南方学院2007

一、简介：广州养和堂邓老凉茶连锁有限公司是广东新南方集团有限公司旗下机构，是按现代企简介：业运作模式组建的从事功能食品和养生保健品营销的企业。

通过建立完善的凉茶店连锁经营管理系统和客户服务系统，全面为邓老凉茶加盟店和消费者提供优质的产品和服务。

广州养和堂邓老凉茶连锁有限公司秉承“品质、服务、价值”之经营理念，展翅“养和”品牌之理想，始终坚持以科学组方、先进科技配合卓越服务，针对现代人的生活特点，依据广大消费者的需求制定标准化的服务程序，务求协各分店客户达到或超越经营目标，创造辉煌成绩。

二、内容摘要：消火不伤身。

相较于市面上其他凉茶，邓老凉茶“消火不伤身”的品牌形象更适合从事脑力劳动的消费群体（白领、大学生）。

三、调查背景: 2007 年3 月份在从化举行致胜计划会议，从人员、品牌、服务、发展、产品、促销、利润等七个方面确定了养和堂2007 年的行动计划，养和堂新一代品牌形象正式推出；中山大学南方学院位于从化温泉镇的一所高校,拥有一万左右的消费群体。

四、调查目的：我们小组通过一系列有条理的调查,了解消费者对邓老凉茶的了解程度和喜爱程度,而进行消费者购买行为分析,为邓老凉茶在学院进一步开拓市场打下坚实的基础。

调查对象：中山大学南方学院广大师生及职工五、调查对象六、调查方式及方法关于邓老凉茶消费者行为分析报告主要采用了问卷调查和消费者购买行为观察的方法.其中问卷调查向广大师生发布,客观地收集老师和学生对邓老凉茶的看法；其次购买行为观察是工作人员随机抽取一天到邓老凉茶铺面实时了解并记录消费者在购买过程中的行为. 七、分析研究方法 1.审核问卷检查问卷的问题有否重复或意思重叠,审核问卷的可执行性。

2.汇总整理对问卷和观察登记表中的数据进行处理和汇总整理。

3.统计分析对整理后的数据进行统计分析消费者行为产生的原因。

八、调查分析此次调查我们收到的问卷数是120 份,参与这次调查的主要是学校的学生.购买行为观察记录有20 名消费者. 根据调查报告和调查问卷分析，目前邓老凉茶种类有：清热解表茶滋阴降火茶薄荷绿茶沙参玉竹茶罗汉果茶茅根竹蔗水菊花雪梨茶苹果醋椰子汁酸梅汤草本含片密炼膏（一）消费者所以购买不同种类的凉茶,是因为：不同种类的凉茶都有自己各自独特的功效。

第29卷第8期2009年8月生态学报ACTA ECOLOG I C A SI N I C A V o.l 29,N o .8Aug .,2009htt p ://www .ecologica .cn基金项目:国家 十一五 科技支撑计划资助项目(2006BAD03A140301)收稿日期:2009 01 22; 修订日期:2009 03 18致谢:江苏省大丰林场对本研究给予支持,特此致谢。

*通讯作者C orres pond i ng author .E m ai:l z hang8811@njfu .edu .c n 苏北淤泥质海岸典型防护林地土壤呼吸及其温度敏感性孔雨光1,张金池1,*,王因花2,张东海1,储冬生3,陶宝先1(1.南京林业大学森林资源与环境学院江苏省林业生态工程重点实验室,南京 210037; 2.南京林业大学南方学院,南京 210037;3.江苏省大丰林场,盐城 224100)摘要:土壤呼吸及其温度敏感性研究是准确估计陆地生态系统碳平衡对未来气候变化响应的基础。

我国漫长的淤泥质海岸有着大面积的防护林,其碳汇服务功能是一个非常值得研究的科学问题,因此,对淤泥质海岸防护林生态系统土壤呼吸及其温度敏感性的研究具有重要的意义。

研究采用碱液吸收法对苏北淤泥质海岸杨树P opulus tomen t o sa Carr .及水杉M et asequo ia g l yp tostroboi des H u&Cheng 两种典型海防林土壤呼吸及其温度敏感性进行了研究。

结果表明:杨树和水杉林地4~11月份土壤呼吸速率变化范围分别为337~732m gCO 2m -2h -1和257~821mgCO 2m -2h -1,呼吸通量分别为128.57gCO 2m -2和121.38gCO 2m -2。

