以京津冀地区为案例地，通过分析京津冀地区旅游业、城市化和生态环境子系统的耦合协调发展机理，建构旅游业-城市化-生态环境的评价指标体系，运用主成分分析法及耦合协调度量化模型，对京津冀地区旅游业-城市化-生态环境耦合协调关系及其发展类型进行实证研究。结果表明：2004—2013年，京津冀地区旅游业、城市化、生态环境系统间耦合协调度由失调逐步演变至协调;城市内部旅游业系统发展迅速，但阶段内波动性较强；城市化水平保持稳步增长；生态环境矛盾随城市内部旅游业和城市化发展而逐步凸显。京津冀三地耦合发展类型基本以城市化超前发展型为主，少有旅游超前发展型出现。

结合医院等级确定了医院服务的人口数量，运用动态叠加半径的方法，求得各个医院的搜索半径；引入距离衰减函数体现可达性随距离衰减的特性。运用两步移动搜寻法和改进后的两步移动搜寻法对西安3个主城区的医疗设施空间可达性进行分析，结果表明：西安主城区的医疗资源分布不均，中西部优于东部，医疗设施的空间可达性从主城区的西北部向东南部地区逐渐减小。可达性与医院周围的街道人口密集度有关，相同情况下，资源竞争激烈的街道，可达性低。可达性与医院等级规模有关，资源竞争情况相似的情况下，附近医院等级高且交通便利的街道，可达性高。改进两步移动搜寻法在可达性的描述上能更加细致、客观地反映同一级医院因所处地域不同而呈现的服务范围差异，能够更准确地描述资源的配置情况。

选择常用的多平台水环境法和睡眠剥夺箱两种方法进行睡眠剥夺，观测动物行为表现，探究不同睡眠剥夺对小鼠情绪和学习记忆的影响。结果显示，12、24 h短期睡眠剥夺，两种剥夺方法均不会对小鼠的情绪和学习记忆产生影响。48 h的睡眠剥夺、睡眠剥夺箱并没有造成小鼠焦虑样情绪和空间记忆能力受损，但多平台水环境法会使小鼠出现焦虑样情绪，空间记忆未受影响。用睡眠剥夺箱进行长时间睡眠剥夺，小鼠均产生焦虑样情绪；剥夺时间达到3周，学习过程减慢，空间记忆能力受损。睡眠剥夺箱在长期睡眠剥夺研究中可成功建立模型，能够模拟人类长期睡眠不足状态。

利用Google Earth对河南省2013—2016年591个省级传统村落的地理位置进行精确空间定位，结合ArcGIS 10.2、SPSS 19.0对河南省的地形、人口、经济、交通网络等社会和自然因素进行空间相关性分析。研究发现：河南省省级传统村落在空间分布上呈现整体分散、局部聚居的特点，两个较高密度核心区分别位于平顶山市和安阳市；河流水系、道路交通和人口等是影响传统村落分布的主要因素，村落大多依水而建，一般分布在道路交通网发达、人口相对稀疏的地区；高程、经济与城镇化率是影响传统村落存在发展的重要因素，传统村落大多分布在地势较低、经济发展与城镇化率均处于中等水平的地区；气候因素是传统村落落脚点的参考因素，降水量和气温等与传统村落的分布关系并不显著。

为研究太极拳运动对血糖异常患者糖代谢的改善效果，对PubMed、WOS、EBSCO、Embase、Cochrane、CNKI、万方及SinoMed数据库进行检索，运用RevMan 5.3和 Stata 12进行Meta分析。结果发现：太极拳运动可以显著降低血糖异常患者空腹血糖（标准化均数差（SMD）为-0.85，95%可信区间(95% CI)为-1.17～-0.52，P＜0.000 1），降低餐后2 h血糖（均数差（MD）=-1.03，95%CI为-1.34～-0.73，P＜0.000 01），改善胰岛素抵抗指数HOMA（MD=-0.69，95%CI为-0.06～-1.31，P=0.03）及HbA1c糖化血红蛋白（MD= -0.76，95%CI为-1.38～-0.14，P=0.02）。但在改善甘油三脂（TG）、总胆固醇（TC）上无显著性优势（P＞0.05）。回归分析表明,太极拳形式是影响空腹血糖（FBG）合并效应量异质性的主要来源（P=0.014）。相比对照组，太极拳显著改善血糖异常患者糖代谢功能及增加胰岛素敏感性，同时太极拳形式可能是影响其改善空腹血糖浓度效果的主要因素。

以长株潭城市群156家康养旅游地为研究样本，运用最邻近指数、Ripley′s K(d)函数、核密度估计以及缓冲区分析等空间分析方法，探讨康养旅游地的空间结构及差异性，并对影响因素进行研究。结果发现:长株潭康养旅游地资源种类丰富，可划分为森林康养、水域康养、田园康养、养老康养以及中医药康养等5种基本类型；长株潭康养旅游地具有显著的集聚特性，整体上北密南疏，呈“V”字形圈层结构分布；康疗养老和田园康养旅游地集聚程度高且数量多，森林康养和中医药康养旅游地离散分布，地域尺度跨度大；自然资源的差异性是影响康养旅游地空间结构的内驱动力，交通区位、经济基础和人口密度是重要的外在推力。

