排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
思想、制度与技术均为人类社会生活中所发生的事项,统称为[生活事实];就一定生活事实通常有其直接或间接相关的“规范(norm)”适用.规范与社会经济环境间具有一种对应的发展关系.经由适切的规范指导,可促进社会结构循环系统的永续发展.企业化的社会权体系为企业发展提供了适格而充足的人力资源,超序激活机制为企业变革提供了思维能量与行动能力,共同为企业维持竞争力提供了保障.主体可从客体的规范活动空间中,预见到客体‘是否愿意为一定行为’、‘如何为一定行为’,以及‘可能达成的程度’,甚至知道客体‘未来的发展过程或结果’. 相似文献
2.
气象大数据在农业领域的应用尚处于模糊前端,优先发展重要应用场景的气象服务关键技术,对推动农业农村现代化具有重要的理论价值和现实意义。本研究基于文献计量和德尔菲法的定性与定量结合的技术预见方法,对“十四五”至2035远景重庆农业领域气象大数据应用场景和基于场景的气象服务技术进行了预见。研究表明:“智慧农业”和“数字乡村”是我国农业领域气象相关大数据研究热点主题。气象大数据的重要应用场景和关键气象服务技术集中于农业产业链的产前和产中环节,农业生产与管理子领域遴选出了最多的5个重要场景和7项关键技术。关键气象服务技术预期实现时间集中在2026—2030年,研发应用风险总体偏大。此外,分析结果表明,“政、产、学、研合作不够”、“数据资源获取和共享不畅”、“研究经费投入不足”、“缺少科研和技术人才”是制约气象大数据在重庆农业领域应用的主要因素。针对这些制约因素,本研究提出了包括促进协同创新、破除“数据壁垒”、提高投入产出效益、培养复合型人才等方面的措施,以推动气象大数据在农业领域的创新发展。 相似文献
3.
4.
5.
为减小径流时间序列的非线性及非平稳性带来的预测误差,提高多种预见期下的月径流预测精度,将变模态分解(VMD)和长短期记忆神经网络(LSTM)模型相结合,建立了VMD-LSTM组合预测模型,并将大气环流因子作为模型输入的增加项,预测未来1~3个月的月径流。将模型应用于黄河流域上游唐乃亥、民和、享堂、红旗及折桥站的月径流预测以验证模型的适用性,并与VMD-BP(BP神经网络)、VMD-SVR(支持向量回归)及单一LSTM模型相比较。结果表明:VMD-LSTM组合模型的预测误差最小、精度最高,相比单一LSTM模型,其纳什效率系数(NSE)约从0.6~0.7提高到0.9以上;融合大气环流因子后VMD-LSTM模型预测精度进一步提高,NSE保持在0.91~0.96之间;随着预见期的增长,VMD-LSTM模型预测精度衰减较VMD-BP和VMD-SVR模型明显变缓,在3个月预见期时NSE仍能保持在0.84~0.95之间。VMD-LSTM模型是月径流预测的一种有效方法,结果可为研究区月径流预测提供参考。 相似文献
6.
随着城市化进程的快速推进及人们对环境质量的要求越来越高,城市绿化建设越来越受到社会和政府的重视,但在城市绿化建设当中往往表现急于求成或过于追求景观效果,于是产生了许多新的生态环境问题。本文通过对绿化建设存在的一些问题,如绿化建设的生态观和预见性,外来植物的适应性和入侵性等进行分析,并提出了相应的解决方法。 相似文献
7.
驾驶员是特殊的行业工种,其行为直接关系到人民生命财产的安危。酗酒后驾驶机车,极易造成严重车祸,不可能以酒醉为借口而逃脱法律责任。我国《刑法》中规定,18岁以上的健康公民都要对自己的行为负法律责任。而醉酒的人当然不属于无责任能力的人。根据我国《刑法》第十五条之规定:“应当预见自己的行为可能发生危害社会的结果.因而疏忽大意而没有预见, 相似文献
8.
汽车电子节气门位置最优预见控制 总被引:2,自引:0,他引:2
基于线性二次型最优控制理论和线性矩阵不等式处理方法,提出一种适用于汽车电子节气门的位置离散最优预见控制算法,该算法仅通过一组滑动电位计来测量节气门阀片角度位置实现闭环控制。针对节气门的实际使用环境,建立了离散化的节气门状态空间模型,利用状态转移法构建了包含目标信号的扩大误差系统;考虑实际系统中节气门物理参数难以辨识的特点和外部扰动力矩等不确定因素的影响进行了仿真,并基于快速控制原型技术进行了试验验证。仿真和试验结果均表明,所设计的位置最优预见控制算法能够快速准确地跟踪目标开度信号,增强了电子节气门控制系统的稳定性和鲁棒性。 相似文献
9.
10.
参考作物腾发量(reference evapotranspiration, ET0)是农业生产中一项重要的参数,对评估未来的干旱程度和实现农业精细化管理具有重要意义。为进一步提高ET0的预报精度,该研究将多模式集成方法应用于ET0的预报,运用遗传算法-回归型支持向量机对欧洲中期天气预报中心、美国国家环境预报中心、日本气象厅和韩国气象厅4个中心全球集合预报模式输出的天气变量进行多模式集成处理,基于最优的模式和方案使用Penman-Monteith公式对山西运城站未来1~7 d的ET0进行预报,并对其在站点附近农业试验田的适用性进行验证。结果表明,多模式集成能够调和单一模式在气象预报中的优劣,从而提高ET0预报的精度和长预见期下的稳定性;在ET0预报中,多模式方案的性能明显优于原始单一模式,由最优模式和方案组成的重组方案预报性能最好,具有最小的均方根误差、平均绝对百分比误差,分别为0.65~0.81 mm/d和19.43%~23.78%,以及最高的决定系数(0.83~0.89)。在对试验田未来1~7 d的ET0预报中,重组方案仍表现出良好的预报性能,均方根误差、平均绝对百分比误差不超过0.83 mm/d和34.57%。该研究能有效提升数值天气预报在运城站下属乡镇地区的适应性,为当地农业实际生产提供准确的ET0预报信息,对于农业需水预测以及水资源优化管理具有重要意义。 相似文献