郭睿
- 作品数：18 被引量：15H指数：2
- 供职机构：清华大学更多>>
- 发文基金：国家自然科学基金北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学电子电信环境科学与工程更多>>
- 积极消极共情量表与一般共情量表中文版的修订被引量：5
- 2022年
- 目的:修订积极消极共情量表(PaNES)和一般共情量表(GES)中文版,并检验其信效度。方法:预先在成人样本1(n=264)和2(n=220)中进行通俗度检验,对量表进行调整;正式量表先后在样本3(n=265)进行项目分析、探索性因子分析,样本4(n=245)进行验证性因子分析,样本5(n=220)进行内部一致性信度和效标关联效度(积极共情量表、人际反应指数量表、正性负性情绪量表拓展版、亲社会倾向量表)分析,其中部分样本(n=60)进行了间隔两周的重测信度分析。结果:最终版的积极消极共情量表中文版包括14个条目,可分为积极共情和消极共情两因素,主要拟合指标良好,总量表Cronbach’s α系数为0.882,重测信度系数为0.704;一般共情量表6条目,分为情感维度和认知维度,两因素模型拟合良好,总量表Cronbach’s α系数为0.781,间隔2周重测信度系数为0.581;量表具有良好的效标关联效度。结论:积极消极共情量表和一般共情量表具有良好的信度和效度,可以作为测量中国成人共情的可靠工具。
- 郭睿郭睿张英俊伍珍樊富珉
- 关键词：信度
- 基于监督下降方法的大地电磁反演方法及系统
- 本发明公开了一种基于监督下降方法的大地电磁反演方法及系统，其中，该方法将大地电磁数据反演分为线下训练与线上预测两个阶段。在线下训练阶段，通过先验信息构建训练集，根据训练集构建目标函数，然后用迭代方法极小化训练目标函数，得...
- 李懋坤郭睿杨帆许慎恒
- 文献传递
- 基于子区域编码的深度学习大地电磁数据反演方法与装置
- 本发明公开了基于子区域编码的深度学习大地电磁数据反演方法与装置，该方法包括：将大地电磁数据的反演区域划分为多个编码子区域；根据多个编码子区域的先验信息构建训练数据集；利用训练数据集训练深度学习模型生成有先验区域的编码，并...
- 李懋坤周虹宇郭睿杨帆许慎恒
- 基于图像压缩的三维微波脑成像方法与装置
- 本发明公开了基于图像压缩的三维微波脑成像方法与装置，该方法包括：基于微波脑成像使用环绕在人脑周围的三维天线阵列发射微波对脑探测，首先训练深度神经网络实现人脑介电常数二维断面图像的编码和解码，进而用连续断面的隐空间参数表示...
- 李懋坤郭睿林智超杨帆许慎恒
- 基于深度学习的大地电磁-地震波初至时联合反演方法
- 本申请公开了一种基于深度学习的大地电磁‑地震波初至时联合反演方法，其中，方法包括：通过深度神经网络训练电阻率模型与速度模型的映射；根据神经网络的输出得到大地电磁或地震波初至时反演的参考模型；交替更新电阻率或速度，并通过参...
- 李懋坤郭睿杨帆许慎恒
- 文献传递
- 基于码密度校准方法的流水线模数转换器设计
- 郭睿
- 关键词：流水线ADC电容失配
- 基于深度学习的大地电磁数据静位移校正方法及装置
- 本申请提出一种基于深度学习的大地电磁数据静位移校正方法和装置，其中，方法包括：获取先验信息，根据先验信息构建训练集，获取训练集，根据训练集设计深度神经网络，构建训练深度神经网络的目标函数，通过优化算法最小化训练目标函数，...
- 李懋坤郭睿周虹宇杨帆许慎恒
- 基于深度学习的大地电磁-地震波初至时联合反演方法
- 本申请公开了一种基于深度学习的大地电磁‑地震波初至时联合反演方法，其中，方法包括：通过深度神经网络训练电阻率模型与速度模型的映射；根据神经网络的输出得到大地电磁或地震波初至时反演的参考模型；交替更新电阻率或速度，并通过参...
- 李懋坤郭睿杨帆许慎恒
- 基于深度学习的大地电磁数据静位移校正方法及装置
- 本申请提出一种基于深度学习的大地电磁数据静位移校正方法和装置，其中，方法包括：获取先验信息，根据先验信息构建训练集，获取训练集，根据训练集设计深度神经网络，构建训练深度神经网络的目标函数，通过优化算法最小化训练目标函数，...
- 李懋坤郭睿周虹宇杨帆许慎恒
- 文献传递
- 新型冠状病毒肺炎疫情对中国2020年碳排放的影响被引量：10
- 2021年
- 中国的二氧化碳减排工作一直承受着国际社会的压力.新型冠状病毒肺炎疫情(COVID-19,简称"新冠疫情")对全球碳排放产生了显著影响.准确估算新冠疫情对中国二氧化碳排放量及其排放趋势的影响,对评估中国对全球变化的贡献有重要意义.本研究系统构建了基于活动数据的中国省级日碳排放数据库,对涵盖了化石燃料燃烧和水泥生产造成的所有人为源二氧化碳排放进行定量化的动态评估.本研究发现中国各省的碳排放在新冠疫情期间受到不同程度的影响.江苏、湖北和浙江三省的碳排放受疫情影响最严重,其碳排放减少量分别占总排放减少量的19.4%、17.0%和12.5%.青海省和西藏自治区受疫情的影响最小.从排放部门方面看,电力部门是多数省份减排量的主要贡献源,对于湖北、重庆、青海和福建等省份,工业部门是碳减排的主要贡献源.对于北京、天津这样的大城市以及四川和黑龙江两省,新冠疫情对交通部门的减排作用最显著.从疫情对碳排放的时间影响看,江苏省的碳排放在2020年1和2月份下降最多,3月份之后,湖北省的碳排放减少量最为突出.而宁夏回族自治区、新疆维吾尔自治区、福建省、陕西省和云南省受疫情影响较小的地区3月份的碳排放已经率先恢复到2019年同期水平.进入4月份,除湖北省的碳排放相比2019年同期下降4.9 Mt二氧化碳外,其他省份均接近或已经恢复到2019年同期水平.
- 刘竹崔夺邓铸汪宜龙钟海旺乐旭张宁陈彬任小波魏伟吕永龙姜克隽窦新宇朱碧青郭睿孙韬淳柯丕煜关大博宫鹏
- 关键词：全球变化
