翟继先课题组此次发布的数据库（Arabidopsis RNA-seq database, ARS）整合了来自GEO、SRA、ENA和DDBJ数据库的20,068个拟南芥RNA-seq数据，提供了“Google-style”在线查询工具。该研究对所有文库进行了基因表达水平定量和共表达网络分析，并将所有文库进行分类，总共涉及1176个突变体、1102种处理条件、12个组织和176个发育时期，同时也对突变体和处理条件分别同对应的对照组进行差异表达分析。

清华大学地球系统科学系举行新一代地球观测数据与制图成果发布会。清华大学理学院院长、地学系主任宫鹏教授和博士研究生刘涵一起，对外发布了清华大学基于亚马逊云服务（AWS）完成的新一代中国地区地球观测数据集（Seamless Data Cube，简称SDC）——2000——2018年30米分辨率逐日无缝遥感观测数据，以及在此基础上研制的中国逐季节地表覆盖和逐年土地利用制图成果。 清华大学新研制的无缝数据集，填补了高空间分辨率和时间频率观测的空白。 目前世界上主流的地球观测卫星Landsat每16天才能对全球扫描一遍，所获得的数据集是不完整的。宫鹏团队采用时空遥感技术手段和MODIS图像辅助研发的无缝遥感观测数据集Seamless Data Cube，使得每一天都有一套完整的全球30米分辨率的观测数据。正是这些逐日数据，使得地球长时间观测序列有了很好的时空一致性。基于无缝数据集，宫鹏团队提取了30米空间分辨率土地覆盖变化的情况，设计和训练了一套适应遥感大数据的深度遥感特征学习和分类模型，最终得到了世界首套中国逐季节土地覆盖和逐年土地利用制图（从2000年到2018年）。 无缝遥感观测数据集SDC以及逐季节土地覆盖和逐年土地利用制图，开辟了中国卫星遥感数据处理和信息提取的新范式。它能够服务于国民经济众多行业，比如农业集约化和土地闲置的监测、城市化与自然植被丧失的识别、土地退化和粮食安全、环境变化与健康、造林和土壤含水量的关系、城市扩张与热岛效应等研究以及碳储备等。 无缝遥感观测数据集SDC有助于打造世界顶级的在线制图服务的平台，并产生新的数据产品。例如，清华大学地学系依靠这个数据集研发了全球粮食估产模型，输入不同地方的作物种植和气候预测数据，就可以提前两个月估算出全球粮食产量情况。 无缝遥感观测数据集（Seamless Data Cube）得到了亚马逊云服务（AWS）的大力支持。据AWS技术人员介绍，宫鹏团队采用AWS云服务算力，相当于全世界现在TOP200的高性能计算机所能提供的能力。AWS并不简单地提供储存和数据服务，而是在云服务里就包括了人工智能与机器学习的计算框架，采用AWS云服务后，地表覆盖制图的精度提高了10——20%。

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。

本发明公开了一种在 P2P-CDN 混合视频点播网络中的性能测试 方法，属于视频点播技术领域。本发明包括：客户端的设计和实施、 分布式行为估计。本发明将播放缓冲分为三个流机器，管理者按照流 机器的任务处理权限的来依次分配任务实现任务窗口的管理，同时利 用 rCDN 窗口长度灵活伸缩和三个流机器重新加入的机制来模拟客户 端的暂停和拖拽，最后提出了集中式的控制机制为提前离开的客户端 选择合适的替代者。本发明提供了在大规模、真实环境下的性能测试 方法，降低了在视频点播网络中的视频缓冲时间，为用户提供稳定性 能和可靠服务

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.