Decision in reality often have the characteristic of hierarchy because of the hierarchy of an organization＇s structure. In this paper, we propose a two-level hierarchic Markov decision model that considers the intera...Decision in reality often have the characteristic of hierarchy because of the hierarchy of an organization＇s structure. In this paper, we propose a two-level hierarchic Markov decision model that considers the interactions of agents in different levels and different time scales of levels. A backward induction algo- rithm is given for the model to solve the optimal policy of finite stage hierarchic decision problem. The proposed model and its algorithm are illustrated with an example about two-level hierar- chical decision problem of infrastructure maintenance. The opti- mal policy of the example is solved and the impacts of interactions between levels on decision making are analyzed.展开更多
【目的】为保护并优化高度城镇化地区的碳汇空间,有必要系统研究其时空演变特征及规律。【方法】本研究聚焦苏南地区“城镇尺度”的碳汇空间,在研究其时空演变特征的基础上,结合斑块生成土地利用变化模拟(patch-generating land use sim...【目的】为保护并优化高度城镇化地区的碳汇空间,有必要系统研究其时空演变特征及规律。【方法】本研究聚焦苏南地区“城镇尺度”的碳汇空间,在研究其时空演变特征的基础上,结合斑块生成土地利用变化模拟(patch-generating land use simulation,PLUS)模型和聚类分析法研判不同城镇综合响应状态,并提出差异化的碳汇空间管控策略。【结果】1)2000—2020年苏南地区碳汇空间面积大幅减少,减少区域高度集中于高价值碳汇空间。碳汇空间格局在城镇尺度上未因城镇化而全面瓦解,表现出较强的稳定性。2)通过对自然增长情景、碳汇保护情景、碳汇强化情景3种情景的模拟,发现加大碳汇空间保护力度能够实现高质量碳汇空间扩张,但需要警惕生态功能单一化风险,避免盲目追求“高碳汇系数”。3)在3种模拟情景下,大部分城镇碳汇空间结构较稳定,建议通过存量挖潜与功能置换等方式优化碳汇空间;而部分敏感型城镇则呈现差异化演变路径,需根据其具体风险类型,实施更具针对性的管控策略。【结论】快速城镇化地区碳汇空间面积虽然呈现缩减趋势,但在城镇尺度表现出稳定性与敏感性共存的特征。这一特性可通过多情景模拟研判,从而为制定差异化的城镇碳汇空间管控策略提供科学依据。展开更多
针对岩石薄片图像超分辨率重建过程中因纹理复杂导致现有重建方法效果不理想的问题,提出面向岩石薄片图像的超分辨率网络模型(super-resolution denoising diffusion probability model of rock slice,rsDDPMSR).针对传统上采样方法往...针对岩石薄片图像超分辨率重建过程中因纹理复杂导致现有重建方法效果不理想的问题,提出面向岩石薄片图像的超分辨率网络模型(super-resolution denoising diffusion probability model of rock slice,rsDDPMSR).针对传统上采样方法往往会导致伪影和低分辨率图像先验信息利用不充分的问题提出分层特征增强网络(layered feature enhancement network,LFE-Net),利用双通路网络对平稳小波变换分解后的高频与低频分量进行分层特征增强.为引导扩散模型的生成方向并提供丰富先验信息,将经过LFE-Net增强后的低分辨率特征与目标高分辨率加噪图像特征通道拼接作为扩散模型的条件输入.在U-Net的基础上设计了双编码器多尺度噪声预测网络(ACA-U-Net)有效处理岩石薄片多尺度信息并在跳跃连接中引入时间感知的自适应交叉注意力机制适配扩散模型不同去噪阶段的特征分布变化增强模型对关键区域的关注程度,有效提升图像重建细节.实验结果表明,rsDDPMSR在2×、4×、8×放大倍数下,峰值信噪比(PSNR)和结构相似度(SSIM)相比于CAMixerSR、SDFlow、IDM和SR3等主流重建方法具有更优的重建效果.展开更多
基金Supported by the National Natural Science Foundation of China (70971048)
文摘Decision in reality often have the characteristic of hierarchy because of the hierarchy of an organization＇s structure. In this paper, we propose a two-level hierarchic Markov decision model that considers the interactions of agents in different levels and different time scales of levels. A backward induction algo- rithm is given for the model to solve the optimal policy of finite stage hierarchic decision problem. The proposed model and its algorithm are illustrated with an example about two-level hierar- chical decision problem of infrastructure maintenance. The opti- mal policy of the example is solved and the impacts of interactions between levels on decision making are analyzed.
文摘【目的】为保护并优化高度城镇化地区的碳汇空间,有必要系统研究其时空演变特征及规律。【方法】本研究聚焦苏南地区“城镇尺度”的碳汇空间,在研究其时空演变特征的基础上,结合斑块生成土地利用变化模拟(patch-generating land use simulation,PLUS)模型和聚类分析法研判不同城镇综合响应状态,并提出差异化的碳汇空间管控策略。【结果】1)2000—2020年苏南地区碳汇空间面积大幅减少,减少区域高度集中于高价值碳汇空间。碳汇空间格局在城镇尺度上未因城镇化而全面瓦解,表现出较强的稳定性。2)通过对自然增长情景、碳汇保护情景、碳汇强化情景3种情景的模拟,发现加大碳汇空间保护力度能够实现高质量碳汇空间扩张,但需要警惕生态功能单一化风险,避免盲目追求“高碳汇系数”。3)在3种模拟情景下,大部分城镇碳汇空间结构较稳定,建议通过存量挖潜与功能置换等方式优化碳汇空间;而部分敏感型城镇则呈现差异化演变路径,需根据其具体风险类型,实施更具针对性的管控策略。【结论】快速城镇化地区碳汇空间面积虽然呈现缩减趋势,但在城镇尺度表现出稳定性与敏感性共存的特征。这一特性可通过多情景模拟研判,从而为制定差异化的城镇碳汇空间管控策略提供科学依据。
文摘针对岩石薄片图像超分辨率重建过程中因纹理复杂导致现有重建方法效果不理想的问题,提出面向岩石薄片图像的超分辨率网络模型(super-resolution denoising diffusion probability model of rock slice,rsDDPMSR).针对传统上采样方法往往会导致伪影和低分辨率图像先验信息利用不充分的问题提出分层特征增强网络(layered feature enhancement network,LFE-Net),利用双通路网络对平稳小波变换分解后的高频与低频分量进行分层特征增强.为引导扩散模型的生成方向并提供丰富先验信息,将经过LFE-Net增强后的低分辨率特征与目标高分辨率加噪图像特征通道拼接作为扩散模型的条件输入.在U-Net的基础上设计了双编码器多尺度噪声预测网络(ACA-U-Net)有效处理岩石薄片多尺度信息并在跳跃连接中引入时间感知的自适应交叉注意力机制适配扩散模型不同去噪阶段的特征分布变化增强模型对关键区域的关注程度,有效提升图像重建细节.实验结果表明,rsDDPMSR在2×、4×、8×放大倍数下,峰值信噪比(PSNR)和结构相似度(SSIM)相比于CAMixerSR、SDFlow、IDM和SR3等主流重建方法具有更优的重建效果.
