Daily peak electrical load forecasting with a multi-resolution approach

In the context of smart grids and load balancing, daily peak load forecasting has become a critical activity for stakeholders in the energy industry. An understanding of peak magnitude and timing is paramount for the implementation of smart grid strategies such as peak shaving. The modelling approach proposed in this paper leverages high-resolution and low-resolution information to forecast daily peak demand size and timing. The resulting multi-resolution modelling framework can be adapted to different model classes. The key contributions of this paper are (a) a general and formal introduction to the multi-resolution modelling approach, (b) a discussion of modelling approaches at different resolutions implemented via generalised additive models and neural networks, and (c) experimental results on real data from the UK electricity market. The results confirm that the predictive performance of the proposed modelling approach is competitive with that of low- and high-resolution alternatives.     

长江中下游地区耕地后备资源空间分布及影响因素研究

研究目的:揭示长江中下游地区耕地后备资源的分布变化特征及其影响因素,以指导耕地后备资源开发。研究方法:重心模型、标准差椭圆等空间统计方法。研究结果:(1)相比2003年,2014年长江中下游地区耕地后备资源重心呈现向西南移动的趋势,耕地后备资源空间分布范围扩大,空间分布方向性减弱,主趋势方向呈顺时针旋转;(2)在长江中下游地区耕地后备资源分布变化的影响因素中,自然条件奠定了基本格局,人口分布的影响力逐步显现,经济发展是近年来变化的主导因素。研究结论:重心模型、标准差椭圆等空间统计方法能够从多视角揭示并可视化长江中下游地区耕地后备资源的空间分布特征并分析部分影响因素,可为耕地后备资源的开发政策提供理论指导。     

城市自然的再认知：典型城市荒野空间的 识别特征及应对策略

在城市发展进程中，诸多因原有自然基底条件限制 或用地性质转变等原因，而未经过多人工干预的土地发展成为 城市荒野空间。从城市自然再认知的角度出发，辨析了城市荒 野在传承人地共生关系、承载生态系统服务功能以及提升城市 生物多样性等方面的潜质；梳理出城市荒野的基本类型与存续 目标，包括初级荒野的整体保护、次级荒野的再生与利用、间 隙荒野的激活与新生，以及类荒野的认知引导。在此基础上， 结合案例研究，归纳出每类城市荒野空间发展的典型策略与应 用情境，以期从理论框架和实践应用层面推进城市荒野空间有 效的组织利用，为中国城市更新与可持续发展提供新思路。     

基于拓扑结构的图像拼接算法

针对加速稳健特征（SURF）算法匹配特征点对较多，造成拼接精度低、计算量大的缺点，结合网络拓扑学理论提出了一种剔除误匹配的SURF改进拼接算法。算法定义并采用连通矩阵得到特征点的拓扑结构，将两幅图像的连通矩阵做异或运算得到判断矩阵，多次迭代剔除特征点集合中错误匹配点和匹配度较低的点，得到拓扑结构完全相同的特征点集合，有效减少了匹配特征点对的数量，提高了特征点对的匹配正确率。根据最终的特征点集合计算变换矩阵完成两幅图像的拼接处理。对比实验结果表明，针对同一组图像进行拼接处理，所提算法的特征点匹配正确率较SURF算法提高了28.28%以上；对于小分辨率图像拼接，耗时基本保持一致；对于大分辨率图像拼接，所提算法耗时大大减少。     

Enhancing claim classification with feature extraction from anomaly-detection-derived routine and peculiarity profiles

Usage-based insurance is becoming the new standard in vehicle insurance; it is therefore relevant to find efficient ways of using insureds' driving data. Applying anomaly detection (AD) to vehicles' trip summaries, we develop a method allowing to derive a “routine” and a “peculiarity” anomaly profile for each vehicle. To this end, AD algorithms are used to compute a routine and a peculiarity anomaly score for each trip a vehicle makes. The former measures the anomaly degree of the trip compared with the other trips made by the concerned vehicle, while the latter measures its anomaly degree compared with trips made by any vehicle. The resulting anomaly scores vectors are used as routine and peculiarity profiles. Features are then extracted from these profiles, for which we investigate the predictive power in the claim classification framework. Using real data, we find that features extracted from the vehicles' peculiarity profile improve the classification.     

