产品详细介绍奥龙学生综合素质评价管理系统系统管理和记录学生的综合素质评价，包括思想品德、学业水平、身心健康、艺术素养、社会实践素养等方面。实现学生常规表现的记录与汇总，教师对学生和学生相互之间网上评价管理，可自动生成评价等级；每个学生有自己的帐号，可随时上传管理和查阅自己作品成果及成长资料，了解自身发展状况；教师及家长及时互动，跟踪学生成长过程，在线动态分析，引导学生健康发展。 应用：教育局、学校、教师、学生、家长服务：结合定量、定性、形成性、终结性评价对学生五大维度进行科学的评价。还提供班级评价、评语评价、体质测评、荣誉申报、秀空间以及实践活动等，对学校、教师、学生及家长等多方数据进行实时的采集和记录，最终形成涵盖学生各方面的学生综合素质档案。

产品详细介绍请登录  中国科学软件网 了解stata软件报价和介绍信息。Stata是一款综合统计软件包,提供所有您想要的,包括数据分析,数据管理和绘图等.Stata各版本区别： Stata/SE, Stata/IC和Small Stata主要的区别在于每个版本能够分析的数据集大小。Stata/MP是一个拥有并行处理能力的Stata/SE。 Stata/MP: 适合双核、多核、多处理器计算机的Stata版本 Stata/SE: 适合大数据集的Stata版本 Stata/IC: Stata标准版本 Small Stata: 小型的、Stata学生版本 Stata/MP:运行最快和处理数据集最大的Stata版本。它通过并发运行多处理器或内核来加快运算速度。Stata/SE和Stata/MP允许数据集最多可达32,767个变量。观测值的数量仅受您计算机内存大小的限制。Stata/SE和Stata/MP在计算机内存大小足够的情况下允许最大11,000 x 11,000维矩阵。相关的是Stata/SE和Stata/MP能够拟合带有更多的自变量(最多10,998)的模型。 Stata/IC允许多达2,047个变量的数据集。观测值的数量仅受您计算机内存大小的限制。Stata/IC能够在一个模型中最多有798个右手边(right-hand-side)变量。 Small Stata限制能分析的数据集最多为99个变量并带有接近1,000观测值。Small Stata最多能在一个模型中有38个右手边(right-hand-side)变量。Student LabStudent Lab licenses are licenses that are strictly for use by students in a university computer lab for coursework and by faculty for teaching at degree-granting institutions.Student lab license限制只能安装在大学实验室内用于学生和教师上课教学使用。功能比较 版本最大变量数最大右手边变量数最大观测值数最大矩阵大小是否兼容64位系统？是否支持并行处理？平台 Stata/MP32,767 10,998无限*11,000是是Windows, Macintosh或 Unix Stata/SE32,767 10,998无限*11,000是否Windows, Macintosh或 Unix Stata/IC2,047798无限*800是否Windows, Macintosh或 Unix Small Stata99391,00040否否Windows 或Macintosh *最大观测值数仅受可使用的内存大小限制快速,简单并易于使用点击式的界面和强大,直观的命令语言让Stata使用起来快速,精确并易于使用。所有的分析结果都可以被复制和存档，并用来出版和审查。不管您什么时候写的内容，版本控制系统确保统计程序可继续生成同样的结果。统计功能介绍Stata使得大量的统计工具用于指尖标准方法基本表格和总结案例对照分析ARIMAANOVA 和MANOVA线性回归时间序列平滑广义线性模型（GLM）聚类分析对比和比较功率分析样本选择高级方法多层模型生存分析动态面板数据回归结构方程建模二进制，计数和审查结果ARCH多重替代法调查数据Treatment effects精确统计贝叶斯分析……

成果介绍一种城市中心区位置和聚集强度的确定方法，在城市建成区用地图中确定城市建成区几何重心、城市人口分布重心和城市道路交通可达性重心，将所述三个重心两两连接，得到的区域即为城市中心区位置；区域面积的大小对应各个重心聚集强度，区域面积越小，中心区聚集强度越高。本发明提供一种确定城市中心区位置的技术方法，具有理论基础的完善性、数据选取的客观性、计算方法的科学性、空间类型的针对性等特点，应用本发明所述的方法进行城市中心区位置以及聚集强度的确定，更具科学性、合理性和可操作性，为中心区研究提供了良好的技术平台。技术创新点及参数一种城市中心区位置和聚集强度的确定方法，在城市建成区 用地图中确定城市建成区几何重心、城市人口分布重心和城市道路交通可达性重心，将 所述三个重心两两连接，得到的区域即为城市中心区位置；区域面积的大小对应各个重 心聚集强度，区域面积越小，中心区聚集强度越高。城市建成区几何重心、城市人口分布重心和城市道路交通可达性重心的确定方法。市场前景本发明属于城市规划技术领域，为一种城市中心区位置和聚集强度的确定方法。

成果介绍本发明公开了一种城市建设用地的自动布局方法，利用以高性能计算机为核心的信息处理系统，以城市市区的地理数据为模型输入数据，以土地利用图斑为模型处理单元，建立城市建设用地随机分配模型，使用随机分配模型进循环计算，通过穷举，组合生成城市建设用地所有可能的布局方案，再以路网密度作为检测条件，自动对各布局方案中城市建设用地的路网密度进行检测，保存其中路网密度最高的布局方案，并通过绘图设备自动输出为城市控制性详细规划可以直接使用的工程图纸。本发明解决了城市建设工程实践中城市空间布局中利用人脑智力活动进行决策所存在的主观性、随机性的不足。技术创新点及参数本发明的目的是提供一种 针对城市建设工程实践中城市空间布局中利用人脑智力活动进行决策所存在的 主观性、随机性的不足，提供一种道路可达性最佳的城市建设用地自动布局方法

