产品详细介绍Enlogic的EN2000 系列产品---IRMC级别测量，输出端口可开断系列将电能测量，功率和环境监测与远程控制输出端口开/断技术有机结合在一起，实现了保护和管理您的机柜环境的功能。输出端口上电顺序开启能防止浪涌电流造成的危害并允许用户自定义设备的启动顺序及延时。远程开/端控制技术允许授权用户远程控制设备，可通过关闭空载的输出端口实现机柜电源的管理。 计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。 持续地为IRMC每相的输入电源和断路器提供实时监测。该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%每相输入电流：: 32APhase Type: 1-phase最大输入功率(kVA)：: 7.68输入频率(Hz)：: 50输入插头类型：: IEC309 332P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 22IEC C13 输出端口数：: 18Total # of IEC C19 Outlets: 2CEE7/5 输出端口总数：: 2内置断路器的数量：: 2断路器类型: 1-pole hydraulic-magnetic每个断路器的最大输出电流(A)：: 16每个输出端口的最大电流：: (C13)10A, (C19)16A, (CEE 7/5)16A物理尺寸长,mm：: 1730 mm深,mm：: 50 mm宽,mm：: 55 mm外壳颜色:: Black环境要求：可运行温度：: -5 to 55°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsUL: 否EMC: 是安全认证：:环境认证::

产品详细介绍Enlogic的EN2000 系列产品---IRMC级别测量，输出端口可开断系列将电能测量，功率和环境监测与远程控制输出端口开/断技术有机结合在一起，实现了保护和管理您的机柜环境的功能。输出端口上电顺序开启能防止浪涌电流造成的危害并允许用户自定义设备的启动顺序及延时。远程开/端控制技术允许授权用户远程控制设备，可通过关闭空载的输出端口实现机柜电源的管理。 计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。 持续地为IRMC每相的输入电源和断路器提供实时监测。该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%每相输入电流：: 32APhase Type: 1-phase最大输入功率(kVA)：: 7.68输入频率(Hz)：: 50输入插头类型：: IEC309 332P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 22IEC C13 输出端口数：: 18Total # of IEC C19 Outlets: 4内置断路器的数量：: 2断路器类型: 1-pole hydraulic-magnetic每个断路器的最大输出电流(A)：: 16每个输出端口的最大电流：: (C13)10A, (C19)16A物理尺寸长,mm：: 1730 mm深,mm：: 50 mm宽,mm：: 55 mm外壳颜色:: Black环境要求：可运行温度：: -5 to 55°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsUL: 否EMC: 是安全认证：:环境认证::

产品详细介绍Enlogic的EN1000 系列产品---IRMC级别测量系列涵盖了电能测量，功率和环境监测的功能。计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。持续的为IRMC每相的输入电源和断路器提供实时监测，该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%每相输入电流：: 16APhase Type: 1-phase最大输入功率(kVA)：: 3.84输入频率(Hz)：: 50输入插头类型：: IEC309 316P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 24IEC C13 输出端口数：: 24每个输出端口的最大电流：: 10A物理尺寸长,mm：: 1065 mm深,mm：: 44 mm宽,mm：: 55 mm外壳颜色:: Black环境要求：可运行温度：: -5 to 60°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsUL: 否EMC: 是安全认证：:环境认证::

北京师范大学环境学院梁赛教授课题组研究成果在《自然》子刊《自然·食品》（Nature Food）以研究论文形式在线发表（Network resilience of phosphorus cycling in China has shifted by natural flows, fertilizer use and dietary transitions between 1600 and 2012）。该研究分析了1600-2012年间中国磷循环网络的韧性，研究结果表明，受自然流动、化肥使用和饮食转变的影响，近几十年中国磷循环网络的韧性呈下降趋势。 磷元素是人类生存和生态系统运转所需要的一种必要营养元素。对人类和生态系统而言，磷循环网络在遭受外部冲击时仍能持续保障磷供给的能力（即韧性）至关重要。已有研究主要通过磷元素代谢路径分析来研究磷资源使用和磷排放问题，较少关注磷循环网络的韧性。本研究首次综合运用生态网络分析等方法，对1600-2012年间中国磷循环网络的韧性进行了测度研究与影响因素分析。 结果表明：为满足中国不断增长的食品消费总量和结构的需求，中国磷循环网络从由土壤自然磷流主导转变为由化肥生产的工业磷流主导，并不断强化。这种变化降低了网络中的冗余路径，从而导致近几十年来磷循环网络的韧性呈下降趋势。城市化进程加剧了磷的单向流动，进一步降低了磷循环网络的韧性。特别是在2000-2012年间，由于人群饮食结构中动物性食物比重不断提高，磷循环网络的韧性下降了11%。如果按这种趋势继续发展，在社会环境的冲击和干扰下，磷供应会逐渐成为影响中国粮食安全的重要因素。 为提高磷循环网络的韧性，本研究提出减少食物损失和浪费、提高“农田到餐桌”食物供应链效率、减少化肥使用、提升磷循环率等措施，并进一步量化这些措施对磷循环网络韧性的提升程度。此外，本研究的框架和指标也适用于分析其他地区和资源的网络韧性，可以为全球可持续发展目标的实现提供科学依据。 本研究由北京师范大学和华东理工大学领衔，国际应用系统分析研究所、意大利欧洲-地中海气候变化中心和意大利威尼斯大学、美国陶森大学、捷克共和国马萨里克大学、美国密歇根大学、中山大学、清华大学、英国伦敦大学学院、广东工业大学等单位组成团队共同完成。北京师范大学梁赛教授和华东理工大学余亚东副教授为论文共同第一作者，北京师范大学梁赛教授、华东理工大学余亚东副教授和英国伦敦大学学院米志付研究员为论文的共同通讯作者。合作作者杨志峰院士对论文完成给予了重要指导。该研究得到国家自然科学基金等项目的资助。

