摘要：准确的云分类模型对气象监测有重要的意义,传统机器学习云分类模型依赖手工特征提取,容易受噪声数据影响,模型泛化能力较差。深度网络分类模型能自动学习图像深度特征,但是对于图像边缘与细节分类效果不佳。本文针对上述问题进行研究。首先提取Himawari-8卫星云图光谱特征、纹理特征用以训练模糊支持向量机(Fuzzy Support Vector Machine,FSVM)模型;同时利用不同通道云图训练深度网络,学习云图深度特征;最后,根据不同模型特性,训练元分类器对各模型输出进行融合,设计了一种基于深度网络与FSVM集成学习的云分类方法,该方法综合不同模型优势,利用不同模型间的互补性提高云分类结果的鲁棒性和可信度。相比单独使用FSVM或深度网络的分类模型,本文集成学习方法在众多评价指标中有更好的表现,平均命中率、平均误报率和平均临界成功指数分别达到0.9245、0.0796、0.8581;与其它云分类模型相比,本文方法也有更好的分类效果;在具体案例测试中也发现,该方法对于不同云类混合区有更高的识别精度,而且能更加准确的识别云团边缘及细节。本文模型能够满足云分类模型稳定可靠、高精度、泛化性能强的要求。

摘要：柔性玻璃在成型阶段所使用的溢流下拉法和狭缝下拉法工艺繁琐,且难以准确预测不同工艺参数的影响。针对以上问题,设计了一种采用双溢流槽内侧双斜坡狭缝结构,使得玻璃液汇合于楔形板尖部的新型下拉法,用以生产玻璃厚度可实时调节的超薄玻璃。使用计算流体力学软件Fluent对成型过程进行数值模拟,分析了溢流槽上、下倾角的不同组合对溢流槽出口台阶上玻璃液分布情况的影响。

摘要：新冠肺炎疫情给我国经济运行带来了巨大影响,给湖北省特别是武汉市财政收支带来阶段性冲击。面对此次突发性重大公卫事件,保障全过程跟踪监控疫情防控资金精准投入、高效使用,后期对相关财税政策落实和财政资金使用效果开展绩效评价,值得资金监管部门及项目主管部门深入思考。本文以武汉市新冠肺炎疫情防控资金为例,探讨开展防疫资金绩效评价的重难点及相应评价指标设计思路,以期为政府相关部门开展绩效评价工作提供参考。

摘要：在纷繁复杂的信息洪流中,现代人很难判断网络头条中新闻的真实与否。而社会调查法在网络头条新闻中的广泛应用,则成为获取新闻素材以及验证新闻真实性的重要途径。本文以大楚网为例,浅析社会调查法在网络头条新闻中的作用与意义。