XiaoMi-AI文件搜索系统
World File Search System最小化
最小化农业供应链中碳足迹的策略：利用可持续实践和新兴技术
本文介绍了将农业供应链中的碳足迹最小化的策略，重点是可持续实践和新兴技术。主要目的是探索采用可持续农业技术，可再生能源和精确农业的采用如何显着减少碳排放并增强农业中的环境管理。讨论的关键策略包括实施有机农业实践，避免综合投入并增强土壤健康和农业限制，这将树木整合到农业系统中，以隔离碳和支持生物多样性。使用可再生能源（例如太阳能，风能和沼气）的使用在减少化石燃料和降低温室气体排放方面的作用。精确的农业技术，包括GPS和IoT传感器，以优化资源使用和减少浪费的能力而被突出显示。此外，本文还涵盖了碳跟踪和管理技术的进步，这些技术提供了准确的排放量和报告，以及旨在最大程度地降低运输和包装的环境影响的可持续物流和包装实践。这一发现强调了整合这些策略不仅有助于大幅减少碳排放量，还为提高农业供应链的效率和可持续性提供了机会。本文以对行业利益相关者的影响结束，强调需要继续创新和政策支持，以推动对这些实践和技术的广泛采用。通过采用这些策略，农业部门可以在减轻气候变化并促进更可持续的未来方面取得重大进展。
管壳式潜热储能设计方法，包括材料选择、储能性能评估和成本最小化
摘要：壳管式潜热储能装置采用相变材料在几乎恒定的温度下储存和释放热量，具有高传热效率以及高充电/放电功率。尽管许多研究已经通过模拟和实验研究调查了材料配方、传热，但专门针对储能装置设计方法的研究却非常有限。本研究提出了一种综合方法，包括使用多属性决策和多目标决策工具进行材料评估、epsilon-NTU 方法以及使用遗传算法进行成本最小化。该方法通过一系列实验结果得到验证，并应用于太阳能吸收式制冷机应用的储能装置的优化。据报道，单位成本低至 8396 美元/单位，功率为 1.42 千瓦。该方法被证明是一种高效、可靠且系统的工具，可在进行计算流体动力学或详细实验研究之前完成壳管式 LHTES 的初步设计。
使用拉普拉斯正则化 Schatten p范数最小化从头预测药物-靶标相互作用
在制药科学中，药物发现的一个关键步骤是识别药物-靶标相互作用 (DTI)。然而，只有一小部分 DTI 经过了实验验证。此外，通过传统的生化实验来捕捉药物和靶标之间的新相互作用是一个极其费力、昂贵且耗时的过程。因此，设计用于预测潜在相互作用的计算方法来指导实验验证具有实际意义，特别是对于从头情况。在本文中，我们提出了一种新算法，即拉普拉斯正则化的 Schatten p 范数最小化 (LRSpNM)，用于预测新药物的潜在靶标蛋白和没有已知相互作用的新靶标的潜在药物。具体而言，我们首先利用药物和靶标相似性信息来动态地预填充部分未知的相互作用。然后基于相互作用矩阵低秩的假设，我们使用 Schatten p 范数最小化模型结合拉普拉斯正则化项来提高新药/新靶点案例的预测性能。最后，我们通过一种高效的交替方向乘子算法对 LRSpNM 模型进行数值求解。我们在五个数据集上评估了 LRSpNM，大量的数值实验表明 LRSpNM 比五种最先进的 DTI 预测算法具有更好、更稳健的性能。此外，我们对新药和新靶点预测进行了两个案例研究，这表明 LRSpNM 可以成功预测大多数经过实验验证的 DTI。
评估海上风电开发的影响：通过监管流程最小化扇贝渔业经济风险的分析
摘要自 2016 年美国首个海上风电场在罗得岛海岸开始运营以来，海上风能已成为美国清洁能源的一种来源。海上风电的出现增加了管理跨多个利益相关者群体的海洋使用的需要，这是一个困难且有争议的过程。我们使用 15 年的扇贝 (Placopecten magellanicus) 渔业数据来描述海上风电如何使美国最有价值的商业渔业之一面临经济风险。我们的分析表明，目前美国东北海岸已获批准的海上风电租赁区的配置预计不会给扇贝渔业带来太大的经济风险。我们还通过两个案例研究描述受影响活动的变化，说明了衡量的发展过程（其中包括充足的利益相关者参与机会）如何通过最小化或避免风险来减轻风险。我们发现，在中大西洋 (CA) 地区的三个扇贝船队业务中，风险缓解程度均达到中等到较高水平。相比之下，纽约湾 (NYB) 地区的暴露缓解措施变化较大，这表明纽约湾的缓解方法对扇贝渔业的有效性不如 CA。开放式开发流程允许利益相关者早期参与，通过批准在利用率较低或产量较低的扇贝捕捞区开展海上风电开发，在很大程度上减轻了海上风电对扇贝产业的潜在经济风险。
Lyapunov引导的深度加强学习，用于语义意识到的AOI最小化，在UAV辅助无线网络中
