通过文献检索,分析深圳近海海水和表层沉积物中重金属污染的空间分布特征,并采用WQI污染指数法、物种敏感性分布法和潜在生态风险指数法,分别对海水和表层沉积物中的重金属污染进行生态风险评价,得到以下结果。1)深圳近海海域中,西部水体中重金属Hg,Cu,Pb和Cd的含量高于东部,可能与西部开发力度大、接纳污染多和深圳湾水体交换不畅等因素有关。2)基于第一类海水水质标准的WQI>1,表明深圳近海无清洁水体;近海海水重金属生态风险多处于高风险和中风险水平,排序为Cu>Hg>Cd>Pb。3)深
为提高格密码在实际应用中的运算效率,提出一种格密码中多项式乘法运算的优化实现技术。该技术采用乒乓结构存储多项式系数,用以提升存取带宽,通过消除预缩放运算,减少10.5%的模乘运算和16.7%的存储空间占用,采用移位寄存器和三输入加法器的结构,有效地减少逻辑资源占用。同时,设计具有可选层级的流水线结构,使多项式乘法中的蝶形运算模块可以满足不同密码硬件系统的时序要求。评估结果表明,采用优化技术的低面积、均衡型和高性能实现的蝶形运算模块最大工作频率分别可达到150,250和350 MHz以上。与现有实现技术相比
基于30 m水平分辨率的数字高程模型,提取内蒙古高原东部的内流河水系,结合流域气候与下垫面要素,研究水系结构与流域特征的关系。结果表明,流域气候(降水和潜在蒸发)与水系结构关系密切,表现为分支比、侧枝比和河网密度随降水量的增加而增大,随潜在蒸发量的增加而减小。另一方面,流域下垫面条件(坡度和草原覆盖率)对内流河水系结构影响较大,表现为水系结构总体上受地形控制,但旱生或半旱生的地表草本植物不利于水系发育。
The catalytic performa nee of rare-earth metal dialkyl complexes in combi nation with DMAO(dry methylalumi no xane)is explored.In the presence of 60 equivalents of DMAO,the half-sandwich complex(C
13H
8CH
2Ph)Sc(CH
2
在当前CO2环境以及600μmol/mol air的开顶箱中,测量水稻冠层离水田泥土45 cm和90 cm处光合有效辐射的变动以及叶片的动态光合速率,探讨高CO2环境下光强变动与光合作用关系的潜在变化。结果表明:1)水稻冠层90 cm处的平均光强是45 cm处的3~4倍,但晴天光强的时间变异系数比45 cm处低55%~60%;2)上部叶片有更高的饱和光合速率以及照后CO2固定,下部叶片有较高的低光光合速率;3)高CO2
针对近年来极化SAR影像深度学习分类研究取得了显著的进展,但仍缺少全面系统的对比分析问题,该文首先讨论了极化SAR处理与分类中常用的深度学习网络结构,然后使用极化SAR分类研究的典型数据集,对多个主要深度学习算法的分类结果进行了对比分析,并对常用极化目标分解在深度学习分类算法中的应用进行了对比。实验表明,各类算法有不同的适用场景,同一场景不同算法的精度有时表现很大的差异。深度网络的选择、网络参数的
基于年度土地利用变更调查数据,通过分析城市建设用地的时空变化、扩展强度和景观格局,探究深圳市1996―2016年城市建设用地扩展过程及其特征,揭示高度城市化地区城市建设用地扩展的空间分异,并采用回归分析模型,探讨社会经济因素对建设用地扩展的驱动机制,得到如下结果:1)深圳市建设用地扩展呈持续增长趋势,新增建设用地扩展模式差异显著,福田区和罗湖区以内部填充为主,南山区和宝安区以外部扩展为主;2)不同区域的建设用地扩展强度与景观格局指数的差异变化表明,建设用地空间扩展正从无序、同质化、低效蔓延,逐步向有序、异
智能设备高昂的设计费用和庞大的计算资源需求成为在便携式、低功耗设备上实现深度学习算法及其应用的主要障碍。文中基于树莓派平台,借助Intel的视频处理器(VPU)低功耗加速模块,设计并实现了基于残差特征提取模块CNN模型的实时人脸检测系统。结果表明,相较于单纯使用树莓派CPU进行计算,文中方法在视频流中检测人脸和人脸关键点提取的实验中分别实现了18.62倍和17.46倍的加速,在便携式设备中实现快速
Thermosetting resin matrix is the key component of advaneed wave-tra nsparent composites,where low dielectric constant,excellent processability,high thermal stability,as well as good bonding ability are required for resins.Herein,we prepared a series of p
为了使图表示学习得到的嵌入向量对节点和边不断变化的动态图具有很好的信息表征能力,提出一种动态图卷积神经网络模型(DyGCN),将动态图上的表示学习建模为时间和空间信息的聚合。该模型将从图卷积神经网络(GCN)的空间卷积提取图上的结构信息与从时间卷积神经网络(TCN)的因果卷积提取时序上的历史信息相结合,同时在空间卷积层加入自适应的模型更新机制,使得模型参数随着图结构的变化能够自适应地更新。在金融领域数据集上针对金融欺诈检测进行的边分类实验表明,该模型比现有方法有很大的性能提升。