作物生长与气候的互馈是当前气候变化研究的热点之一。陆面模型作为一项重要的研究工具,其模型框架、算法设计及参数化方案的不同会直接导致模拟结果的不确定性。为探究陆面模型DLM(dynamic land model)和CLM5(community land model)在...作物生长与气候的互馈是当前气候变化研究的热点之一。陆面模型作为一项重要的研究工具,其模型框架、算法设计及参数化方案的不同会直接导致模拟结果的不确定性。为探究陆面模型DLM(dynamic land model)和CLM5(community land model)在作物生长及农田热通量模拟方面的差异及原因,评估2个模型在华北平原作物研究中的适用程度,论文开展了冬小麦—夏玉米轮作站点的模拟对比研究。结果显示,DLM的夏玉米叶面积指数和生态系统总初级生产力的模拟值更高,与观测值更为接近;CLM5模型则在冬小麦模拟中略优。DLM的潜热模拟值与观测值的相关性普遍更高,可能反映了DLM采用的彭曼公式、双叶策略比CLM5采用基于水势梯度质量守恒、大叶策略的潜热计算方法更具优势。对于产量,模型当前的估测能力并不理想。总的来说,在默认设定下,2个模型的模拟结果能基本反映研究区农田站点内夏玉米和冬小麦的生长规律,但与实测值存在一定偏差。模型在该区域的适用性可能需要通过添加农田管理措施、算法优化和参数本地化等方式进一步提高。展开更多
针对某大型钢铁公司对钢铁销售情况预测的需求,在公司海量的钢材销售数据的基础上建立了预测分析模型,以java作为开发语言,建立起基于oracle的数据仓库,数据挖掘算法采用贝叶斯动态模型(DLM-Dynamic Linear Models)预测算法,通过递归运...针对某大型钢铁公司对钢铁销售情况预测的需求,在公司海量的钢材销售数据的基础上建立了预测分析模型,以java作为开发语言,建立起基于oracle的数据仓库,数据挖掘算法采用贝叶斯动态模型(DLM-Dynamic Linear Models)预测算法,通过递归运算,提高运算的精度,最后用图形的仿真来预测钢厂的销售情况,形成了用于数据挖掘的预测分析系统。通过了现场的实际运行,将实际值和预测值进行对比,验证了模型建立的正确性,同时预测值达到了较高的预测精度。对管理者的决策提供了重要的参考价值,实际应用效果良好,可以在钢铁行业内推广应用。展开更多
针对微博话题检测中需要解决的高维数据、噪声信息以及话题的快速演化等主要问题,提出一个有效的微博在线话题检测模型——可区分语言模型(discriminative language model,DLM)。该模型首先选择微博数据的可区分特征子空间,接着利用一...针对微博话题检测中需要解决的高维数据、噪声信息以及话题的快速演化等主要问题,提出一个有效的微博在线话题检测模型——可区分语言模型(discriminative language model,DLM)。该模型首先选择微博数据的可区分特征子空间,接着利用一元语言模型实现微博话题的在线检测。实验表明,在MACRO_F1和AVG_CDET等指标上,DLM明显优于现有模型,DLM能准确及时发现微博话题。展开更多
文摘作物生长与气候的互馈是当前气候变化研究的热点之一。陆面模型作为一项重要的研究工具,其模型框架、算法设计及参数化方案的不同会直接导致模拟结果的不确定性。为探究陆面模型DLM(dynamic land model)和CLM5(community land model)在作物生长及农田热通量模拟方面的差异及原因,评估2个模型在华北平原作物研究中的适用程度,论文开展了冬小麦—夏玉米轮作站点的模拟对比研究。结果显示,DLM的夏玉米叶面积指数和生态系统总初级生产力的模拟值更高,与观测值更为接近;CLM5模型则在冬小麦模拟中略优。DLM的潜热模拟值与观测值的相关性普遍更高,可能反映了DLM采用的彭曼公式、双叶策略比CLM5采用基于水势梯度质量守恒、大叶策略的潜热计算方法更具优势。对于产量,模型当前的估测能力并不理想。总的来说,在默认设定下,2个模型的模拟结果能基本反映研究区农田站点内夏玉米和冬小麦的生长规律,但与实测值存在一定偏差。模型在该区域的适用性可能需要通过添加农田管理措施、算法优化和参数本地化等方式进一步提高。
文摘针对某大型钢铁公司对钢铁销售情况预测的需求,在公司海量的钢材销售数据的基础上建立了预测分析模型,以java作为开发语言,建立起基于oracle的数据仓库,数据挖掘算法采用贝叶斯动态模型(DLM-Dynamic Linear Models)预测算法,通过递归运算,提高运算的精度,最后用图形的仿真来预测钢厂的销售情况,形成了用于数据挖掘的预测分析系统。通过了现场的实际运行,将实际值和预测值进行对比,验证了模型建立的正确性,同时预测值达到了较高的预测精度。对管理者的决策提供了重要的参考价值,实际应用效果良好,可以在钢铁行业内推广应用。
文摘针对微博话题检测中需要解决的高维数据、噪声信息以及话题的快速演化等主要问题,提出一个有效的微博在线话题检测模型——可区分语言模型(discriminative language model,DLM)。该模型首先选择微博数据的可区分特征子空间,接着利用一元语言模型实现微博话题的在线检测。实验表明,在MACRO_F1和AVG_CDET等指标上,DLM明显优于现有模型,DLM能准确及时发现微博话题。