杨树和水杉林地土壤呼吸速率季节变化均近似单峰曲线,最大值均出现在7月份,最小值分别出现在4月份和11月份。

南京林业⼤学：本⼀、本⼆选测科⽬等级为“BC”南京林业⼤学始建于1902年，⾄今已有百年历史。

是⼀所中央与地⽅共建并以地⽅管理为主，以⽣态环境建设和⽣物资源培育、保护与开发利⽤为特⾊，理、⼯、农、⽂、管、经、哲、法等多学科协调发展的研究教学型⼤学。

1.南京林业⼤学今年计划招⽣多少⼈？在江苏省招⽣有哪些批次？我校今年继续⾯向全国招⽣，招⽣计划6090⼈，其中江苏公办本科2568⼈，南⽅学院民办本科2090⼈。

在江苏招⽣批次分别有：公办艺术提前批本科，民办艺术提前批本科，第⼀批本科，第⼆批本科，第三批本科（民办本科）。

2.南京林业⼤学对江苏省考⽣的学业⽔平测试等级及选科有何要求？今年我校公办本科普通类专业对学业⽔平测试等级要求为“BC4C1合格”，即两门选测科⽬达BC，四门必测达C，技术课合格。

公办本科艺术类专业对学业⽔平测试等级要求为“4C”，即必测科⽬⾄少四门达C以上。

南⽅学院民办本科普通类专业对学业⽔平测试等级要求为两门选测科⽬达2C，四门必测达C，技术课合格。

民办本科艺术类专业对学业⽔平测试等级要求为“4C”，即必测科⽬⾄少四门达C以上。

学校部分专业有选科要求，⼯科性较强的专业要求学⽣选测物理，⽽⼈⽂类、经济类、设计类要求学⽣选测历史或物理。

3.贵校的品牌特⾊专业有哪些？我校被评为特⾊专业建设点的有园林、林产化⼯、⽊材科学与⼯程；江苏省品牌专业（建设点）的有：林学、⽊材科学与⼯程、轻化⼯程、森林⼯程、林产化⼯；江苏省特⾊专业（建设点）的有：园林、艺术设计、林产化⼯、机械设计制造及其⾃动化、⼟⽊⼯程、农林经济管理、⼯商管理、⼯程管理。

4.今年南京林业⼤学新增哪些专业与⽅向？我校今年新增了3个本科专业和3个专业⽅向，新增的本科专业是⼴播电视新闻学、材料化学、车辆⼯程；新增的3个专业⽅向分别为：⽊材科学与⼯程(胶粘剂与涂料⼯程)、计算机科学与技术（软件⼯程）、景观建筑设计(景观⼯程)。

5.近⼏年内学校毕业⽣就业情况如何？近⼏年来，我校本科毕业⽣就业率均在99%以上，⼀直位居江苏省⾼校前列。

天工｜2022年第32期作者简介：李聪聪（1992—），女，汉族，河南巩义人，硕士研究生在读，研究方向：中国画理论及技法。

*通讯作者：李彦昭（1963—），男，汉族，河南巩义人，博士研究生，副教授，研究方向：马克思主义中国化。

［摘 要］《富春山居图》作为中国水墨山水画拔群出萃之作，作为“画中之兰亭”，蕴含着博大精深的思想内容。

《富春山居图》融儒、释、道三家思想为一体，在表现形式上，三家思想分别体现在画面布局、笔墨关系以及意境等方面。

通过分析画面布局中蕴含的孔子儒家思想，笔墨中的干湿、浓淡、粗细和虚实变化，道家思想的阴阳论以及整幅画面所渲染的空寂意境中的佛教哲学思想，探究“儒释道”这三家思想在《富春山居图》中是如何实现三教合一的，从而表明“儒释道”对黄公望的影响。

［关键词］黄公望；儒释道；画面布局；阴阳；空寂［中图分类号］J212 ［文献标识码］ A ［文章编号］ 2095-7556（2022）32-0082-03 本文文献著录格式：李聪聪，李彦昭.“儒释道”三教合一经典之作《富春山居图》探析［J］.天工，2022（32）：82-84.李聪聪1 李彦昭2*1.贵州大学美术学院 2.广州南方学院马克思主义学院一《富春山居图》作者黄公望（1269—1354年），中国元代画家，原名陆坚，字子久，号大痴道人。