摘要 - 该论文研究了一个无人驾驶汽车（UAV）辅助语义网络，地面用户（GUS）通过无人机的继电器定期将传感信息定期捕获到基站（BS）。GUS和UAV都可以从大型原始数据中提取语义信息，并将其传输到BS以恢复。较小尺寸的语义信息可降低延迟并改善信息新鲜度，而较大尺寸的语义信息可以在BS上进行更准确的数据重建，从而保留原始信息的价值。我们引入了一种新颖的语义感知年龄（SAOI）度量，以捕获信息的新鲜度和语义重要性，然后通过共同优化UAV-GU关联，语义提取，以及UAV的轨迹来提出时间平均的SAOI最小化问题。我们通过Lyapunov框架将原始问题分解为一系列子问题，然后使用层次深度强化学习（DRL）来解决每个子问题。具体来说，UAV-GU关联由DRL确定，然后是更新语义提取策略和无人机部署的优化模块。仿真结果表明，层次结构提高了学习效率。此外，它通过语义提取可实现较低的AOI，同时确保最小的原始信息丢失，表现优于现有基准。
儿童2-6岁儿童的血糖结局在儿科最小化期间患有1型糖尿病； 670g系统试验
1。在青年研究小组中寻找糖尿病的写作小组，Dabelea D，Bell RA等。美国青年糖尿病的发生率。JAMA。 2007; 297（24）：12716-12724。 2。 Hamman RF，Bell RA，Dabelea D等。 在青年研究中寻找糖尿病：基本原理，发现和未来的方向。 糖尿病护理。 2014; 37（12）：3336-3344。 3。 Foster NC，Beck RW，Miller KM等。 2016 - 2018年T1D交易所的1型糖尿病和结果的状态。 diabetes技术。 2019; 21（2）：66-72。 4。 DOVC K，Boughton C，Tauschmann M等。 幼儿的胰岛素需求差异更高：混合闭环胰岛素输送过程中的观察结果。 糖尿病护理。 2019; 42（7）：1344-1347。 5。 Streisand R，Monaghan M.患有1型糖尿病的幼儿：挑战，研究和未来方向。 Curr Diab Rep。 2014; 14（9）：520。 6。 儿童网络研究小组中的糖尿病研究小组，Tsalikian E，Tamborlane W等。 对患有1型糖尿病的幼儿和青少年的低血糖反应对低血糖的反调节激素反应。 糖尿病护理。 2009; 32（11）：1954-1959。 7。 Szypowska A，Schwandt A，Svensson J等。 1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。 儿科糖尿病。 2016; 17（23）：38-45。 8。 n Engl J Med。 9。JAMA。2007; 297（24）：12716-12724。 2。 Hamman RF，Bell RA，Dabelea D等。 在青年研究中寻找糖尿病：基本原理，发现和未来的方向。 糖尿病护理。 2014; 37（12）：3336-3344。 3。 Foster NC，Beck RW，Miller KM等。 2016 - 2018年T1D交易所的1型糖尿病和结果的状态。 diabetes技术。 2019; 21（2）：66-72。 4。 DOVC K，Boughton C，Tauschmann M等。 幼儿的胰岛素需求差异更高：混合闭环胰岛素输送过程中的观察结果。 糖尿病护理。 2019; 42（7）：1344-1347。 5。 Streisand R，Monaghan M.患有1型糖尿病的幼儿：挑战，研究和未来方向。 Curr Diab Rep。 2014; 14（9）：520。 6。 儿童网络研究小组中的糖尿病研究小组，Tsalikian E，Tamborlane W等。 对患有1型糖尿病的幼儿和青少年的低血糖反应对低血糖的反调节激素反应。 糖尿病护理。 2009; 32（11）：1954-1959。 7。 Szypowska A，Schwandt A，Svensson J等。 1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。 儿科糖尿病。 2016; 17（23）：38-45。 8。 n Engl J Med。 9。2007; 297（24）：12716-12724。2。Hamman RF，Bell RA，Dabelea D等。 在青年研究中寻找糖尿病：基本原理，发现和未来的方向。 糖尿病护理。 2014; 37（12）：3336-3344。 3。 Foster NC，Beck RW，Miller KM等。 2016 - 2018年T1D交易所的1型糖尿病和结果的状态。 diabetes技术。 2019; 21（2）：66-72。 4。 DOVC K，Boughton C，Tauschmann M等。 幼儿的胰岛素需求差异更高：混合闭环胰岛素输送过程中的观察结果。 糖尿病护理。 