污染类邻避冲突事件共力耦合演化机理研究——基于耦合协调度模型

随着民主化进程的推进与公民环保意识的觉醒,由部分公共基础设施建设而诱发的邻避冲突事件逐年增多,并呈现出以抗议污染类项目为核心的发展趋势。污染类邻避冲突事件引致因素间耦合作用影响着事件演变方向,因而构建邻避冲突共力耦合模型,探究邻避冲突演化机理具有重要现实意义。基于耦合理论,在分析污染类邻避冲突事件发生的内在引致因素、外在引致因素、情绪引致因素、因素间共力耦合作用及事件内在演化机理的基础上,建立事件耦合度模型和耦合协调度模型,选取“余杭中泰垃圾焚烧厂事件”、“江苏启东事件”、“湖北仙桃垃圾焚烧发电厂事件”三起典型污染类邻避冲突事件探寻引致因素耦合度与邻避冲突发展演化的关系。研究发现,污染类邻避冲突事件引致因素耦合协调度与事件影响力值呈正相关关系,引致因素间耦合协调度与邻避冲突发展演化密切相关;情绪引致因素对污染类邻避冲突事件影响力起着强化推动作用,加速了事件的发展演化进程。研究结果为政府构建污染类邻避冲突事件引致因素阻断机制,多渠道化解民众群体情绪耦合力提供了新思路。     

一种改进的SEIR高校突发事件传播模型

对于人群密集的高校而言,学生间的交流尤其是突发事件信息的传播相对外界更为迅速.为研究信息的传播规律,以某高校突发事件通过微信传播为例,并仿照传染病传播特点建立了改进的SEIR模型,即传播概率并非常数,而是由社交关系的限制、外界因素的控制以及在"小社会"下消息的重叠传播所决定的相关变量,并利用采集的数据进行Matlab仿真模拟.通过控制不同参数发现,改进的SEIR模型与高校突发事件信息的传播规律更加吻合.     

考虑公众风险感知的突发事件风险传播模型及仿真研究

突发事件应对过程中,公众对突发事件的风险感知会在一定程度上决定其行为选择从而影响事件风险的传播。为此,本文通过分析突发事件风险信息、风险感知和风险传播的路径关系,在风险传播过程中引入传染病传播机制,构建基于微分方程的风险传播模型。综合考虑风险传播阈值、媒体报道力度、群体风险感知度、个人风险知识水平四类因素并结合仿真实验分析对风险感知和风险传播行为的影响。最后,通过实例研究表明模型结论的有效性。本文研究结论有助于为相关职能部门调节公众风险感知,制定风险防控措施提供理论依据与支持。     

公共场所突发事件情境下受灾人群间信息的传播与扩散研究

针对公共场所突发事件情境下受灾人群间信息传播与扩散的特征,定义一种受灾人群间信息传播与扩散的微分过程.根据公共场所突发事件情境下信息的多元性,将信息分为消极信息和积极信息,基于Gilpin-Ayala扩散模型,建立一种基于公共场所突发事件情境下的受灾人群间信息传播与扩散模型,并对模型的动态过程进行分析,提出并证明了最佳安全疏散汇集点定理.利用定理的结论,分析突发信息传播扩散可能出现的情况,进一步分析信息传播与扩散对受灾人群的影响.最后通过算例计算分析,验证了理论的正确性和有效性,并根据计算结果给出了几点政策建议.     

基于本体关联网络的非常规突发事件案例快速提示方法

由于非常规突发事件具有罕见性、急迫性的特点,要求决策者在具体情境中极速对事件作出决策响应,通过各种非传统和非程式化的方式将事件的危害性降低至最低。为了能够快速地找到最相关的案例并及时地提示指导,本文将非常规突发事件用本体的形式来表示,分析了事件之间的不同类型的逻辑关联及相应程度,并进一步构建了非常规突发事件的本体关联网络。接着,在网络拓扑分析的基础上,我们提出了一种利用交互时间距离CTD(Commute Time Distance)的快速搜索算法,该算法利用谱分析和复杂网络性质分析,能快速找到与新加入节点(新发生突发事件)最相关的案例,从而利用相关措施对紧急危害进行及时地提示和指导。最后,结合青岛“11·22”输油管道爆炸案的实际案例,本文证明了所述方法的有效性并对网络性质进行了分析,结果表明本方法可以高效而方便地应用到各种实际情况中,为非常规突发事件的快速提示提供技术支撑。     