黄公望出生在南宋，蒙古族战败南宋之后建立了元代，在元代，汉人的社会地位最低，在官场上自然很难有机会崭露头角。

对于当时尚且年幼的黄公望而言，因深受儒家“积极入世”思想的影响并没有排斥元政权，相反怀揣着热切参政的欲望与远大的政治抱负，渴望能够在政治上一展身手，有一番作为。

然而，元朝前期废除了科举制度，南宋的汉人（以下简称南人）处于社会最底层，黄公望为南人，按规定不能当官，即使当吏也要依靠他人引荐。

黄公望在元代这种特殊的社会背景下并没有放弃仕途，而是到处结交文人，渴望他们能为自己提供帮助。

黄公望共有两次为吏的经历，最后一次被人牵连遭受牢狱之灾。

安庆石化生产实习报告学院：专业：学号：姓名：摘要本报告介绍了本次生产实习的内容，实习地点——安庆石化的基本情况，以及进厂需要注意安全生产知识。

详细记录了本次生产实习所参观和学习的部门，对炼油一部、炼油二部、腈纶部、化工部各个部门生产的产品，工艺流程以及技术条件都做了详细的描写，可以全面的了解安庆石化公司的生产设备和工艺路线。

在参观中，我们先在报告厅听资深工程师对每个部门生产设备，工艺路线，产品等做相信的介绍，然后再带着知识点和问题去参观生产现场，这样的学习模式，可以帮助我们更好的理解知识内容，对石化的生产设备和生产工艺有一个更深的印象和一个完整的理解，感谢安庆石化给了我们这次生产实习的机会！目录摘要 ............................................................................. (1)前言 ............................................................................. (3)一．实习内容说明 (4)二．实习单位简介 (4)三．安全要求 (5)四．实习内容 (5)（一）炼油一部 ...................................................................5 1.常减压装置 ............................................................................. (5)2.催化裂化.............................................................................. ............... 7 （二）炼油二部 .................................................................8 1.工业加氢 ............................................................................. . (8)2．焦化.............................................................................. .................. 9 （三）腈纶部...................................................................10 1.概述.............................................................................. (10)2.聚合.............................................................................. ..................... 113.脱单装置流程................................................................................... 11 （四）化工部 .................................................................12 1.概述 ............................................................................. (12)2.工艺流程简图.............................................................................. (12)3.反应工艺条件.............................................................................. (12)4.反应产物.............................................................................. . (13)5.吸收分离流程图...............................................................................136.丙烯腈装置原则流程图 (14)7注意事项.............................................................................. . (14)五．学习心得 (14)前言生产实习是化学工程与该工艺专业知识结构中不可缺少的组成部分，并作为一项独立的项目列入教学计划中的。

科技与创新｜Science and Technology & Innovation2024年第02期DOI：10.15913/ki.kjycx.2024.02.044基于机器学习的碳排放预测及SHAP特征分析王泽菡，陈丽娟，林心如（广州南方学院，广东广州510979）摘要：碳排放是中国乃至国际社会近年来关注的热点问题，一方面经济发展离不开碳排放，另一方面碳排放过量会使生态环境遭到破坏。

因此，对碳排放作出有效预测，有助于平衡生态环境与经济发展。

通过机器学习分析人口流动、温度、空气质量等特征并构建碳排放预测模型，同时引入SHAP（SHapley Additive exPlanations，夏普利值）解释模型与分析数据。

结果表明，人口流动与温度对碳排放有极大影响。

关键词：机器学习；碳排放；SHAP；预测中图分类号：TP181 文献标志码：A 文章编号：2095-6835（2024）02-0148-03随着中国经济的发展，化石能源使用量越来越大，导致碳排放量不断增加。

目前二氧化碳是导致全球变暖最主要的温室气体，严重威胁着地球上的人类和生物的生活环境。

二氧化碳是一种天然存在的气体，也是煤炭、天然气和石油等化石燃料燃烧的副产品[1-5]，森林砍伐、土地开发和其他工业过程也导致了二氧化碳排放量的增加。

为了有效地抑制碳排放，有必要分析碳排放的影响因素，并将其应用于碳排放的预测。

近10年间，机器学习（Machine Learning，ML）被广泛应用于气象、医疗、建筑等多个领域[6]，在碳排放预测中引入ML算法，能有效弥补传统算法构建复杂模型的不足。

机器学习已有许多算法模型，例如线性回归（Linear regression）、随机森林（Random Forest）、逻辑回归（Logistic Regression）、K-近邻（K-Nearest Neighbor）等在不同预测任务中有良好表现。

但由于ML算法普遍缺乏可解释性，导致人们无法信任其预测结果，严重阻碍了机器学习应用于实际预测任务[7]。