2019; 42（7）：1344-1347。 5。 Streisand R，Monaghan M.患有1型糖尿病的幼儿：挑战，研究和未来方向。 Curr Diab Rep。 2014; 14（9）：520。 6。 儿童网络研究小组中的糖尿病研究小组，Tsalikian E，Tamborlane W等。 对患有1型糖尿病的幼儿和青少年的低血糖反应对低血糖的反调节激素反应。 糖尿病护理。 2009; 32（11）：1954-1959。 7。 Szypowska A，Schwandt A，Svensson J等。 1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。 儿科糖尿病。 2016; 17（23）：38-45。 8。 n Engl J Med。 9。Hamman RF，Bell RA，Dabelea D等。在青年研究中寻找糖尿病：基本原理，发现和未来的方向。糖尿病护理。2014; 37（12）：3336-3344。 3。 Foster NC，Beck RW，Miller KM等。 2016 - 2018年T1D交易所的1型糖尿病和结果的状态。 diabetes技术。 2019; 21（2）：66-72。 4。 DOVC K，Boughton C，Tauschmann M等。 幼儿的胰岛素需求差异更高：混合闭环胰岛素输送过程中的观察结果。 糖尿病护理。 2019; 42（7）：1344-1347。 5。 Streisand R，Monaghan M.患有1型糖尿病的幼儿：挑战，研究和未来方向。 Curr Diab Rep。 2014; 14（9）：520。 6。 儿童网络研究小组中的糖尿病研究小组，Tsalikian E，Tamborlane W等。 对患有1型糖尿病的幼儿和青少年的低血糖反应对低血糖的反调节激素反应。 糖尿病护理。 2009; 32（11）：1954-1959。 7。 Szypowska A，Schwandt A，Svensson J等。 1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。 儿科糖尿病。 2016; 17（23）：38-45。 8。 n Engl J Med。 9。2014; 37（12）：3336-3344。3。Foster NC，Beck RW，Miller KM等。2016 - 2018年T1D交易所的1型糖尿病和结果的状态。diabetes技术。2019; 21（2）：66-72。 4。 DOVC K，Boughton C，Tauschmann M等。 幼儿的胰岛素需求差异更高：混合闭环胰岛素输送过程中的观察结果。 糖尿病护理。 2019; 42（7）：1344-1347。 5。 Streisand R，Monaghan M.患有1型糖尿病的幼儿：挑战，研究和未来方向。 Curr Diab Rep。 2014; 14（9）：520。 6。 儿童网络研究小组中的糖尿病研究小组，Tsalikian E，Tamborlane W等。 对患有1型糖尿病的幼儿和青少年的低血糖反应对低血糖的反调节激素反应。 糖尿病护理。 2009; 32（11）：1954-1959。 7。 Szypowska A，Schwandt A，Svensson J等。 1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。 儿科糖尿病。 2016; 17（23）：38-45。 8。 n Engl J Med。 9。2019; 21（2）：66-72。4。DOVC K，Boughton C，Tauschmann M等。 幼儿的胰岛素需求差异更高：混合闭环胰岛素输送过程中的观察结果。 糖尿病护理。 2019; 42（7）：1344-1347。 5。 Streisand R，Monaghan M.患有1型糖尿病的幼儿：挑战，研究和未来方向。 Curr Diab Rep。 2014; 14（9）：520。 6。 儿童网络研究小组中的糖尿病研究小组，Tsalikian E，Tamborlane W等。 对患有1型糖尿病的幼儿和青少年的低血糖反应对低血糖的反调节激素反应。 糖尿病护理。 2009; 32（11）：1954-1959。 7。 Szypowska A，Schwandt A，Svensson J等。 1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。 儿科糖尿病。 2016; 17（23）：38-45。 8。 n Engl J Med。 9。DOVC K，Boughton C，Tauschmann M等。幼儿的胰岛素需求差异更高：混合闭环胰岛素输送过程中的观察结果。