哈尔滨市冬季PM_(2.5)与影响要素的相关分析

运用相关性分析方法,研究哈尔滨市PM_(2.5)质量浓度与主要空气污染物及气象因素之间的相关关系.建立PM_(2.5)与影响其质量浓度变化的因素的单因变量的偏最小二乘回归分析(PLS1)模型,模型拟合良好,由模型知CO是导致PM_(2.5)质量浓度升高的主要因素.运用通径分析方法,研究解释变量对因变量的直接影响、通过其他解释变量对因变量的间接影响以及各解释变量的对因变量的协同作用.结果表明,各解释变量对PM_(2.5)质量浓度变化的总作用从大到小依次为:CO、PM_(10)、NO_2、风速、湿度、SO_2.     

乌鲁木齐PM_(2.5)与其他空气污染物的去趋势互相关系数分析

为了避免时间趋势对相关性的影响,深入了解乌鲁木齐市PM_(2.5)与其他空气污染物的相关关系,本文基于乌鲁木齐市2015-2018年监测站点空气质量实时监测数据,使用新方法—去趋势互相关系数分析法来探索乌市PM_(2.5)与PM_(10)、SO_(2)、NO_(2)、CO、O_(3)五种空气污染物之间的关系.一方面,通过去趋势互相关系数分析法分别对以“天”为单位和以“小时”为单位的数据进行分析,发现PM_(2.5)与PM_(10)、SO_(2)、NO_(2)、CO之间呈正相关性,与O_(3)呈负相关性,并发现CO相比其他空气污染物与PM_(2.5)的关系最为显著.另一方面,去趋势互相关系数分析法的等值线图可以直接观察到乌市PM_(2.5)与其他空气污染物在不同时间点和不同时间尺度下的相关关系变化状况,从而为乌市空气质量问题的治理,降低人类健康风险提供理论支持.     

中国各地区PM_(2.5)影响因素的空间差异特征分析

基于空间变系数模型,采用局部线性BGWR拟合方法,分别从经济、人口和环境的角度,选取9个指标,对2016年中国各地区PM_(2.5)浓度的空间差异性及其影响因素进行探究.结果表明:降水、天气、森林覆盖率、对外开放水平、污染治理和地区生产总值与PM_(2.5)浓度显著负相关;单位GDP能耗、产业结构和城镇化率与PM_(2.5)浓度显著正相关.其中,天气因素和城镇化率的影响程度较其他因素更为显著.最后,提出人口空间合理布局、产业结构优化升级等建议,旨在成功实现PM_(2.5)污染控制和减排.     

基于改进高斯模型的哈尔滨市PM_(2.5)扩散问题实证分析

2013年初以来,国内发生大范围持续雾霾天气,我国城市PM_(2.5)的污染问题引起了社会各界的关注和重视.根据风场和气象变化对高斯扩散模型进行适当改进,并提出基于高斯模型的PM_(2.5)扩散预测模型.以哈尔滨市PM_(2.5)近期实测数据为基础进行实证分析,对市区内10个地区的PM_(2.5)扩散和浓度变化做出合理的预测.     

神经网络在复杂自相关预测过程中的应用及对比研究

由于PM_(2.5)日均浓度值受外界多重复杂因素的影响,其较强的自相关性使得时间序列模型ARIMA构建难以实现,因此,给出高映射能力的非线性神经网络预测模型,并分别建立基于BP神经网络和GRNN神经网络的预测模型,进行PM_(2.5)浓度预测实验.结果表明,BP神经网络回检过程和检测过程存在不稳定性,预测残差波动较大,而GRNN神经网络检测残差呈完全U型,回检过程和检测过程较稳定,并且GRNN神经网络回检数据拟合度、预测数据精度和运算速度均优于BP神经网络,建模过程更为方便,易于实际应用.     

基于支持向量机的飞行事故率预测模型

飞行事故率是表征飞行安全水平的重要指标,其预测是典型的小样本问题.针对目前飞行事故率预测中存在的预测精度不高的问题,提出了一种基于回归支持向量机的飞行事故率预测建模方法.最后结合实际算例,采用SVR进行了飞行事故率预测建模并把预测结果与灰色预测和灰色马尔柯夫链预测进行了对比.仿真结果表明SVR具有很高的建模精度和泛化能力,从而验证了采用SVR进行航空飞行事故率预测的合理性和先进性.     

我国专利申请量的支持向量机预测模型研究

运用支持向量机(support vector machine,SVM)和浮点遗传算法相结合的方法对我国专利申请量进行预测。数据仿真显示支持向量机预测方法比人工神经网络和逻辑回归方法有更高的预测精度,结果显示运用浮点遗传算法参数选取的支持向量机方法对我国专利申请量进行预测是可行和有效的。     

基于支持向量机模型的建筑物沉降预测

针对建筑沉降发生的过程,采用支持向量机(SVM)模型对建筑物沉降进行预测.使用前期施工过程中的沉降观测数据作为训练样本集,建立现场动态沉降量预报模型.仿真试验和实践结果表明,模型与BP神经网络预测模型相比能够更准确地反映实际沉降过程,且满足精确性和适用性的要求.     

淮安市PM2.5的分布特征与灰色预测模型

研究对象是淮安市主要大气污染物中PM2.5在2013-2016年间的观测数据,从两个方面对PM2.5的浓度进行了研究.一方面,利用非参数假设检验中的卡方拟合检验与W检验等方法研究了PM2.5浓度的分布特征.研究发现,污染物PM2.5的日均浓度服从对数正态分布、月均浓度服从正态分布.另一方面,建立了PM2.5年均浓度的精度为一级可用于长期预测的GM(1,1)预测模型,利用预测模型对未来五年中PM2.5的浓度水平进行了预测.     