How consumers’ perceptions differ towards the design features of mobile live streaming shopping platform: A mixed-method investigation of respondents from Taobao Live

Mobile Live Streaming Shopping (MLSS) has become the most rapidly growing e-commerce business. However, there is a dearth of theoretical concern on the MLSS platform designing issue - the key factor affecting business success. Based on the axiomatic design theory, a systematic view of design features of MLSS platform is given, and a three-layer model including thirteen design features is built. The perceived differences of consumers across design features and individual characteristics, as well as the prioritization strategies of MLSS platform are derived with a mixed-method schema. The study provides fine-grained insights for enhancing the differentiated consumer experience by optimizing and improving the design of MLSS platforms.     

并行多尺度特征增强的小目标检测

由于小目标像素点少，本身携带的特征较少，大多数目标检测算法不能有效利用特征图中小目标的边缘信息和语义信息,导致小目标检测精度低，漏检、误检现象时有发生。为解决RetinaNet模型小目标信息特征不足的缺陷，在RetinaNet模型中引入一个并行辅助的多尺度特征增强模块MFEM(muti-scale feature enhancement model)，通过使用不同扩张率的空洞卷积，避免多次下采样造成信息损失的同时，有利于辅助浅层提取多尺度上下文信息。另外，采用一种专门针对目标检测任务而设计的主干网改进方案，可有效保存高层特征图的小目标信息。传统自上而下的金字塔结构侧重于将高层语义从顶层传递到底层，单向传递的信息流不利于小目标的检测。将辅助MFEM分支与RetinaNet相结合，构造一个包含双向特征金字塔结构的模型，它可有效地融合网络高层强语义信息和底层高分辨率信息。为证明文中算法FE-RetinaNet (Feature Enhancement RetinaNet)的有效性，在MS COCO公共数据集进行实验。与原RetinaNet相比，改进的RetinaNet在MS COCO数据集上检测精度（mAP）取得了1.8%的提升，COCO AP为36.2%；FE-RetinaNet在小目标上检测效果良好，APs提高了3.2%。     

土地整理复垦开发重大项目特征与管理模式研究

研究目的：分析土地整理复垦重大项目的特征及其管理模式，对其规范化实施提出思考。研究方法：文献资料法，归纳分析法，对比分析法。研究结果：重大项目与前期开展的国家投资土地整理项目相比具有规模大、周期长、风险大，系统性及区域性强，环境保护压力大，实施意义重大等基本特征。研究结论：为促使重大项目的规范化实施，应在实施过程中结合主体功能区划，增强区域分析；加强评估论证，推动项目实施科学性；完善组织机构、实施制度保障。     

基于支持向量机和特征向量提取的人脸识别框架

为了研究支持向量机在人脸识别中的应用,提出了人脸识别框架,该框架首先利用特征向量提取算法对人脸进行特征提取,得到人脸面部纹理特征数据,然后采用支持向量机对提取的数据进行训练,得到人脸模板,并依据人脸模板对人脸进行识别。实验采用ORL人脸数据库作为实验数据,使用LBP算法提取特征向量,使用LIBSVM训练得到人脸模板数据库,当模板人脸数与预测人脸数比值一定时,随着人数增加,其预测的正确率会有所下滑;当人数一定时,人脸模板与预测人脸数值上升,其正确率会有所上升。当选择一个相对合适的模板比例时,正确率将会达到89.29%以上。实验结果表明,提出的框架对于人脸具有良好的识别能力。     

江西省土地利用可持续性评价与时空特征研究

研究目的：对江西省土地利用可持续性进行评价，并对其时空特征进行研究。研究方法：文献资料法、因果分析法、特尔菲法。研究结果：（1）2006年江西省土地利用可持续性评价结果为赣中高于赣南和赣北，赣西高于赣东。（2）江西省近5年来的土地利用可持续性指数的总体趋势是先抑后扬。研究结论：江西省土地利用可持续性程度整体上良好，但不同城市及不同年份的土地利用可持续性指数存在着明显差异。