排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
现今中国企业面对激烈的市场竞争,企业极其强盛的生命力取决于其是否拥有开拓创新的能力,市场将淘汰掉失去竞争优势的企业。真正能存活的优秀企业是能够不断创新企业发展模式的,创新发展是保持企业竞争力的重要举措。正是这种机遇与挑战并存的社会环境,因此建设企业文化在当下的重要地位十分明显,企业文化在现代企业管理中的作用举足轻重,本文将围绕着企业文化内容与结构组成、中国企业文化目前出现的问题、企业文化问题的对策以及企业文化的重要性作用进行相关研究及阐述。 相似文献
2.
3.
近几年,我国国民经济日渐强盛,城市的园林建设也渐渐提上国家发展日程,城市园林建设不仅可以装点城市风景,同时还要具备净化空气、降低污染等作用,使人们看见园林植物时,能够感觉到身心舒畅,愉悦心情等作用。随着对城市园林建设要求的不断提升,园林植物不单在栽培中花费过多时间,在绿色植物配比中更是一项需要耗费大量时间与精力的一项繁琐且复杂的工作,参与设计的工作人员,同时要具有建筑学、生态学以及美学等各方面的专业基本知识,通过多个角度去看待问题,最终提出适用于当地气候的最佳设计方案,进而保证园林植物配置的合理性、科学性,通过科学的植物配置,最终将美景和清新带给大家。 相似文献
4.
基于不同模型研究环境因子对中西太平洋鲣资源丰度的影响 总被引:2,自引:1,他引:1
根据1998—2013年中西太平洋鲣(Katsuwonus pelamis)生产数据,选取时空因子(年、月、经纬度)和环境因子[海表面温度(SST)、海表面高度(SSH)、尼诺指数(ONI)和叶绿素a浓度]Chl-a)],通过两种不同的模型(广义加性模型GAM和提升回归树模型BRT)研究各因子对鲣资源丰度(以CPUE表示)的影响。研究结果认为,GAM模型中,经度对CPUE的影响最大,累计解释偏差超过50%,其次为纬度、年和月;在环境因子中,SSH最为重要,其次为ONI,而SST和Chl-a的影响相对较低。BRT模型分析结果与GAM分析结果类似,时空因子相对占据了重要的地位,其中经度的影响最大,其次为年、纬度和月;而在环境因子中,ONI的重要性相对更高,其次为SSH,SST和Chl-a同样影响较低。研究认为,两种模型均能较好地反映出因子对CPUE的影响。由于厄尔尼诺/拉尼娜现象引起的海洋环境变化会使鲣资源分布产生差异,因此在后续的渔情预报研究中,应该更多地考虑将ONI因子纳入渔情预报模型中,以提高预测精度。 相似文献
5.
线粒体普遍存在于高等动、植物和真菌等真核细胞中。其在人类遗传疾病的发生、发展、功能修复以及起源和进化中具有重要的功能。在植物中,与雄性不育、细胞程序死亡、果实成熟、衰老以及光合作用等多种生理功能有关。综述了线粒体基因组在人体疾病的发生、诊断、DNA突变等方面的最新研究进展,并展望了线粒体研究在热带作物生长发育和果实成熟、衰老、贮藏等方面的应用前景。 相似文献
6.
土壤学始于对土壤剖面及其形态特征的观察,剖面发生层的划分与发生层边界特征的描述是土壤调查的基础。实地划分发生层需要丰富的土壤学实践经验,存在主观和缺乏统一划分标准的问题。以紫色土剖面图像为研究对象,采用K-means聚类和图像分割技术,结合图像的颜色特征(CIE Lab色彩空间)和纹理特征(Entropy)识别紫色土剖面发生层边界,并与实地划分的结果进行比较。结果表明:(1)CIE Lab色彩空间的a、b通道和Entropy纹理特征,可以划分出供试剖面的主要发生层(A、B、C)和基岩(R);(2)聚类识别的发生层数量和发生层深度与实地识别的结果基本一致;除Z2剖面的C层和Z6剖面的Ap层聚类识别与实地识别的发生层下边界深度相差较大(分别为13 cm和8 cm)外,其余发生层下边界深度相差均在3 cm以内;(3)聚类识别的发生层边界形状更为不规则,明显度更为模糊。K-means聚类和图像分割技术实现了紫色土剖面发生层边界的客观识别,可为土壤剖面智能辨识系统的开发提供科学参考。 相似文献
7.
