面向复杂决策的异构水环境模型表示与一体化集成

方艺辉 ,  邹长忠 ,  吴国祥

武汉大学学报(理学版) ›› 2022, Vol. 68 ›› Issue (6) : 635 -643.

PDF (3556KB)
武汉大学学报(理学版) ›› 2022, Vol. 68 ›› Issue (6) : 635 -643. DOI: 10.14188/j.1671-8836.2021.0335
环境科学

面向复杂决策的异构水环境模型表示与一体化集成

作者信息 +

Heterogeneous Water Environment Model Representation and Integrated Integration for Complex Decision

Author information +
文章历史 +
PDF (3641K)

摘要

提出了基于本体论的水环境模型本体,将水环境模型封装为语义Web服务(semantic web services, SWS)一体化集成异构水环境模型,并以闽江河口为例开发了一个水环境决策支持系统,考察了该水环境模型本体和一体化集成异构水环境模型的有效性。结果表明:1) 该水环境模型本体能够有效屏蔽水环境模型的异构性; 2) 一体化集成异构水环境模型的决策支持系统能更好地解决复杂水环境问题,且能够通过语义推理能挖掘模型本体中隐含知识,具有较强的语义表达能力。该研究成果可望为管理部门解决复杂水环境问题提供决策支持。

Abstract

A water environment model ontology based on ontology was proposed. Water environment models were encapsulated as semantic web services and heterogeneous water environment models were integrated. Taking the Minjiang River Estuary as an example, a water environment decision support system was developed to investigate the effectiveness of water environment model ontology and the integration of heterogeneous water environment models. The results show that: 1) the water environment model ontology can shield the heterogeneity of water environment model effectively; 2) decision support system integrating heterogeneous water environment models can solve complex water environment problems better. It can mine the hidden knowledge of the model ontology by semantic reasoning and has strong semantic expression ability. The research results are expected to provide decision support for management departments to solve complex water environment problems.

Graphical abstract

关键词

异构 / 水环境模型本体 / 模型表示 / 一体化集成 / 复杂决策

Key words

heterogeneity / water environment model ontology / model representation / integrated integration / complex decision

引用本文

引用格式 ▾
方艺辉,邹长忠,吴国祥. 面向复杂决策的异构水环境模型表示与一体化集成[J]. 武汉大学学报(理学版), 2022, 68(6): 635-643 DOI:10.14188/j.1671-8836.2021.0335

登录浏览全文

4963

注册一个新账户 忘记密码

0  引 言

受全球气候变化和剧烈人类活动等因素的综合影响,全球水环境问题日益凸显,严重制约了社会经济可持续发展[12]。水环境模型是解决水环境问题的重要手段之一,它能够模拟分析水环境特征及其变化过程,为解决水环境问题提供决策支持[3~5]。水环境问题涉及气象、水文、水质、生态环境、经济社会等多领域要素,这些要素之间关系错综复杂,因此水环境问题具有多因素、多目标、多层次和不确定性等复杂决策问题的基本特征[6]。为了解决复杂水环境问题,不少学者[7~9]将水环境模型集成到决策支持系统中,简化了用户操作,强化了水环境模型的模拟预报能力,提升了水环境模型的应用价值。

目前,水环境模型主要包含两大类[1011]:一类是基于机理过程的概念机理模型[1213],为“白盒子”模型;另一类是基于人工智能的数据驱动模型[1415],为“黑盒子”模型。这两大类水环境模型在诸多方面存在显著差异,属于典型异构模型[16]。已有研究采用GIS[1718]、云计算[1920]、Web Service[21]等多种技术在水环境模型集成方面开展了大量工作。但现有的研究成果只关注单个或多个同构模型的简单集成,尚没有一体化集成多个异构水环境模型的报道。由于水环境问题的复杂性,水环境决策支持系统亟需多个异构模型的协调配合和优势互补,以便更好地解决复杂水环境问题。但水环境模型的异构性阻碍了模型的一体化集成,需要屏蔽水环境模型的异构性,在更高抽象层次上实现统一的模型表示。