非常规突发事件情景-应对的多维情景熵研究

针对非常规突发事件特征,分析非常规突发事件情景-应对的多维情景因子,给出了这些情景因子的特征参数及其符号表示.在传统信息熵的基础上定义了非常规突发事件情景-应对的多维情景熵,基于信息能量分布的思想,构建了多维情景熵分布概率的广义组分分布概率,在此基础上描述了非常规突发事件情景序列在不同状态空间中的不均匀程度和奇异程度,给出并证明了非常规突发事件多维情景熵的有界性、展开性、肯定性、强可加性、递推性等特性,进一步讨论了这些特性在非常规突发事件情景-应对中的作用.以云南地区发生地震灾害为案例,对多维情景熵理论及方法进行分析.计算出地震灾害过程中的多个情景熵值,比较情景空间变换的奇异情况与多维情景熵值的大小关系,验证了多维情景熵在非常规突发事件发生、转化、蔓延、耦合过程中的预测作用,为决策者提供了相应的决策依据.     

基于区间型多属性决策的突发事件属性熵权的确定

突发事件的实时数据是应急决策的依据,提高对数据的处理能力,确定突发事件属性的熵权,筛选出反映事件发展趋势的重要属性,是提高决策效率和准确性的关键问题。利用共性知识模型结构化表示突发事件和属性,参考区间型多属性决策方法,把事件属性监测值转换为区间数型,在保持时序信息的同时降低数据维数,并通过定义精确数与区间的距离,使突发事件属性集均转化为成本型属性;继而利用基于熵权的区间型多属性决策方法计算事件的属性熵权值,权值越大,表示包含事件演化趋势的信息越多,在决策时就应被重点关注。最后,通过实例说明此方法的有效性和实用性。     

微博突发事件负面舆情信息传播机理及应对策略

深入研究微博突发事件负面舆情信息传播规则,掌握微博突发事件舆情应对方法,成为维护社会稳定和政府执政安全的重要议题.首先,基于生命周期理论对微博突发事件负面舆情信息的传播阶段进行了定性分析,从而为分辨突发事件网络舆情的传播阶段提供依据;然后,通过假设模型,得出网络知情人数和时间有连续可微关系,建立连续可微方程,由此建立了微博突发事件负面舆情信息的传播模型;最后,以"杭州保姆纵火案"为例,从定性与定量双重维度对观点进行了实例验证,并提出了面向微博突发事件负面舆情传播各个阶段的治理对策.     

基于层间互信息的时序网络节点重要性识别方法

社交网络中重要节点发现对于控制舆论传播、社交影响力最大化等有重要意义。本文结合信息传播相关理论，提出了一种基于层间互信息的时序网络节点重要性识别方法。通过设计一种层间节点连边变化概率的计算模型，进而求解时序网络节点的层间信息熵和以层间互信息量化的相关性系数，再结合特征向量中心性对节点进行重要性度量。在真实时序网络数据集上进行实验，相比经典方法，本方法在时序网络的节点重要性度量上更有优势。     

基于公众偏好大数据分析的重大突发事件应急决策方案动态调整方法

针对在重大突发事件应急过程中如何根据与其相关的公众偏好大数据信息来对事件进行划分以及确定事件风险大小等问题,提出了一种基于公众偏好大数据分析的两阶段聚类算法,将事件现场公众在社交媒体上发布的偏好大数据信息进行聚类分析,识别出多个与事件相关的子事件,并得出每个子事件的客观风险级别。然后,结合专家经验判断,综合得出每个子事件的风险级别,进而选择相对应的方案。在此基础上,根据实际突发事件多阶段演变特点,描述了应急决策中多事件多方案的动态调整过程,考虑方案之间的相关性和不同子事件调整方案对各风险级别子事件的应急处置效果、应对损失以及不同方案之间的转化成本等因素,得出不同情境下的最佳调整方案。通过案例分析说明了该方法的可行性和有效性。     

我国房地产市场发展问题研究

房地产市场是一个庞大而复杂的系统,它对我国国内生产总值有重要影响,并和百姓生活必需的"住"关系极为紧密.因此,有必要对房地产市场进行深入分析.从当前社会经济发展的现实着手,建立了一系列数学模型,包括房地产市场的供求模型、价格影响模型、房地产行业与国民经济相关行业关联度模型和房地产行业泡沫度量模型.并运用可获得的经济数据对以上模型进行了实证分析,旨在研究如何促使房地产市场健康稳定地持续发展,同时为国家制定房地产的相关政策提供一定的理论参考.     