无论是技术面还是基本面分析,都是对于市场走势的一种预测。这种预测的基础就是以原有的已经发生过的市场条件作对比,当与以往交易条件重合率达到一定程度的时候,就会认为同样的趋势会再次发生。基于概率神经网络,选取数据为大连交易所豆粕主连的日线交易数据,采用小周期交易趋势(即5交易日数据)为交易趋势基础形态,数量化各交易形态,分为9种主要交易形态,利用PNN网络进行分类识别,判断趋势的重合率为多少。试验数据结果显示分类结果良好,识别准确度达到91.67%,达到要求。利用Matlab试验结果做出程序化交易系统趋势信号指标,并根据趋势指标进行程序化的交易信号优化与决策。 相似文献
8.
中西太平洋海域是全球鲣(Katsuwonus pelamis)作业的主要渔场,该海域鲣渔场的时空分布规律,尤其是高产海域,是渔情预报研究的基础和前提。根据太平洋共同体秘书处提供的1995-2014年中西太平洋鲣围网捕捞生产统计数据,对各年各月的鲣产量和捕捞努力量渔获量(CPUE)进行统计分析,通过产量重心分析和聚类分析,找出渔场重心变化规律,同时选取高产的22个渔区(分辨率5°×5°),研究时间和空间因素对CPUE的影响。研究结果表明,中西太平洋鲣历年产量逐步上升,CPUE波动较大,而各月产量和CPUE差异较大,高产月份主要集中在上半年;历年产量重心分布不均,经度方向上分布差异较大,聚类分析可分为4类;各月产量重心变化呈现顺时针变化规律,从南到北,自西向东,再从北向南移动,聚类分析可分为3类;渔获量主要分布于5°S~5°N、120°~175°E,因此对该海域CPUE进行统计,以年份、月份和渔区为影响因素,分析发现,极端气候年份与其它年份的CPUE有明显不同,月份间的变化与产量月间重心变化类似,上、下半年有着明显不同;不同空间下,经度间差异大于纬度间差异,135°~145°E为经度CPUE差异的分界线,而南北纬间的差异不明显。上述鲣的时空分布变化主要与ENSO现象引起的西太平洋暖池的变化有着密切关系,同时太平洋岛国的相关入渔政策也对其产生一定的影响。 相似文献
10.
根据1995—2014年中西太平洋鲣鱼围网捕捞生产统计数据,选取了产量最高的22个5°×5°的海区,结合尼诺指数划分不同的气候类型,以渔获量为指标,建立在不同气候条件下中西太平洋鲣鱼围网渔场的渔情预报模型。研究认为:在不同的气候条件下,鲣鱼产量有所波动,其中厄尔尼诺月份月总产量和月均产量最高,与拉尼娜月份产量接近,而正常年份产量最低;不同空间不同气候条件下的产量有较大差异,在130°E~145°E海域,北纬5°产量明显高于南纬5°产量,同时正常月份的产量最高;在145°E~165°E海域,拉尼娜月份产量最高;在165°E以东海域,拉尼娜月份产量最低;将渔获量与Nino 3. 4区的SSTA建立关系,结果显示两者有着很强的相关关系,均符合正态模型(P 0. 01)。模型验证的结果显示,3种气候条件下的预报结果与实际统计值间均存在显著相关关系(P 0. 01),模型有着较高的相关系数,拟合结果较好。针对中西太平洋不同空间位置的3种气候条件下鲣鱼渔获量波动规律进行研究,为预测渔场和相关预报工作提供了新的思路。 相似文献