模型表示是模型集成的基础,决定了模型集成的方式和能力[22]。模型本体具有较强语义表达能力[23],能够有效屏蔽异构模型的差异,且该方法已成功地应用于应急管理等多个领域[24~29]。本文基于本体论,提出了水环境模型本体,用于屏蔽水环境模型的异构性;再结合水环境模型本体将模型封装为语义Web服务,一体化集成异构水环境模型;并以闽江河口为例开发了一个水环境决策支持系统,考察了该水环境模型本体和一体化集成异构水环境模型的有效性。

1  水环境模型本体设计与实现

1.1 概念设计

基于本体论,借鉴文献[24]将水环境模型本体划分为6个主要子本体。

1) 任务子本体:对水环境决策任务需求的明确表达。任务类型包含模拟和预报两种类型。

2) 模型子本体:对模型功能性和非功能性约束的描述。模型类型包含概念机理模型和数据驱动模型两大类。

3) 模型实例子本体:模型实例是模型具体执行过程。基于一定数据源,模型被实例化为可执行的模型实例,以完成特定任务。

4) 算法子本体:构建模型所采用算法,包含算法的名称、结构和参数等属性。算法参数包含输入和输出参数。输入和输出变量为变量或变量集合。

5) 数据源子本体:对数据资源形式化表示。数据源类型包含观测数据、计算数据和历史数据。

6) 模拟结果子本体:对模型计算结果形式化表示。模拟结果类型包含水动力和水质两大类。水动力模拟结果包含水位、流量和流速;水质模拟结果参考国家地表水环境质量标准[30],划分为Ⅰ~Ⅴ类5个等级。

1.2 概念关系设计

基于本体论,参考现有研究成果[2426],设计了水环境模型本体的主要概念关系,如表1所示。

水环境模型本体主要概念关系如图1所示。水环境模型本体概念关系可以进一步扩展,图2是对水环境模型本体中水质概念关系进一步扩展的结果。水质具有水质指标(hasIndex)和水质等级(hasLevel)。其中,水质指标包含了3个一级指标:物理性指标、化学性指标和生物性指标,每个一级指标又包含若干二级指标,如化学性指标包含化学需氧量(chemical oxygen demand, COD)、溶解氧(dissolved oxygen, DO)和总氮(total nitrogen, TN)等。水质等级具有5个个体(hasIndividual)。

1.3 水环境模型本体实现

本文以目前广泛使用的可视化本体构建工具Protégé5.5为开发工具,创建水环境模型本体。主要实现步骤如下:

1) 定义类及层次关系。以水环境模型本体设计结果为蓝本,建立了水环境模型类关系的基本架构,包括6个顶级类及其相应的子类,子类中可能还包含下级子类。例如,ModelOntology顶级类包含两个子类MechanismModel和DataDrivenModel,子类MechanismModel包含两个下级子类HydrodynamicModel和WaterQualityModel。通过类之间继承关系建立了一棵“继承树”,可以通过“向上扩展”或“向下扩展”等规则进行语义推理。

2) 定义类属性。在模型本体中,类属性包含对象属性和数据属性。对象属性描述了类之间的关系。由水环境模型本体的概念关系设计结果可知,水环境模型本体主要包括继承等11种关系,创建hasSubclass等11种对象属性。将对象属性的定义域和值域设置为模型本体中对应类,建立类之间关系。数据属性用于表示类内部数据特征,根据模型本体类所包含属性,创建相应数据属性。

3) 实现结果。水环境模型本体实现结果如图3所示。水环境模型本体实现结果保存为“.owl”文件格式,其本质为XML文件格式,可以方便地实现数据共享与交换。采用Protégé5.5自带的推理机对模型本体实现结果进行一致性检测,以消除语义差异,保证模型本体逻辑关系的一致性,避免模型本体中存在语义矛盾。

2  一体化集成异构水环境模型

水环境模型的异构性[16]阻碍了水环境模型一体化集成,而水环境模型本体能有效屏蔽异构模型的差异,这是一体化集成异构水环境模型的重要基础。将水环境模型本体引入到Web服务(Web services, WS)中,使用水环境模型本体对Web服务进行描述,构建了基于水环境模型本体的语义Web服务,提供了服务接口、服务消息、服务结构、服务交互等方面的语义信息。基于水环境模型本体的语义Web服务实现水环境模型本体与Web服务的无缝融合,有效地克服传统Web服务语义信息方面的缺陷,丰富模型服务的语义表达内容。

