【摘 要】
：
天山山区是新疆干旱区降水最为充沛的区域，已有针对该区域降水的研究大多使用日降水及以上尺度资料，降水日变化特征分析相对较少。基于天山山区11个国家气象站2012—2018年夏季（6—8月）逐小时降水资料，分析降水特征量（包括降水量、降水频次和降水强度）的日变化特征，揭示降水与海拔高度的关系。结果表明：总降水量和总降水频次的峰值出现在20:00—22:00，谷值出现在12:00—13:00。夜间降水多
论文部分内容阅读
天山山区是新疆干旱区降水最为充沛的区域，已有针对该区域降水的研究大多使用日降水及以上尺度资料，降水日变化特征分析相对较少。基于天山山区11个国家气象站2012—2018年夏季（6—8月）逐小时降水资料，分析降水特征量（包括降水量、降水频次和降水强度）的日变化特征，揭示降水与海拔高度的关系。结果表明：总降水量和总降水频次的峰值出现在20:00—22:00，谷值出现在12:00—13:00。夜间降水多于白天，主要由长时降水贡献。总降水强度呈现出白天整体增强、夜间偏弱的特征。降水与海拔高度密切联系，小雨等
其他文献
针对当前YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数(FPS)低的问题，提出一种轻量化目标检测算法(ML-YOLO)。首先，用Mobilenetv3结构替换YOLOv4的主干特征提取网络，通过Mobilenetv3中的深度可分离卷积大幅减少主干网络参数量；然后，用简化的加权双向特征金字塔(Bi-FPN)结构替换YOLOv4的特征融合网络，用Bi-FPN中的注意
影响力最大化问题现有的工作主要集中在无符号网络上，忽略了个体之间存在的敌对关系。针对符号网络中的积极影响力最大化问题，在极性相关的独立级联模型（IC-P）上提出了一种符号网络中基于反向影响采样的积极影响力最大化算法(RIS-S)。首先，该算法在生成反向可达集阶段考虑了节点的极性关系，以适用于符号网络。其次，为了提高了反向可达集的有效性，限制了采样的遍历深度。最后，在三个真实的社交网络数据集中比较了
近期AlphaFold等研究使得深度学习在药物分子链接蛋白质靶位（DTA）任务上取得极大关注，但现有工作多将分子单一结构嵌入为向量，忽略了多视角融合分子特征对最终特征表示提供的信息增益。针对单一结构分子存在特征不完备性的问题，提出了一种基于注意力融合多视角分子特征预测药物-靶标链接亲和力的端到端深度学习方法。其核心工作在于多视角分子结构嵌入(Mas)和多注意力特征融合(Mat)。首先，Mas模块将
针对传统集成分类算法中，一般将集成数目设置为固定值，可能会导致较低分类准确率这一问题，提出了准确率爬坡集成分类算法(C-ECA)。该算法不再替换相同数目的基分类器，而是基于准确率对基分类器进行更新，最终确定最佳集成数目。其次，在C-ECA算法的基础上提出了基于爬坡的动态加权集成分类算法(C-DWECA)，该算法提出了一个加权函数，在具有不同特征的数据流上训练基分类器时，可以获得基分类器的最佳权值，
针对数据流集成分类如何使分类器适应不断变化的数据流，调整基分类器的权重选择合适的分类器集合的问题，提出了一种新的基于块的数据流分类算法。首先提出了一种全新的加权函数调节基分类器的权重，使用不断更新的数据块训练分类器；然后使用一个新的权重函数对候选分类器进行一个合理的选择；最后在基分类器中应用决策树的增量性质，提出了一种基于动态加权函数的集成分类算法。通过大量实验发现该算法的性能不受块的大小影响，与
针对在群体决策中如何利用专家之间的社会关系和决策专家的有限理性因素的问题，提出了一种信任网络下的交互式TODIM群体决策方法。首先，根据专家讨论次数，在每一次专家讨论中，专家根据信任接受程度参考信任者的决策矩阵，通过信息交互和协商来修改决策矩阵；其次，当达到专家讨论次数时，计算最终的群体决策矩阵；最后，分别运用信任网络下交互式TODIM群体决策方法和TODIM群体决策方法来计算各方案排序。对结果进
胎心监测可有效反映胎儿在母体内的健康状态,为胎儿疾病诊断提供重要依据,连续精准的胎心监测对优生优育具有重要指导意义.目前胎心监测系统存在设备笨重、操作复杂、运动干扰等诸多问题,不便于随体长程连续监测.本文开发了一种柔性可穿戴式无线胎心电监测系统,通过5个柔性电极贴片构成多个测量通道和干扰消除通道,结合奇异值分解算法,提高胎心电测量精度.该系统基于微加工工艺和叠层封装技术,设计柔性电极、互连导线、处
针对基于自编码器的离群点检测算法在中小规模数据集上易过拟合以及传统的基于集成学习的离群点检测算法未对基检测器进行优化选择而导致检测精度低的问题，提出了一种以自编码器作为基检测器的集成学习离群点检测(EAOD)算法。首先，随机改变自编码器的连接结构生成不同的基检测器，以获取数据对象的离群值和离群程度标记值；然后，通过近邻算法计算数据对象之间的欧氏距离，在对象周围构建局部区域；最后，根据离群值与离群程
针对深度残差网络在小型移动设备的人脸识别应用中存在网络结构复杂、时间开销大等问题，提出一种基于深度残差网络的轻量级模型。首先通过对深度残差网络的结构进行精简优化，结合知识转移方法，从深度残差网络(教师网络)中重构出轻量级残差网络(学生网络)，在保证精度的同时，降低网络结构复杂度；然后在学生网络中通过分解标准卷积减少模型的参数，降低特征提取网络的时间复杂度。实验结果表明，在LFW、VGG-Face、
高效用模式挖掘(HUPM)，考虑了项的购买数量及单位利润，提供了项更详细的信息，能够做出更好的经济决策。针对大多数HUPM算法都应用在静态数据集上，与不断产生数据的现实世界不符的问题，近些年不断提出了动态数据上的HUPM算法。首先，对增量数据、数据流、动态删除和动态修改数据上的高效用模式挖掘算法以及融合高效用模式（高效用序列模式、平均高效用模式、top-k高效用模式等）挖掘算法进行了总结；然后，对