algorithms over local learning algorithms. Although no benefit was found by using global learning algorithms of neural network training for these specific case studies, as a safeguard against getting trapped in local minima, it is better to apply global learning algorithms in neural network training since many real-life applications of neural network modeling show local minima problems in error surface. 相似文献
8.
我国是一个地质灾害频发的国家,滑坡作为典型地质灾害具有时间分布上的突发性、空间分布的随机性、影响因素的复杂性的特点,受地形、地质、水文和人文因素复杂影响下的滑坡稳定性分析成为科学研究的前沿热点。传统滑坡稳定性分析基于静态的物理模型,其模型通常建立在一定的假设基础上,模型抽象,参数时变、空变,导致对滑坡稳定性分析难以满足防灾减灾的时效性、准确性需求。因此,本文提出了一种基于动态数据驱动的多模型耦合的滑坡稳定性分析方法,利用天空地一体化监测数据,建立了一套依靠动态传感数据实时驱动的地形-水文-滑坡机理耦合的滑坡稳定性分析框架,阐述了基于知识规则的监测数据智能清洗方法,数据驱动的多模态监测数据实时接入与自主加载,多模型耦合机制,监测数据与滑坡机理模型动态同化算法,从而提高了滑坡稳定性分析的时效性和准确性,变被动减灾为主动防灾。 相似文献
9.
Weather radar echo extrapolation plays a crucial role in weather forecasting. However, traditional weather radar echo extrapolation methods are not very accurate and do not make full use of historical data. Deep learning algorithms based on Recurrent Neural Networks also have the problem of accumulating errors. Moreover, it is difficult to obtain higher accuracy by relying on a single historical radar echo observation. Therefore, in this study, we constructed the Fusion GRU module, which leverages a cascade structure to effectively combine radar echo data and mean wind data. We also designed the Top Connection so that the model can capture the global spatial relationship to construct constraints on the predictions. Based on the Jiangsu Province dataset, we compared some models. The results show that our proposed model, Cascade Fusion Spatiotemporal Network (CFSN), improved the critical success index (CSI) by 10.7% over the baseline at the threshold of 30 dBZ. Ablation experiments further validated the effectiveness of our model. Similarly, the CSI of the complete CFSN was 0.004 higher than the suboptimal solution without the cross-attention module at the threshold of 30 dBZ. 相似文献
10.
中国北方部分地区黄土、沙漠沙、湖泊、河流细粒沉积物粒度多组分分布特征研究 总被引：12，自引：0，他引：12
通过对我国北方部分地区的黄土、沙漠沙、湖泊、河流细粒沉积物的粒度多组分分布特征系统研究后总结了其粒度分布特征及组分间差异,并提出了风成、水成沉积物成因类型的判别依据。认为:1)细粒沉积物粒度一般由多个组分叠加构成,表现为多组分粒度分布特征。2)黄土粉尘粒径以<70 μm的悬浮颗粒为主,粒度由粗、中、细三个组分构成。粗粒组分含量最高,其中值粒径与源区距离呈负相关,中粒组分百分含量与源区距离呈正相关。3)沙漠沙粒度由一个极其明显的粗粒跳跃组分构成,中值粒径一般位于100~300 μm,分选性极好。4)湖泊沉积物粒度分布最多可有6个组分(中值粒径:<1 μm,2~10 μm,10~70 μm,70~150 μm,150~700 μm,>700 μm),前4个组分属悬浮组分,⑤为跳跃组分,⑥为滚动组分,分选性差。5)河流沉积物粒度分布曲线较复杂,其分布特征蕴含了水动力强弱信息。6)沙漠沙→黄土与河流沙→湖泊沉积物其优势组分的粒径均逐渐变细,但水成相对应组分比风成组分粒径要粗. 相似文献