图4为基于水环境模型本体的语义Web服务架构,包含模型服务提供者、使用者和代理。基于水环境模型本体,模型服务提供者将模型注册到模型服务代理中,模型服务使用者检索模型服务后绑定和调用模型服务。模型服务提供者、使用者和代理都是基于水环境模型本体进行交互,异构水环境模型封装为语义Web服务。

在水环境模型语义Web服务基础上,设计了基于水环境模型本体的异构水环境模型一体化调度执行算法:

1) 使用水环境模型本体,模型服务提供者在模型服务代理中注册模型服务。

2) 模型服务使用者通过检索模型注册信息获得模型本体信息,向模型服务提供者提交请求。

3) 模型服务提供者响应请求,根据模型本体信息判断模型类型;如果模型类型为概念机理模型转至4),如果为数据驱动模型转至5)。

4) 如果为概念机理模型,则

① 解析模型本体信息获取模型结构、数据源、参数等相关信息,以模型结构组织可执行文件或动态链接库等模型依赖文件为模型模板,采用数据源、参数等数据实例化模型并运行模型实例;

② 模型实例运行结束后,读取模型目录中的指定文件,获取模型模拟结果,转至6)。

5) 如果为数据驱动模型,则

① 添加类库,引用命名空间,使用封装模型的类,结合模型本体信息中的参数信息实例化模型实例,读取数据源并运行;

② 模型实例运行结束后,从内存中读取模型实例模拟结果,转至6)。

6) 将模拟结果以Web服务形式返回。

3  实例研究

3.1 闽江河口决策支持系统开发

受上游修建水库和过度人工采砂等剧烈人类活动的干扰,闽江河口水环境发生了显著变化,影响了福州城市用水的安全[31],亟需采用新技术、新方法进行有效管理。前期研究[16]建立了多个闽江河口水动力水质模型、水沙动力学模型等概念机理模型,同时采用人工智能方法构建了多个闽江河口水环境数据驱动模型。

在已有水环境模型成果[16]基础上,结合水环境模型本体,本文一体化集成概念机理模型和数据驱动模型等异构水环境模型,开发了基于异构水环境模型本体的闽江河口决策支持系统,如图5所示。基于水环境模型本体,系统采用Java语言定义语义Web服务接口,将水环境模型封装为语义Web服务。通过一体化集成多个异构水环境模型,系统具有更强大的水环境模拟预测能力。例如,在水环境模拟功能中,采用二维水动力水质模型[32]能模拟预报化学需氧量、总氮和溶解氧等闽江河口主要污染物浓度,但采用二维水动力盐度模型[33]模拟在垂直方向上分异显著的盐度,具有较大局限性。采用河口盐度预报数据驱动模型用于河口盐度预报,可以弥补水动力盐度模型存在的不足,充分发挥了各类模型的优势。因此,通过一体化集成多个异构水环境模型,系统模拟结果更丰富,能够更好地为复杂水环境决策提供数据支持。

3.2 语义推理

一体化集成异构水环境模型的决策支持系统还具有较强的语义推理能力。在水环境模型本体基础上,分析模型本体中概念之间的关系,根据一定规范定义语义推理规则,经语义推理后可以挖掘模型本体中的隐含知识。以闽江河口水质语义推理为例,阐述其实现机制。

1) 语义推理规则构建

选取总氮、化学需氧量和溶解氧3个主要污染物指标,用于评价闽江河口水质。语义推理规则采用语义网络规则语言(semantic web rule language,SWRL)进行定义,其中以“swrlb:”为前缀的谓词为SWRL内置函数。本文共定义了28条水质语义推理规则,限于篇幅,只列举用于判定Ⅰ类水质所涉及的4条规则,如表2所示。其他4个等级水质判定规则相类似。

2) 语义推理实现

采用 Jena 推理机实现水质语义推理。Jena是基于Java的开源工具包,为解析模型本体提供编程环境和规则推理引擎。

通过调用Jena API 编写推理程序,关键实现代码如下:

3) 语义推理结果

该水环境模型本体的语义推理结果如图6所示。系统除了可以读取默认语义推理规则外,还可以添加或删除推理规则。水环境模型将模拟结果以一定规范保存在模板文件中,系统读取水环境模型模拟结果并解析数据。然后,基于水环境模型本体,推理分析模块按照语义推理规则对水质指标进行语义推理。