本发明公开了一种基于神经网络的反演大气可降水量的MODIS模型改进方法，包括以下步骤：S1：利用MODIS三通道比值法反演大气可降水量PWV，记为PWVMODIS；S2：利用BP神经网络建立测站处的纬度φ、测站处的高程h、年积日doy、PWVMODIS与测站GPS/MODIS反演的PWV残差RES之间的非线性关系；S3：对BP神经网络模型进行训练；S4：将φ、h、doy以及PWVMODIS作为输入参数代入BP神经网络模型，并计算出GPS测站处PWV残差RESBP；S5：利用RESBP补偿PWVMODIS，获得大气可降水量PWV＝PWVMODIS+RESBP。本发明有效提高了建模精度。

项目成果/简介:本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法,旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题,属于茶叶储存时间分类领域.其原理利用电子鼻传感器模拟人感官品评的功能和特征,采集不同时间不同传感器的特征值,构建样本集.利用果蝇算法优化广义回归神经网络,获得广义神经网络的平滑因子,进而构建毛峰茶叶储存时间的FOAGRNN分类模型和方法.本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中,提高预测毛峰茶叶储存时间分类的效率和准确度,为消费者提供茶叶储存时间分类的有效方法.

北京师范大学环境学院梁赛教授课题组研究成果在《自然》子刊《自然·食品》（Nature Food）以研究论文形式在线发表（Network resilience of phosphorus cycling in China has shifted by natural flows, fertilizer use and dietary transitions between 1600 and 2012）。该研究分析了1600-2012年间中国磷循环网络的韧性，研究结果表明，受自然流动、化肥使用和饮食转变的影响，近几十年中国磷循环网络的韧性呈下降趋势。 磷元素是人类生存和生态系统运转所需要的一种必要营养元素。对人类和生态系统而言，磷循环网络在遭受外部冲击时仍能持续保障磷供给的能力（即韧性）至关重要。已有研究主要通过磷元素代谢路径分析来研究磷资源使用和磷排放问题，较少关注磷循环网络的韧性。本研究首次综合运用生态网络分析等方法，对1600-2012年间中国磷循环网络的韧性进行了测度研究与影响因素分析。 结果表明：为满足中国不断增长的食品消费总量和结构的需求，中国磷循环网络从由土壤自然磷流主导转变为由化肥生产的工业磷流主导，并不断强化。这种变化降低了网络中的冗余路径，从而导致近几十年来磷循环网络的韧性呈下降趋势。城市化进程加剧了磷的单向流动，进一步降低了磷循环网络的韧性。特别是在2000-2012年间，由于人群饮食结构中动物性食物比重不断提高，磷循环网络的韧性下降了11%。如果按这种趋势继续发展，在社会环境的冲击和干扰下，磷供应会逐渐成为影响中国粮食安全的重要因素。 为提高磷循环网络的韧性，本研究提出减少食物损失和浪费、提高“农田到餐桌”食物供应链效率、减少化肥使用、提升磷循环率等措施，并进一步量化这些措施对磷循环网络韧性的提升程度。此外，本研究的框架和指标也适用于分析其他地区和资源的网络韧性，可以为全球可持续发展目标的实现提供科学依据。 本研究由北京师范大学和华东理工大学领衔，国际应用系统分析研究所、意大利欧洲-地中海气候变化中心和意大利威尼斯大学、美国陶森大学、捷克共和国马萨里克大学、美国密歇根大学、中山大学、清华大学、英国伦敦大学学院、广东工业大学等单位组成团队共同完成。北京师范大学梁赛教授和华东理工大学余亚东副教授为论文共同第一作者，北京师范大学梁赛教授、华东理工大学余亚东副教授和英国伦敦大学学院米志付研究员为论文的共同通讯作者。合作作者杨志峰院士对论文完成给予了重要指导。该研究得到国家自然科学基金等项目的资助。

本项目研发一种基于国际先进的微环流分析技术的原位水质监测系统，体积小，成本低，试剂损耗量较小，维护周期长。基于此仪器进行高密度水质监测网络的搭建，并通过无线技术将水质监测网络的数据上传到服务器，通过算法对数据进行分析，完成快速、准确的污染溯源，为水域污染的进一步防、治提供一种实时、有效的手段。

本发明公开了一种基于选择性隐朴素贝叶斯分类器的网络故障 诊断方法，包括：(1)从网络历史数据库中获取历史数据，包括症状变 量集以及故障类变量集；(2)构建选择性隐朴素贝叶斯分类器预测模型， 根据症状变量集中的每个症状变量确定对应的最相关症状变量集合； (3)所述选择性隐朴素贝叶斯分类器通过训练历史数据自动学习到分类 器参数；(4)进行故障诊断时，对测试数据利用上述选择性隐朴素贝叶 斯分类器进行估计得到对应最终的故障诊断结果。通过执行本发明中的网络故障诊断方法，有效解决了现有网络故障诊断中运算复杂度高、 网络诊断结果偏差大的问题，显著提高了网络诊断的准确性，在进一 步降低运算复杂度的同时，能够保持较好的学习能力及容错特性。