排序方式： 共有9条查询结果，搜索用时 11 毫秒
1
1.
道路绿化是国土绿化的重要组成部分,也是展示地方经济发展和精神风貌的窗口。 安徽省把公路绿化作为“八年绿化安徽”的重要组成部分来抓。今年初,省政府针对境内道 相似文献
2.
3.
4.
5.
为了探明硫脲在柠檬酸中对碳钢的缓蚀行为，采用极化曲线法研究了柠檬酸溶液中45^#碳钢的腐蚀行为以及硫脲与氯离子对碳钢的协同缓蚀作用．结果表明：在26．8—41．8℃内，45^#碳钢的腐蚀过程为阴极析氢控制；适量浓度的硫脲(0．3％)与氯离子复配之后对碳钢的缓蚀效果显著，且缓蚀率随着氯离子浓度(0-1．2mo1/L)的升高而增大；氯离子浓度为0．08mo1/L时，缓蚀率达到最大值(72．9％)，此后随着氯离子浓度的进一步升高，缓蚀率呈下降的趋势． 相似文献
6.
8.
皖北杨树二元立木材积表的编制 总被引：2，自引：0，他引：2
以安徽省杨树人工林为研究对象,按照立木材积表编制要求,随机抽取329棵杨树伐倒木材积资料.以300棵样木资料为编表样本,选用3种数学模型为二元材积的候选模型,利用非线性麦夸特迭代求解法确定各模型参数、剩余标准差、相关指数.根据相关指数和剩余标准差,确定最优二元材积模型为:V=0.000 096 93d2.0123h0.6147".以29棵样木资料为验表样本,分别计算二元材积模型理论材积与实际材积的平均相对误差、平均绝对相对误差和系统误差,计算结果为:二元材积表分别是2.7%、8.6%、0.1%.各种材积误差均满足林业生产材积估算误差要求. 相似文献
9.
为进一步提高通过声音识别鸟类的精确度，本研究提出基于Inception-CSA深度学习模型的鸟鸣声分类方法，包含鸟鸣声音频样本预处理、特征提取、分类器分类等步骤。首先将鸟鸣声样本预处理成尺寸相同的梅尔频谱图，作为鸟鸣声特征图；其次利用Inception-CSA模型对鸟鸣声特征图进行特征提取，其中Inception模块提取鸟鸣声特征图中的多尺度局部时频域特征，CSA模块获取鸟鸣声特征图的全局注意力权重，将二者的输出结合得到更强的特征图，再次利用最大池化层对特征图进行下采样；最后利用全连接层进行分类，得到最终的分类结果。以采集的华南地区自然环境中的10种野生鸟类的鸣叫声构建数据集，用于实验部分以验证方法的有效性。结果表明，本研究提出的方法在自建数据集上准确率达到了93.11%，相比于基于其他经典模型的分类方法，基于Inception-CSA模型的分类方法在拥有较少模型参数量的同时达到了更高的准确率。 相似文献
1