图6中的水质指标包含了国家地表水环境质量标准[30]所有基本项目,NULL表示指标值为空,不参与语义推理。根据水质语义推理规则,溶解氧为5.8 mg/L(Ⅲ类)、COD为6 mg/L(Ⅰ类),总氮0.82 mg/L(Ⅲ类),所以最终的水质语义推理结果为Ⅲ类水质等级。该结果与国家地表水环境质量标准相符,表明该模型能够实现水质语义推理。

4  结 语

水环境决策复杂性高,需要多种异构水环境模型的协调配合和优势互补,而水环境模型异构性又阻碍了水环境模型的一体化集成。针对此问题,本文基于本体论,从6个维度对水环境模型本体进行概念设计、关系设计和模型本体实现,提出并构建了水环境模型本体;将该水环境模型封装为语义Web服务,设计了基于水环境模型本体的语义Web服务架构和异构水环境模型一体化调度执行算法,实现了一体化集成异构水环境模型;将该模型用于开发水环境决策支持系统,以闽江河口为例加以验证。研究结果表明,该水环境模型本体能有效屏蔽水环境模型的异构性,在更高抽象层次上实现了异构水环境统一模型表示;一体化集成异构水环境模型的决策支持系统能够更好地解决复杂水环境问题,且能够通过语义推理挖掘模型本体中存在的隐含知识,具有较强的语义表达能力。该研究可望为管理部门解决复杂水环境问题提供决策支持。此外,在一体化集成异构水环境模型基础上,还有待进一步开展水环境时空演变特征和水环境质量评价等具体应用问题的研究。

参考文献

[1]

SAMANTA SAMRUTHA KDALAI T Ket al. Heavy metals in the Ganga (Hooghly) River Estuary sediment column: Evaluation of association, geochemical cycling and anthropogenic enrichment[J]. Environmental Earth Sciences201776(4): 1-14. DOI: 10.1007/s12665-017-6451-x .

[2]

ARNELL N WHALLIDAY S JBATTARBEE R Wet al. The implications of climate change for the water environment in England[J]. Progress in Physical Geography: Earth and Environment201539(1): 93-120. DOI: 10.1177/ 0309133314560369 .

[3]

CHU H BWU W YWANG Q Jet al. An ANN-based emulation modelling framework for flood inundation modelling: Application, challenges and future directions[J]. Environmental Modelling & Software2020124: 104587. DOI: 10.1016/j. envsoft.2019.104587 .

[4]

TERRY J ASADEGHIAN ABAULCH H Met al. Challenges of modelling water quality in a shallow prairie lake with seasonal ice cover[J]. Ecological Modelling2018384: 43-52. DOI: 10.1016/j.ecolmodel.2018.06. 002 .

[5]

PETUS CDEVLIN MTEIXERA DA SILVA Eet al. Defining wet season water quality target concentrations for ecosystem conservation using empirical light attenuation models: A case study in the Great Barrier Reef (Australia)[J]. Journal of Environmental Management2018213: 451-466. DOI: 10.1016/j.jenvman.2018. 02.028 .

[6]

张彩江, 马庆国. 简单决策与复杂决策的比较分析及其启发意义[J]. 自然辩证法研究200521(2): 101-104. DOI: 10. 19484/j.cnki.1000-8934.2005.02.024 .

[7]

ZHANG C JMA Q G. Comparison on the differences between simple decision and complex decision and its heuristic meanings[J]. Studies in Dialectics of Nature200521(2): 101-104. DOI :10.19484/j.cnki.1000-8934.2005.02.024(Ch ).

[8]

BARNHART B LGOLDEN H EKASPRZYK J Ret al. Embedding co-production and addressing uncertainty in watershed modeling decision-support tools: Successes and challenges[J]. Environmental Modelling & Software2018109: 368-379. DOI: 10.1016/j.envsoft.2018.08.025 .

[9]

MCDONALD SMOHAMMED I NBOLTEN J Det al. Web-based decision support system tools: The soil and water assessment tool online visualization and analyses (SWATOnline) and NASA earth observation data downloading and reformatting tool (NASAaccess)[J]. Environmental Modelling & Software2019120: 104499. DOI: 10.1016/j.envsoft.2019. 104499 .

