粮食生产潜力短期预测的“趋势-波动模型”的验证

应用全国、31个省、6个典型地区和16个典型县的数据对粮食生产潜力短期预测的"趋势-波动模型"进行了系统性的验证和讨论。研究结果表明:(1)预测误差大小反映短期生产潜力的预测精度,预测误差大的主要原因是经济发达地区高产农田被大量占用和(或)蔬菜、水果种植面积大幅度增加而短期内使粮食单产下降;(2)小趋势修正方法是"趋势-波动模型"中不可缺少的一部分,它能将大趋势预测不能包括的短期如气象因素、科技投入、社会因素等影响纳入预测中,提高预测精度;(3)就我国近些年来的实际情况而言,越是经济发达的地区短期生产潜力的波动越大;同样发达地区短期潜力存在增加-下降-回升阶段;(4)就短期生产潜力预测精度而言:国家级大于省级、省级大于地区级、地区级大于县级;不同省、不同地区、不同县之间预测精度差别比较大,这与境内气候的互补性和农田抗御自然灾害的能力有关。     

基于标准化降水指数的西藏昌都市旱涝时空特征

旱涝灾害是昌都市主要自然灾害,了解昌都市旱涝时空分布特征,对减轻该区域旱涝灾害损失、合理利用水资源和生态屏障建设有重要意义。利用1981—2015年昌都市7个气象站的逐月降水数据,采用标准化降水指数(SPI),分析昌都市旱涝变化特征。结果表明:昌都市旱涝变化具有明显的阶段性特征,1981—1995年旱涝交替发生,1996—2004年雨涝频繁,2005年以后以干旱为主;春夏两季降水呈弱增加趋势,春夏旱减少,秋季降水呈弱减少趋势,秋旱增加,冬季则无明显的变化;北部、中部和南部在2002年以前,旱涝存在一致性,2002年后存在较大的差异;20世纪80年代中期旱涝变率最大,旱涝转换频繁,21世纪初早期变率最小,3个区域的旱涝变率总体上与全市相似,2011年以后,南部区域变率较高,旱涝交替频繁。     

基于Bloom Filter的去重方法研究

在个性化新闻推荐系统中，文章去重是一个重要的模块，避免了同一篇文章被重复推荐的现象。在海量用户场景下，采用传统的基于队列的去重方法将会消耗大量的内存。Bloom Filter是一种空间效率很高的随机数据结构，适用于允许有一定误判率的场景。本文基于Bloom Filter，设计双Bloom Filter位数组结构和Bloom Filter位数组链结构。实验证明，基于Bloom Filter位数组链的去重方法，不仅大大降低了程序对服务器内存要求，而且具有较好的灵活性和扩展性。     

基于WebGIS的国家森林公园旅游信息系统构建

分析国家森林公园旅游的特点以及森林公园旅游信息系统建设的现状,介绍基于WebGIS技术开发国家森林公园旅游信息系统的技术优势和该系统的设计方法。以三爪仑国家森林公园为例,介绍WebGIS技术在国家森林公园旅游信息系统中的应用。通过该系统构建实现面向旅游爱好者的国家森林公园旅游信息交流和面向管理职能部门的信息管理功能。     

泉州市电子信息产业产学研合作——科技人员服务企业行动的模式与经验的探讨

电子信息产业是泉州市的重要新兴产业。产学研合作有力地促进泉州市电子信息产业的发展。该文对泉州市电子信息产业产学研合作中科技人员服务企业行动的模式与经验进行探讨。     

论信息时代网络语言中的外来语

随着信息时代网络交流的日益普及,网络与语言结合,形成了一种全新的语言模式—网络语言。网络语言中一个突出的现象是大量外来语杂糅其中。通过分析网络语言中外来语的表现形式,探讨网络语言中外来语流行的原因,并提出如何正确看待这一现象。     

基于LAN的农业科学研究院的科研仪器共享共用信息平台设计与实现

为提高科研院所大型仪器的利用率、降低科研成本,以浙江省农业科学院大型仪器信息化管理为研发对象,研发了大型仪器管理系统,重点论述了该系统的设计思想、系统结构及主要功能。     

网络信息安全与防范探讨

网络在给人们工作、生活带来便捷的同时，也产生了一些消极影响。通过分析网络安全面临的挑战及其表现形式，从技术层面提出有效保护网络安全的有效途径。     

一种基于数据动态迁移的分级备份系统的研究

随着运营商信息化进程的不断深化，业务数据量处于高速的增长，管理信息系统的高效访问以及安全性正在变得越来越重要。本文以信息系统的数据价值评估为基础，提出一种数据动态迁移模型，并引入虚拟带库作为近线存储，形成完整的解决方案。实现传统备份到分级备份的升级改造，优化信息系统备份架构，提高数据的访问以及保护的效率。     

基于Lasso和支持向量机的组合预测及其应用

针对Lasso方法与支持向量机两者的联系与各自的优势，给出了基于Lasso与支持向量机的串联型、并联型和嵌入型三种组合预测，并将它们运用到我国粮食价格预测中.实证结果表明，与单一预测方法的预测结果相比，基于Lasso方法与支持向量机的串联型组合预测和嵌入型组合预测具有更高的预测精度.