成果介绍本发明公开了一种基于道路路段中心线长度及道路面积评估城市中心区道路利用效率的方法，具体步骤为：首先获取城市各中心区矢量地形图资料，并在现状实测的基础上对其进行校核及调整；然后通过AUTOCAD软件计算，获取各指标数据；将获得的数据输入评估模型，得到城市中心区道路利用效率指数，在此基础上，以AUTOCAD软件为工作平台，通过不断的调整?评价?提升中心区道路利用效率。本发明以精确、宜度量的数据为基础，通过直接的可视化方式进行调整，提升城市中心区道路利用效率。技术创新点及参数针对现有技术中存在的不足，本发明针对城市中心区道路过于宽敞或窄小的现状问题，认为城市中心区这一特定地域范围内的道路利用效率，应更多的考虑其为周边用地开发所带来的影响，以提高其运行的效益，增加中心区优势区位可经营用地面积，进而增加中心区经济效益，并能形成良好的城市中心区的土地利用效率的评估—反馈方法。市场前景本发明提供的一种基于道路路段中心线长度及道路面积评估城市中心区道路利用效率的方法，一方面针对土地价值最高的城市中心区，提出道路利用效率的评估及提升方法，更具现实意义及使用价值；另一方面简化了道路利用效率评估指标体系，构筑了较为简捷直观的模型，数据更易获得，也更为准确，且数据客观性较强，并能直接用于指导中心区道路的调整优化。

成果以国家973计划、863计划、国家自然基金重点及面上项目等为基础，研究了非常态条件下城市交通运行状态智能监测与特征提取、运行态势智能判研与风险评估、交通系统智能诱导与信号控制、多方式交通智能调度与协同组织等技术，建立了非常态条件下城市交通系统安稳运行保障技术体系。成果技术说明如下：　　1.非常态条件下城市交通运行状态智能监测与特征提取技术。成果研发了基于大数据挖掘的城市交通非常态运行实时智能监测、动态信息获取及精准事故甄别技术；非常态条件下城市网络交通流关键参数多角度、高精度提取技术等。 2.非常态条件下城市交通运行态势智能判研与风险评估技术。该技术涵盖基于雷达跟踪及大数据挖掘的城市交通偶发拥堵引发点识别、规律辨识与态势判研技术、风险量化及安全态势评估技术、空间-时间-信息三位一体的交通非常态运行态势判研与风险评估共性技术等。 3.非常态条件下城市交通系统智能诱导与信号控制技术。研发了可变信息标志布设及非常态条件下信息智能发布技术及车载信息诱导装备，提出了道路交通偶发拥堵控制技术、以拥堵快速消散为目标的非常态条件下信号控制技术等，保障了关键拥堵道路的高效通行。　　4.非常态条件下城市多方式交通智能调度与协同组织技术。研究了恶劣天气下城市多方式交通协同应急疏散技术，研发了非常态条件下城市多方式交通智能管理与控制平台，实现了应急需求动态辨识、多方式交通应急资源协同配置及应急方案智能生成。

该成果获2018年度国家科学技术奖科技进步类二等奖。创立了多模式公交网络供需辨识与协问设计技术，研发了多模式公交网络协同仿與与效能评估技术、多模式公交系统协调控制技术及面向多模式公交网络的智能版务技术与平台，大幅提升了多模式公交运行信总化管理水平和公众出行服务能力，项目攻克了城市多模式公交网络协同设计与智能服务的核心理论与关键技术，解决了当前城市公交系统缺乏协同、效率低下的问题，实现了城市多模式公交网络协同设计、综合评佔、协调控制与智能服务的技术突破.成果在京津翼、长三角、长江经济带等重点城市的工程项目中得到推广应用，全面提升了应用城市公交系统的整体效 能，有力支撑公交都市国家战略的实施，经济社会效益显著。

  陆地生态系统是全球陆地碳循环过程中重要的碳汇，同时，由于气候干旱、城市扩张等因子的扰动作用，陆地生态系统可释放大量二氧化碳，而成为碳源。作为陆地生态系统的指示因子，陆地NPP不仅反映了植被的光合生产能力，而且直接反映了生态过程（如碳源/汇）。全球陆地NPP的时空变化和影响机制具有较大的不确定性，是科学界争论的一个重要焦点。对城市用地扩张和气候驱动因子二者的陆地NPP响应进行单独分析的研究成果已有很多，但综合探讨城市扩张因子和气候驱动因子对陆地NPP变化的影响和相对贡献的研究较少，尤其是在全球尺度上的分析目前仍然处于空白。本研究利用30米分辨率的GlobeLand30数据分析了2000-2010年全球城市用地时空动态，同时结合MODIS的NPP产品（MOD17A3）、CASA模型和LPJ-Hydrology模型计算陆地NPP的时空分布，进而全面探讨过去十年间全球城市用地扩张和气候驱动因子对陆地NPP的影响。研究发现，2000-2010年全球城市用地扩张导致陆地NPP呈现减少的趋势（22.4 TgC year-1），这抵消了由气候驱动因子导致的NPP增加部分的30%。本研究分析了全球城市用地扩张和气候驱动因子对同期陆地NPP变化的影响和相对贡献，研究成果对于理解全球陆地NPP变化的复杂机制具有重要意义。