基于最小二乘加权支持向量机的个人信用预测模型研究

针对不同类别样本数差异和不同误分代价的分类问题，提出了一种基于最小二乘加权支持向量机的分类预测方法。在最小二乘加权支持向量机的基础上，考虑不同类别样本数差异和不同误分代价，提出了新的最小二乘加权支持向量机分类模型，构造了新的最优分类函数。将该模型应用于个人信用预测实验，与已有方法的对比实验结果表明，提出的模型在解决不同类别样本数差异和不同误分代价的个人信用预测问题时，有效地降低了总误分代价，提高了个人信用预测精确度。     

基于GM(1,1)黑龙江居民储蓄存款预测的数学模型

运用灰色系统理论中的GM(1,1)灰色预测模型,以黑龙江省近6年来的城乡居民的储蓄存款额为例,对其未来几年的储蓄额状况进行了科学预测,为相应的决策部门提供科学依据.     

安徽省道路交通事故影响因素分析及其预测研究

以安徽省道路交通安全状况为研究对象,探讨分析安徽省道路交通事故致因要素及未来发展趋势.首先利用灰色关联度法分析道路交通事故数与相关致因要素之间的关联度,得出人口因素是主导因素,其次为环境因素,包括社会经济环境和道路环境.在此基础上,运用灰色GM(1,1)及其残差改进模型,对事故起数及其主导因素进行预测研究,结果证明灰色预测可以很好地预测人口发展趋势,但对事故起数这样波动较大的数据更适宜残差修正模型.     

基于GM(1,1)模型群的高速铁路路基沉降预测研究

路基沉降控制是高速铁路建设的重要问题之一.以京沪高速铁路为例,采用GM(1,1)模型、新信息CM(1,1)模型、新陈代谢GM(1,1)模型组成的模型群对施工期路基的沉降变形值进行了预测分析,结果表明,新陈代谢GM(1,1)模型更适于施工期高速铁路路基沉降预测.     

PM2.5相关因素及分布演变的研究

以武汉市和西安市的PM2.5检测点数据及气象数据作为基础,建立了相关性分析模型,灰色关联度模型,混合回归模型,高斯烟羽模型,分期治理最优化模型等模型,通过定量与定性分析的方法,从PM2.5的相关因素、分布与演变、控制管理三个方面,对两个市的PM2.5进行了深入的研究与探讨.     

PM2.5扩散模型及预测研究

以武汉为例,以高斯扩散模型为基础研究PM2.5的扩散与衰减规律,充分考虑影响PM2.5扩散的因素,分析地面与建筑物边界反射、干沉积、雨洗湿沉积及湿度的影响,逐步改进高斯扩散模型,并引入时间t,计算当点源持续污染情况下,污染源上风和下风L公里处的浓度.通过数值仿真,得到距污染源下风向距离一定条件下污染扩散浓度的分布规律,预估突发情形下PM2.5的扩散距离及安全区域,结合三维图及平面图分析危险区及安全区.最后,结合小波理论及神经网络理论,提出小波神经网络的结构及算法,并通过Matlab实现了对PM2.5值的预测,并取得较高的预测拟合度.     

江苏省生活废水排放量的多元非线性回归预测

本文依据1999～2009年江苏省的人均日生活用水量和人均GDP并结合生活废水排放量的资料,建立了生活废水排放量的三维非线性预测模型,并进行了评估和分析,该模型有较高的拟合精度.根据预测数据,2020年江苏省城市生活废水排放量将达66.85亿吨,为2009年排放量的两倍有余,城市生态环境面临巨大压力.最后本文提出了相对应的政策建议,以供相关部门参考借鉴     

灰色预测GM(1,1)模型的改进及应用

应用自动寻优定权的方法和最小二乘法,研究了灰色系统理论中灰色预测GM(1,1)模型的预测公式的形成过程,发现灰色预测GM(1,1)模型在形成预测公式时对背景值和初始值的规定是不尽合理的,且现有的改进方法对灰色预测GM(1,1)模型的改进还不尽完善.为了提高灰色预测GM(1,1)模型的预测精度,提出并使用自动寻优定权对背景值进行选择,基于最小二乘法原理对灰色预测GM(1,1)模型的初始值进行改进.实例结果表明,提出的改进方法是有效和完善的,对灰色预测GM(1,1)模型的预测精度也有较大的提高.     

空间集聚、区位选择与江苏省外商直接投资:空间计量实证研究

定量概述江苏省外商直接投资发展历程,根据外商直接投资区位选择的区位成本、国际贸易、产业组织和邓宁折衷理论,从成本、经济、集聚、制度等方面,运用1999-2010年FDI数据,对江苏FDI区位选择影响因素进行空间计量实证分析,研究结果表明:1)江苏FDI发展差异总体趋势是绝对差异在逐年扩大,相对差异呈缓慢下降;2)江苏FDI空间趋于非均衡分布,"核心-外围"空间格局有所改变;3)集聚程度、经济发展水平、工业化水平、基础设施、劳动成本是江苏FDI区位选择的决定性影响因素;4)外资产出率、城市化水平、人力资本、对外开放度等负相关影响因素在江苏FDI区位选择中的重要程度显著性下降.江苏应根据后金融危机时代全球FDI新的发展趋势和特征,积极承接国际产业转移,全面参与全球产业分工,加快引导外商投资重点投向现代农业、现代服务业、新兴产业、高新技术产业等领域,优化外资投资方式、投资结构和地区分布.