社会化媒体对品牌偏好的影响研究:基于顾客感知价值的视角

本文结合社会化媒体购物新模式的特征,依据消费者需求和行为影响理论,重构了顾客感知价值维度。在上述基础上,提出社会化媒体对品牌偏好的影响理论模型,并利用层级回归方法,对新网络购物环境下的顾客感知价值和品牌偏好间的关系进行了实证研究。研究结果表明,顾客感知社交价值、质量价值、服务价值、形象价值和利他价值正向影响品牌偏好的形成,而经济价值对品牌偏好的影响并不显著;社会化媒体信息质量在不同的感知价值与品牌偏好之间起着不同程度的调节作用。最后,结合相关结论提出了相应的营销管理建议。     

基于熵权灰色关联分析的群体性突发事件预警模型

群体性突发事件是当前我国社会危机的一个突出问题,迫切需要进行有效地监测与预警.针对江门的社会、经济、文化特点,设计了一套群体性突发事件预警指标体系.引入信息熵理论,采用熵值法来确定指标权重,建立了基于熵权和灰色关联度的群体性突发事件预警模型.用上述模型对江门市进行实证研究,表明江门市2005年-2008年间除2006年处于中险警级外,其余年份都处于轻险警级.最后,根据实证分析结果,提出了政策建议.     

新媒体环境中品牌粉丝效应形成机理研究

随着新媒体技术的不断发展以及消费模式的变迁,电子商务呈现出新型业态,对品牌新媒体营销提出了新的挑战。消费者的品牌消费已经从传统的功能性需求转移到更多的价值需求,营销领域的“粉丝效应”应运而生。本文即研究新媒体环境中粉丝效应的形成机理。结合新媒体环境,文中描述了粉丝效应的概念及内涵,探讨了新媒体环境中新型电商的业态及价值产出模式的变革,提出了粉丝效应的实现过程并实证分析了粉丝效应的形成机理。文中提出粉丝效应实现的三种影响因素,包括品牌体验、品牌认同、品牌形象。研究结果表明,品牌体验对品牌认同有正向影响;品牌认同分为个人品牌认同及社会品牌认同,个人品牌认同对社会品牌认同有正向影响;品牌认同对品牌形象有正向影响;品牌认同和品牌形象均对品牌粉丝效应有正向影响。     

新生代农民工社会网络对创业动机的影响研究

研究以新生代农民工为调查对象,通过问卷调查获得有效数据219份,运用层次回归法分析数据.结果表明,社会网络对创业动机具有正向影响,创业自我效能感在社会网络的部分子维度和创业动机间存在中介效应,主观规范正向调节创业自我效能感与创业动机的关系.据此,提出拓宽该群体的社交网络、加大创业培训支持力度以及营造良好的创业氛围等对策建议.     

Site percolation and isoperimetric inequalities for plane graphs

We use isoperimetric inequalities combined with a new technique to prove upper bounds for the site percolation threshold of plane graphs with given minimum degree conditions. In the process we prove tight new isoperimetric bounds for certain classes of hyperbolic graphs. This establishes the vertex isoperimetric constant for all triangular and square hyperbolic lattices, answering a question of Lyons and Peres. We prove that plane graphs of minimum degree at least 7 have site percolation threshold bounded away from 1/2, which was conjectured by Benjamini and Schramm, and make progress on a conjecture of Angel, Benjamini, and Horesh that the critical probability is at most 1/2 for plane triangulations of minimum degree 6. We prove additional bounds for stronger minimum degree conditions, and for graphs without triangular faces.     

Consensus in the two-state Axelrod model

The Axelrod model is a spatial stochastic model for the dynamics of cultures which, similar to the voter model, includes social influence, but differs from the latter by also accounting for another social factor called homophily, the tendency to interact more frequently with individuals who are more similar. Each individual is characterized by its opinions about a finite number of cultural features, each of which can assume the same finite number of states. Pairs of adjacent individuals interact at a rate equal to the fraction of features they have in common, thus modeling homophily, which results in the interacting pair having one more cultural feature in common, thus modeling social influence. It has been conjectured based on numerical simulations that the one-dimensional Axelrod model clusters when the number of features exceeds the number of states per feature. In this article, we prove this conjecture for the two-state model with an arbitrary number of features.