目标检测是计算机视觉领域的核心任务之一。随着深度学习的迅猛发展，基于深度学习的目标检测技术已经成为该领域的主流算法，被广泛应用于人脸检测、车辆检测、行人检测以及无人驾驶等领域。本文系统总结了当前基于深度学习的目标检测算法的研究进展，对各算法的优、缺点及其在VOC2007和COCO数据集上的检测结果进行了全面分析，并对基于深度学习的目标检测算法的未来发展进行了展望。

依据2016年中国A级景区数量和空间分布数据，应用最邻近点指数、基尼系数、聚类和异常值分析等方法，借助GIS空间分析技术在省域尺度上对A级景区的数量、等级结构和空间分布特征进行研究。结果显示：中国A级景区建设已从数量扩张阶段进入质量提升阶段；我国A级景区空间分布与我国人口空间分布呈现一致性，87%的A级景区分布在胡焕庸线以东地区，且在京津冀、长三角和山东半岛地区形成密集分布区；各省旅游接待量及旅游收入均与其A级景区总数呈显著正相关关系，且与5A和4A景区数量的相关性更高。基于以上，提出中国A级景区质量提升对策、西部优先发展对策、区域合作发展对策、交通优先发展对策和景区产品创新对策五大对策。

针对恶劣天气情况，提出基于随机森林交通流量预测模型，基于2016年纽约市出租车数据以及天气情况，对原始GPS数据进行层层筛选，筛选出符合恶劣天气条件定义的数据，以随机森林回归方法为基础研究恶劣天气下交通流量的预测模型，并通过调整模型的超参数改善了模型的性能；同时将随机森林模型与BP神经网络模型和决策树模型做了性能对比，随机森林预测模型最终取得的实验结果较好。

开展个体人群水平的新型冠状病毒肺炎（COVID-19）疫情时空扩散研究，有助于疫情防控和资源配置。以距离中国疫情始发地武汉较远但疫情高发的深圳市为研究区，基于官方公布的确诊病例数据、人工判读采集的病例详情及城市内部相关POI数据等，综合运用文本分析、数理统计、空间分析等方法，解析深圳市COVID-19确诊病例的流行病学特征和疫情的时空演化过程，综合探索疫情防控对策。结果表明：（1）确诊病例总体覆盖全年龄段，主要集中于青壮年，多源于外地感染和2代感染，以家庭集聚型传播居多，以跨省市的“线形”迁移扩散模式为主。（2）疫情时间演变经历“低发期—增长期—减缓期—尾声期”4个发展阶段；治愈病例数呈现“由缓增到快增”的演变过程；确诊病例自发病至入院时间间隔多为0～2 d，入院至确诊时间间隔集中为1～3 d。（3）空间分布上，确诊病例主要表现为“由湖北直达”与“经湖北停留”的空间迁移类型，出行目的以春节探亲为主；疫情小区空间布局呈“东北-西南”走向，主要围绕“两核”集聚于西南片区。（4）市域风险总体呈现“两核三片”分布，高风险地区位于南山区南部和福田区中心。最后结合疫情所处阶段特点、复工复产需要和境外输入等新风险，提出了基于“实时、日常、常态”“社区、片区、市域”“个体、家庭、社会”的“时-空-人”互馈协同精准防控对策体系。

基于约翰·霍普金斯大学系统科学与工程中心获取的2020年3月4日至4月4日期间意大利、韩国、英国、美国、法国、西班牙、德国等7个疫情比较严重国家的新型冠状病毒肺炎（COVID-19）确诊、死亡、治愈病例数据，以SIR模型为基础，通过添加新的参数表征感染系数随时间的变化，并利用回归分析进行参数估计，对7个国家疫情的发展情况进行模拟和预测，并分析各国控制接触率等防治措施对于疫情发展的影响。结果表明:改进的SIR模型对COVID-19疫情发展趋势的分析基本可靠；除英国和美国以外，其他5个国家的疫情现阶段已经得到初步控制，而英国和美国还需要加强防控，以减少疫情带来的损失。研究结果证实了在COVID-19疫情防控中，采取减少集会、避免接触、集中收治等降低人群接触率措施的重要性，以期为后续疫情防控提供参考。

以国家公布的6 819个传统村落名录为研究对象，运用ArcGIS空间分析技术和方法，对中国传统村落空间分布特征及其影响因素进行研究。结果表明：中国传统村落在空间上呈现“核心-边缘型”分布特征，形成四大集聚片区；中国传统村落在各省（区、市）及市、县空间分布上具有较强的不均衡性，多分布在省域边界地区；中国传统村落空间分布受自然环境和社会环境共同影响，主要分布在远离平原粮食主产区的河谷、盆地、低山、丘陵和中高山的距离中心城市较远，经济和交通欠发达的阳坡地区或沿河地区；影响中国传统村落空间分布的主要因素由强到弱依次为:农村人均可支配收入、坡向、人口密度、河网密度、距中心城市距离、高程、农业用地、交通密度。