期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
乡村振兴视域下的生态产品价值实现模式路径研究 被引量：29
1
作者 叶有华 肖冰 +6 位作者 冯宏娟 何玉琳 陈平 陈晓意 王丹丹 曾祉祥 郭欣 《生态环境学报》 CSCD 北大核心 2022年第2期421-428,共8页
全面推进乡村振兴,加快农业农村现代化建设,已成为中国全面建成小康社会后的重大战略。作为乡村振兴的主战场,也是绿水青山和自然资源的集中分布区域,中国广大农业农村地区蕴含着丰富的生态产品。在乡村振兴和农业农村现代化建设新形势... 全面推进乡村振兴,加快农业农村现代化建设,已成为中国全面建成小康社会后的重大战略。作为乡村振兴的主战场,也是绿水青山和自然资源的集中分布区域,中国广大农业农村地区蕴含着丰富的生态产品。在乡村振兴和农业农村现代化建设新形势下,如何通过推动生态产品价值的实现,从而促进乡村振兴成为目前的重要课题,尤其是实现模式路径的研究更是重要。文章在系统阐述生态产品概念内涵、基本特征基础上,提出了乡村振兴视域下的市场路径、政府路径、公益路径、“政府+市场”路径、“政府+公益”路径、“市场+公益”路径等6种生态产品价值实现的主要路径。同时,文章提出了生态保护补偿、生态资源指标和产权交易、绿色金融、生态农业产业化、生态旅游和特色文化产业化、生态修复与保值增值等6类实践模式。此外,文章还结合当前工作实际,提出了政府主导、市场需求、科技支撑、公众参与消费等4大类,以及空间分区、产权管理、核算评估等12小类生态产品价值实现机制。研究成果可为生态产品价值实现、乡村振兴和农业农村现代化建设提供参考,也将为继农业、工业、服务业后的“第四产业”——“生态产业”的培育提供参考,助推乡村生态优势真正转化为发展优势,实现区域经济社会发展与资源环境保护的双赢。 展开更多
关键词 乡村振兴 生态产品 价值实现 模式机制 生态产业
下载PDF
基于深层卷积神经网络的震级快速估算方法 被引量：3
2
作者 王自法 廖吉安 +2 位作者 王延伟 位栋梁 赵登科 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2023年第1期272-288,共17页
当前地震预警中的震级估算方法是通过初至几秒地震波的特征参数与震级的经验关系来实现的,这些特征参数依赖于人的经验和主观判断,没有充分利用初至地震波中与震级相关的信息,制约了震级估算效果.对此,本文利用深层卷积神经网络(Deep Co... 当前地震预警中的震级估算方法是通过初至几秒地震波的特征参数与震级的经验关系来实现的,这些特征参数依赖于人的经验和主观判断,没有充分利用初至地震波中与震级相关的信息,制约了震级估算效果.对此,本文利用深层卷积神经网络(Deep Convolutional Neural Networks,CNN)直接从初至地震波中自动提取特征,实现端到端的震级快速估算.CNN方法以单台站的初至竖向地震波作为主输入,震中距、震源深度以及V s30作为辅助输入,震级作为输出.利用日本和智利的大量地表强震记录对CNN方法进行训练(98257条记录)、验证(31429条记录)和测试(40638条记录),利用美国和新西兰的强震记录进行泛化性能测试(583条记录),并与应用最为广泛的峰值位移Pd方法进行对比.结果表明,当初至地震波时长为3 s时,在4~6.4级范围内,CNN方法估算震级的准确率是Pd方法的1.5倍,在6.5~9级范围,CNN方法估算震级的准确率是Pd方法的1.2倍;当初至地震波从3 s增加到10 s时,CNN方法能够随着地震波时长的增加不断提高估算震级的准确率,并且始终高于Pd方法,特别是对于4~6.4级地震,CNN方法在初至3 s地震波时估算震级的准确率是Pd方法在初至10 s地震波时的1.2倍;随着地震波时长的增加,CNN方法对于震级饱和问题的改善效果优于Pd方法;CNN方法具有较好的泛化能力,在训练数据集之外的区域,比Pd方法估算震级更准确.相比于人为定义的特征参数,CNN方法从初至地震波中自动学习到了与震级更为相关的特征,这些特征极大地改善了震级估算的准确性和时效性,可以为地震预警系统提供更快速更准确的震级估算. 展开更多
关键词 地震预警 震级估算 卷积神经网络 深度学习
下载PDF
基于时频分析与深度学习的结构震后损伤评估
3
作者 周荣环 康帅 +1 位作者 王自法 靳满 《地震工程学报》 CSCD 北大核心 2024年第1期115-125,共11页
为评估地震后钢筋混凝土(RC)框架结构的损伤状态,提高损伤评估的效率和精度,文章提出一种基于时频分析和一维卷积神经网络(1D-CNN)的地震损伤评估方法。首先利用增量动力时程分析对一个6层RC框架结构进行地震损伤模拟,并根据最大层间位... 为评估地震后钢筋混凝土(RC)框架结构的损伤状态,提高损伤评估的效率和精度,文章提出一种基于时频分析和一维卷积神经网络(1D-CNN)的地震损伤评估方法。首先利用增量动力时程分析对一个6层RC框架结构进行地震损伤模拟,并根据最大层间位移角对加速度信号进行损伤程度的标定,以此来获取数据样本,随后应用五种不同的时频分析方法对原始信号进行处理;然后建立基于1D-CNN的地震损伤评估模型,并利用贝叶斯优化算法寻找模型中的最优参数组合;最后评估所提出模型方法在噪声情况下的泛化能力。研究结果表明:五种时频分析方法中,小波散射变换方法的准确率最高,达92.5%,且计算速度也最快,仅需144 s;另外在噪声下该方法仍可以保持较高的损伤评估准确率,具有较好的鲁棒性和泛化能力。 展开更多
关键词 地震损伤评估 RC框架结构 时频分析 一维卷积神经网络 贝叶斯优化
下载PDF
基于时频变换和卷积神经网络的结构损伤识别 被引量：1
4
作者 李治甫 康帅 +2 位作者 王自法 董正方 赫中营 《防灾减灾工程学报》 CSCD 北大核心 2023年第6期1275-1283,共9页
为了解决将单传感器时域数据直接作为卷积神经网络(CNN)的输入所引起的损伤识别精度不高的问题,提出基于小波包变换(DWPT)和快速傅里叶变换(FFT)的卷积神经网络识别方法。以短钢梁桥现场试验测得的数据集为例,将单传感器数据样本分别进... 为了解决将单传感器时域数据直接作为卷积神经网络(CNN)的输入所引起的损伤识别精度不高的问题,提出基于小波包变换(DWPT)和快速傅里叶变换(FFT)的卷积神经网络识别方法。以短钢梁桥现场试验测得的数据集为例,将单传感器数据样本分别进行DWPT和FFT变换,使用变换后的特征训练1D-CNN网络,训练好的网络测试精度有明显的提升,其识别精度均高于多个传感器数据直接作为输入的识别精度。同时分析了对噪声样本和异源(结构上未曾参与网络训练的传感器)数据的识别情况,结果表明对含噪声样本先进行时频变换再训练网络能显著提升对噪声样本的识别精度,而且能改善训练好的网络难以对异源传感器数据进行识别的问题,最后通过卡塔尔大学看台现场试验数据进一步论证上述结论。 展开更多
关键词 损伤识别 快速傅里叶变换 小波包变换 深度学习 CNN
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部