Chrome Extension
WeChat Mini Program
Use on ChatGLM
VIPCreated with Sketch.

    • Монгол Орны Говийн Нутагт Шороон Шуурга Шуурах Үеийн РМ10 Тоосны Агууламж

    Жүгдэр Д, Батдорж Д,I Matsui,N Sugimoto, M Nishikawa

    Proceedings of the Mongolian Academy of Sciences（2017）

    Ус | National Institute for Environmental Studies

    Cited 0|Views0
    Abstract
    Агаар дахь нарийн ширхэгт тоос, тоосонцорын эх үүсвэр нь байгалийн гаралтай байхаас гадна хүний үйл ажиллагаатай холбоотой. Агаар дахь тоос шороон шуурга, галт уулын дэлбэрэлт, ой хээрийн түймэр, амьд ургамал, далайн цалгидасаас үүдэлтэй байвал байгалийн гаралтай тоос гэж үздэг. Харин шатахуун, нүүрсний шаталт, нүүрс шатаадаг эрчим хүч, дулаан, цахилгааны үйлдвэрүүд, уурхай, барилга байгууламж, газар шорооны бусад үйл ажиллагаа, хөрсний элэгдэл, замын тоос, автотээврийн хэрэгслээс гарах утаа зэрэг олон төрлийн үйлдвэрлэлийн явцаас агаарт дэгдсэн тоос, тортог нь хүний үйл ажиллагаатай холбоотой юм.Өнөө үед агаар дахь тоос, түүнийг дагалдах химийн элемент, нэгдлүүдийг хэмжих нарийн технологи бүхий багажууд үйлдвэрлэгдэн ашиглагдаж байна. Агаар дахь тоос нь агаар бохирдуулагчдын нэгд орно. Шороон шуурга, тоос нь агаарын урсгалаар алсад зөөгдөж байдаг бөгөөд хүний эрүүл мэнд, электроникийн үйлдвэрлэл, барилга болон бүх төрлийн тээврийн хэрэгслийн үйл ажиллагаа, манай орны мал аж ахуй зэрэг олон салбарт сөрөг нөлөө үзүүлдэг. Иймд зүүн-хойд Азийн орнууд бүс нутгийн хэмжээнд шороон шуургыг бүх талаас нь хамтран судлаж байна.Энэхүү судалгаагаар Монгол оронд 2007-2009 онд шинээр байгуулагдсан тоосны мониторингийн станцууд дээр дэвшилтэт техник, төхөөрөмж, технологиор хэмжсэн тоосны агууламжийн мэдээг боловсруулах, Монгол орны шороон шуурга, тоосны агууламжийн оронзай, цаг хугацааны тархалгын талаар судалгааны шинэ үр дүн гаргах зорилт тавьсан болно.
    More
    Translated text
    求助PDF
    上传PDF
    View via Publisher
    Bibtex
    AI Read Science
    AI Summary
    AI Summary is the key point extracted automatically understanding the full text of the paper, including the background, methods, results, conclusions, icons and other key content, so that you can get the outline of the paper at a glance.
    Example
    Background
    Key content
    Introduction
    Methods
    Results
    Related work
    Fund
    Key content
    • Pretraining has recently greatly promoted the development of natural language processing (NLP)
    • We show that M6 outperforms the baselines in multimodal downstream tasks, and the large M6 with 10 parameters can reach a better performance
    • We propose a method called M6 that is able to process information of multiple modalities and perform both single-modal and cross-modal understanding and generation
    • The model is scaled to large model with 10 billion parameters with sophisticated deployment, and the 10 -parameter M6-large is the largest pretrained model in Chinese
    • Experimental results show that our proposed M6 outperforms the baseline in a number of downstream tasks concerning both single modality and multiple modalities We will continue the pretraining of extremely large models by increasing data to explore the limit of its performance
    Upload PDF to Generate Summary
    Must-Reading Tree
    Example
    Generate MRT to find the research sequence of this paper
    Data Disclaimer
    The page data are from open Internet sources, cooperative publishers and automatic analysis results through AI technology. We do not make any commitments and guarantees for the validity, accuracy, correctness, reliability, completeness and timeliness of the page data. If you have any questions, please contact us by email: report@aminer.cn
    Chat Paper
    GPU is busy, summary generation fails
    Rerequest