[10]

JIANG PLIU XZHANG Jet al. A framework based on hidden Markov model with adaptive weighting for microcystin forecasting and early-warning[J]. Decision Support Systems201684: 89-103. DOI: 10.1016/j.dss.2016.02.003 .

[11]

安冬, 李致家, 阚光远, . 数据驱动模型与概念性模型的应用对比[J]. 水力发电201339(12): 9-12. DOI: 10.3969/j. issn.0559-9342.2013.12.004

[12]

AN DLI Z JKAN G Yet al. Comparison between the application of data-driven model and conceptual model[J]. Water Power201339(12): 9-12.DOI: 10.3969/j.issn.0559-9342.2013.12.004(Ch ).

[13]

杨元元. 异构模型集成交互机制的研究与应用[D]. 南京:南京航空航天大学, 2009.

[14]

Yang Y Y. Research and Application on the Integration and Interactive Mechanism of Heterogeneous Models [D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2009 (Ch).

[15]

SILVA R M DADANTAS J CDE ARAÚJO BELTRÃO Jet al. Hydrological simulation in a tropical humid basin in the Cerrado biome using the SWAT model[J]. Hydrology Research201849(3): 908-923. DOI: 10.2166/nh. 2018.222 .

[16]

杨卓媛, 夏军强, 周美蓉, . 黄河尾闾段一维耦合水沙数学模型研究及其应用[J]. 湖泊科学201931(6): 1726-1737. DOI: 10.18307/2019.0601 .

[17]

YANG Z YXIA J QZHOU M Ret al. Modelling of morphodynamic processes in the Yellow River Estuary using a coupled approach and its applications[J]. Journal of Lake Sciences201931(6): 1726-1737. DOI: 10.18307 /2019.0601(Ch ).

[18]

STEVENSON MBRAVO C. Advanced turbidity prediction for operational water supply planning[J]. Decision Support Systems2019119: 72-84. DOI: 10.1016/j.dss.2019.02.009 .

[19]

RATH J SHUTTON P HCHEN L Met al.A hybrid empirical-Bayesian artificial neural network model of salinity in the San Francisco Bay-Delta Estuary[J]. Environmental Modelling & Software201793: 193-208. DOI: 10.1016/j.envsoft.2017. 03.022 .

[20]

方艺辉. 闽江河口水环境数值模拟与决策支持系统[D]. 福州: 福建师范大学, 2018.

[21]

FANG Y H. Numerical Simulation and Decision Support System of Water Environment in the Min River Estuary of China[D]. Fuzhou: Fujian Normal University, 2018 (Ch).

[22]

QIN R FLIN L ZKUANG C Pet al. A GIS-based software for forecasting pollutant drift on coastal water surfaces using fractional Brownian motion: A case study on red tide drift[J]. Environmental Modelling & Software201792: 252-260. DOI: 10.1016/j.envsoft.2017.03.003 .

[23]

JONES DJONES NGREER Jet al. A cloud-based MODFLOW service for aquifer management decision support[J]. Computers & Geosciences201578: 81-87. DOI: 10.1016/j.cageo.2015.02.014 .

[24]

KURTZ WLAPIN ASCHILLING O Set al. Integrating hydrological modelling, data assimilation and cloud computing for real-time management of water resources[J]. Environmental Modelling & Software201793: 418-435. DOI: 10.1016/j. envsoft.2017.03.011 .

[25]

ZHANG D JCHEN X WYAO H Xet al. Moving SWAT model calibration and uncertainty analysis to an enterprise Hadoop-based cloud[J]. Environmental Modelling & Software201684: 140-148. DOI: 10.1016/j.envsoft.2016. 06.024 .

[26]

HOWELL SREZGUI YBEACH T. Water utility decision support through the semantic web of things[J]. Environmental Modelling & Software2018102: 94-114. DOI: 10.1016/j.envsoft.2018.01.006 .

[27]

邢英, 张宏军, 张睿, . 基于泛关系模型表示的模型集成方法[J]. 江苏大学学报(自然科学版)201435(5): 571-577. DOI: 10.3969/j.issn.1671-7775.2014.05.014 .

[28]

XING YZHANG H JZHANG Ret al. Model integration based on universal relation model representation[J]. Journal of Jiangsu University (Natural Science Edition)201435(5): 571-577. DOI: 10.3969/j.issn.1671-7775.2014.05.014(Ch ).

