【摘 要】
：
<正>This study of Mikasa City in 2001, which analyzed N flow between N production and N load in seven agricultural and settlement subsystems, i.e., paddy, onion
【机 构】
：
GraduateSchoolofAgriculture,CenterforEducationandResearchofFieldSciences,FieldScienceCenterforNorthe
【基金项目】
：
Project supported by the Science Research Foundation, Japan （No. 11460028）.
论文部分内容阅读
<正>This study of Mikasa City in 2001, which analyzed N flow between N production and N load in seven agricultural and settlement subsystems, i.e., paddy, onion, wheat, vegetable, dairy, chicken, and citizen subsystems, aimed to compare N flow in eac
其他文献
针对城市道路场景中车载LiDAR点云数据质量差、各类地物相互遮掩的情况,提出杆状地物自动提取与分类算法。先通过改进数学形态学算法移除点云数据中的地面点,再根据杆状地物的形态特征,使用纵向格网模板初步提取杆状地物,然后对提取的疑似杆状地物进行点云数据规则化并通过统计分析移除噪声点,最后根据预先建立的杆状地物样本训练SVM分类模型,对提取的杆状地物进行分类。试验表明,本文方法能够在数据质量欠佳的情况下
GNSS模糊度降相关通过整数变换优化条件方差的排列顺序,提高搜索效率。降相关和条件方差的关系及其评价是关键问题之一。针对这一问题,本文从理论上分析了排序后模糊度降相关与条件方差之间的数值关系,发现降相关性能与条件方差数值序列的平稳性有关,降相关性能越强,条件方差数值序列越平稳。基于这一理论关系,给出了"条件方差平稳度"定义,并将其作为评价降相关性能的指标。通过模拟和实测数据验证,并采用条件方差变化
卫星钟差是影响导航定位精度的重要因素之一,建立高精度的钟差预报模型对高精度定位有重要意义。针对常用模型卫星钟差在短期预报中随时间增加误差积累,以及传统BP神经网络不稳定,容易出现过拟合等问题,本文提出一种基于思维进化算法(MEA)优化的BP神经网络钟差预报模型和算法。首先对原始钟差数据进行一次差处理;然后利用思维进化算法对BP神经网络的初始权值和阈值进行优化,给出该模型进行钟差预报的具体步骤;选用
中远南方在短短几年里成长为行业的先锋，样本意义可究。我们不追求样本本身完美，重要的是后来者知道其路何是，其为何从。