基于物联网、大数据、云平台的社区风险源的评估，日常监控和处置，采用物联网+运行服务的商业模式。需要相关大数据计算和云平台技术研究及支撑。

本发明涉及一种基于Labview的磨削工艺系统振动测试综合试验平台，包括工作台振动测试系统和磨削电主轴振动测试系统，两者相对布设，且通过Labview模块程序与信号采集系统的结合实现信号的采集、分析和输出功能；本发明解决不同转速及不同负载工况下磨削电主轴振动特性难题，并通过设计可调节电涡流传感器安装支架，实现磨削工艺系统振动测试综合试验，包括进给系统及磨削电主轴系统，可考虑进给工作台的振动与磨削电主轴振动的相互作用及其对磨削工艺的稳定性及效率的影响，是实验分析结果符合现实工艺生产。

该原型车是基于实车底盘和车架开发的；可以在加装相应传感器、执行器、ECU、软件等后实现特定场地下的无人驾驶；以及对各系统单元（ECU）进行实验、测试、分析与改进，开放相关ECU原理图、源代码，可进行二次开发。

为学生提供一个能够自主设计，安装调试进行验证的平台，把机械装置与电气控制有机的进行结合，使学生得到了综合训练，可以全面熟悉电、液、气各类驱动的性能及相关控制方法。 平台特点：(1) 提供电、液、气三类驱动机；(2) 集机械方案设计级组装于一体；(3) 综合了机械和电控的知识于一个平台。

产品详细介绍南京诺旭微光电有限公司最新研制的MS7050，MS1010显微镜电动载物台，可用在Nikon，leica，Zeiss，Olympus等显微镜上。适用品牌/机型：Nikon：E400/E200/E100/Lv100D/MA200/MA100/TME200/80i/50i等！Leica：DMLM/DM1000/DM2500/DM4000/DM6000/DMILM等Olympus：CX41/BX41/BX51/BX61/MX51/MX61等国产品牌：L2003/XS402/XJG-6A等 MS系列电动显微镜载物台主要特点： 1． 良好的互换性：MS系列显微镜电动载物台具有良好的互换性，无需对显微镜进行打孔等破坏性工作，即可方便地安装在Nikon、Leica、Zeiss、Olympus、江南等各种型号的显微镜上；2． 国际流行造型：平台造型美观大方，表面采用Nikon显微镜最新流行工艺（石墨处理），可与进口显微镜相配接而毫不逊色;3． 自动控制：计算机软件系统可通过RS232接口控制平台移动和Z方向聚焦，实现多视场自动移动和自动聚焦功能，并可通过软件实现大图拼接、景深扩展、远程控制自动控制功能等；4． 电动控制：可通过操纵杆方便地进行全自动显微镜物台的移动和聚焦，便于用户安装试样和调整位置；5． 手动控制：除了电动控制和计算机控制外，载物台提供手动旋钮，供用户手动控制，尊重用户使用习惯；6． 限位装置：物台移动两端，配备了性能优良的限位装置，保证物台的安全7． 更多详情请登录www.nuoxu-v.cn 或者来电咨询025-85334943 

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。