糖尿病护理。2019; 42（7）：1344-1347。 5。 Streisand R，Monaghan M.患有1型糖尿病的幼儿：挑战，研究和未来方向。 Curr Diab Rep。 2014; 14（9）：520。 6。 儿童网络研究小组中的糖尿病研究小组，Tsalikian E，Tamborlane W等。 对患有1型糖尿病的幼儿和青少年的低血糖反应对低血糖的反调节激素反应。 糖尿病护理。 2009; 32（11）：1954-1959。 7。 Szypowska A，Schwandt A，Svensson J等。 1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。 儿科糖尿病。 2016; 17（23）：38-45。 8。 n Engl J Med。 9。2019; 42（7）：1344-1347。5。Streisand R，Monaghan M.患有1型糖尿病的幼儿：挑战，研究和未来方向。Curr Diab Rep。2014; 14（9）：520。6。儿童网络研究小组中的糖尿病研究小组，Tsalikian E，Tamborlane W等。对患有1型糖尿病的幼儿和青少年的低血糖反应对低血糖的反调节激素反应。糖尿病护理。2009; 32（11）：1954-1959。 7。 Szypowska A，Schwandt A，Svensson J等。 1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。 儿科糖尿病。 2016; 17（23）：38-45。 8。 n Engl J Med。 9。2009; 32（11）：1954-1959。7。Szypowska A，Schwandt A，Svensson J等。1型糖尿病儿童中的胰岛素泵治疗：来自甜食的数据分析。儿科糖尿病。2016; 17（23）：38-45。 8。 n Engl J Med。 9。2016; 17（23）：38-45。8。n Engl J Med。9。Bergenstal RM，Tamborlane WV，Ahmann A等。1型糖尿病中传感器增强胰岛素泵疗法的有效性。2010; 363（4）：311-320。Slover RH，Welsh JB，Criego A等。在Star 3研究中，传感器式泵疗法在儿童和青少年中具有1型diabetes的泵治疗的有效性。儿科糖尿病。2012; 13（1）：6-11。10。Dimeglio LA，Acerini CL，Codner E等。ISPAD临床实践Con-Sensus指南2018：儿童，青少年和糖尿病年轻人的血糖控制靶标和葡萄糖监测。 儿科糖尿病。 2018; 19（27）：105-114。ISPAD临床实践Con-Sensus指南2018：儿童，青少年和糖尿病年轻人的血糖控制靶标和葡萄糖监测。儿科糖尿病。2018; 19（27）：105-114。2018; 19（27）：105-114。
在美国低碳电力系统中以系统成本最小化的方式部署光伏-风电混合能源
太阳能光伏 (PV) 和风能装置的混合使用有可能通过共享支线容量和其他互连成本组件来降低传输成本。许多研究都逐个站点评估了混合使用的机会，但尚未捕捉到光伏-风能混合使用对整个电力系统发展和系统成本的影响。在这里，我们使用高分辨率全国性容量扩张模型来探索在 2040 年实现零碳电力结构的情景下，在美国各地部署光伏-风能混合系统以最小化电力系统成本。虽然混合使用带来的总体系统成本节省相对较小——假设基线互连成本约为 0.8%，互连成本高的敏感度情况小于 2%——但当允许混合使用时，部署模式会发生显着变化。光伏发电容量通常会迁移到已经部署了风电容量和相关互连容量的地点，随着互连成本的上升，标称光伏和风电容量相对于互连点容量的“过度建设”现象也随之增加。在美国模拟的零碳电力系统中，大约有 300 千兆瓦 (GW) 的互连点容量（超过 500 GW 的标称光伏和风电容量）部署在混合设施中，光伏：风电容量比率在 1:3 和 3:1 之间
市政固体废物评价与选择的可信度TOPSIS模型
标准 标准名称 类型 𝑪𝟏 技术可靠性 最大化 𝑪𝟐 可行性 最大化 𝑪𝟑 废料分离 最大化 𝑪𝟒 废物回收 最大化 𝑪𝟓 能量回收 最大化 𝑪𝟔 每吨净成本 最小化 𝑪𝟕 空气污染控制 最小化 𝑪𝟖 排放水平 最小化 𝑪𝟗 地表水分散排放 最小化 𝑪𝟏𝟎 员工人数 最小化
审查废物处置税的有效性
一半的征费资金将用于领土当局（城市和区议会），用于促进或实现其废物管理和最小化计划中规定的废物最小化活动。剩余的征收资金（减去管理费用）用于促进或实现浪费最小化的项目。这些项目通常通过废物最小化基金（WMF）和塑料创新基金（PIF）资助。