[29]

MATOS E ECAMPOS FBRAGA Ret al. CelOWS: An ontology based framework for the provision of semantic web services related to biological models[J]. Journal of Biomedical Informatics201043(1): 125-136. DOI: 10.1016/j.jbi.2009. 08.008 .

[30]

MASMOUDI MKARRAY M HABDALLAH BEN LAMINE S BENet al. MEMOn: Modular environmental monitoring ontology to link heterogeneous earth observed data[J]. Environmental Modelling & Software2020124: 104581. DOI: 10. 1016/j.envsoft.2019.104581 .

[31]

ZHANG CWU J SHUANG Cet al. A model for the representation of emergency cases[J]. Natural Hazards201891(1): 337-351. DOI: 10.1007/s11069-017-3131-9 .

[32]

BLAS M JGONNET SLEONE H. An ontology to document a quality scheme specification of a software product[J]. Expert Systems201734(5): 1-21. DOI: 10.1111/exsy.12213 .

[33]

陈晶, 刘钊, 顾进广, . 本体演化中基于TFOF的波及效应分析[J]. 武汉大学学报(理学版)202066(2): 197-204. DOI: 10.14188/j.1671-8836.2018.0237 .

[34]

CHEN JLIU ZGU J Get al. Analysis for ripple-effect based on TFOF in ontology evolution[J]. Journal of Wuhan University (Natural Science Edition)202066(2): 197-204. DOI: 10.14188/j.1671-8836.2018.0237(Ch ).

[35]

MIRANDA SORCIUOLI FLOIA Vet al. An ontology-based model for competence management[J]. Data & Knowledge Engineering2017107: 51-66. DOI: 10.1016/j.datak.2016.12.001 .

[36]

CÁNOVAS-SEGURA BCAMPOS MMORALES Aet al. Development of a clinical decision support system for antibiotic management in a hospital environment[J]. Progress in Artificial Intelligence20165(3): 181-197. DOI: 10.1007/ s13748-016-0089-x .

[37]

国家环境保护总局, 国家质量监督检验检疫总局. 地表水环境质量标准:GB 3838-2002 [S]. 北京: 中国环境科学出版社, 2002. DOI: 10.3969/j.issn.1009-6310.2007.02.025 .

[38]

State Environmental Protection Administration of the People’s Republic of China, General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. Environmental Quality Standards for Surface Water: GB 3838-2002 [S]. Beijing: China Environment Science Press, 2002(Ch). DOI: 10.3969/j.issn.1009-6310.2007.02.025 .

[39]

胡朝阳, 王二朋, 王新强. 水库与河道采砂共同作用下的河道演变分析[J]. 水资源与水工程学报201526(3): 178-183. DOI: 10.11705/j.issn.1672-643X.2015.03.37 .

[40]

HU Z YWANG E PWANG X Q. Analysis of channel evolution under combined action of reservoir and channel sand excavation[J]. Journal of Water Resources and Water Engineering201526(3): 178-183. DOI: 10.11705/j.issn.1672- 643X.2015.03.37(Ch ).

[41]

宋刚福, 范臣臣, 向波, . 闽江口水质对边界条件的响应关系模拟研究[J]. 水资源与水工程学报202132(6):1-9. DOI: 10.11705/j.issn.1672-643X.2021.06.01 .

[42]

SONG G FFAN C CXIANG Bet al. Simulation of water quality response to boundary conditions in the Minjiang Estuary[J] . Journal of Water Resources and Water Engineering202132(6):1-9. DOI: 10.11705/j.issn.1672-643X.2021. 06.01(Ch ).

[43]

孙世伟, 诸裕良, 张蔚, . 珠江三角洲平面二维盐水入侵数值模型研究[J]. 水运工程2012(3): 7-13. DOI: 10.16233/j.cnki.issn1002-4972.2012.03.001 .

[44]

SUN S WZHU Y LZHANG Wet al. A 2-D numerical model for salt water intrusion in the Pearl River Delta[J]. Port and Waterway Engineering2012(3): 7-13. DOI: 10.16233/j.cnki.issn1002-4972.2012.03.001(Ch ).

基金资助

福建省自然科学基金(2020J01319)

福建省自然科学基金(2021J01611)

国家自然科学基金(41877167)

AI Summary AI Mindmap
PDF (3556KB)

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/