海洋性气候对天津市滨海地区空气质量的影响及预报

对天津市滨海地区污染气象条件与空气质量进行了相关分析研究,并在此基础上建立该地区空气质量统计预报方法,建立的统计方程经过试预报验证,取得良好的预报效果。     

天津市空气污染预报方法

文章论述了空气污染预报几种理论和方法,特别详细介绍了天津市空气质量预报方法及其应用效果。     

BP模型的改进及其在大气污染预报中的应用

针对传统BP模型存在着训练速度较慢、局部极值以及最佳网络结构无法准确确定的不足，进行了改进，应用于城市空气污染预报，建立大气污染浓度的神经网络预测模型。计算结果表明，应用改进的BP模型进行大气污染预报能够得到更好的预测结果，具有很强的实用性。     

基于关键气象因子和天气类型的广州空气污染预报方法应用

以广州市环境监测站2007年1月—2009年12月监测的空气污染指数(API)以及SO2、NO2、PM10等污染物为研究对象,探讨了广州市空气污染的变化规律;并分析它们与常规观测的地面气象资料之间的关系;建立了API指数以及SO2、NO2、PM10等污染物的预报方程;为了弥补单纯基于数学模型预报的不足,分析和确定了造成广州严重空气污染的典型天气类型和相关指标,以便在具体的业务预报中可以根据天气形势和相关指标做进一步的订正;该预报方法于2010年10月起应用于广州市环境监测中心站,作为2010年16届亚运会广州空气质量预报预警服务的重要工具之一,运行服务效果良好.     

应用于水文预报的优化BP神经网络研究

利用广东省滨江流域的水文观测资料，建立了以前期降水量为预报因子、以水位为输出的BP人工神经网络水文预报模型。首先采用了合理的方法进行样本组织，进而利用最优子集回归技术进行输入因子的确定，然后进行了不同隐层节点数、不同转移函数、不同训练算法的组合试验，确定了应用于水文预报中的优化BP神经网络：网络结构为8-9-1；转移函数的组合方式为tansig-线性函数；训练算法为采用evenberg-Marquardt(Lm)算法。为便于精度分析，还采用了最优子集回归模型作了研究。结果表明，优化BP网络模型无论在拟合精度还是在预测精度上都高于最优子集模型。总的来说BP网络是一种精度较高的水文预测模型。     

动态系统物元模型在综合水预报中的研究和应用

在研究物元分析理论的基础上,以不同时段的水体综合水质建立动态系统物元,动用综合评判模型对其进行综合水质评 定,并通过建立回归预警模型进行综合水质预报。在实例应用中取得了较满意的结果,论证了该方法的合理性和可行性。为环境质量预测提供了一种全新的思路和方法。     

基于Bayes判别分析法的郴州市山洪灾害预报

湖南省郴州市是湖南省山洪灾害多发的一个区域,对郴州市山洪灾害进行快速准确的预测意义重大.运用Bayes判别分析法,根据山洪灾害预报的简化原理使用灾害发生前10天的时效雨量和当日雨量作为预报模型因子建立一组山洪预报模型,计算得出的模型预报正确率为86.96%,满足Bayes判别分析正确率大于80%的要求,表明该方法预测山洪简单易行,可以为郴州市山洪灾害的预测以及防治提供一定的支撑.     

基于区间活性数据的定量结构-活性关系

利用贝叶斯统计方法构建了基于区间活性数据的取代苯胺和苯酚类化合物对大型溞(Daphniamagna)24 h急性毒性的定量结构-活性关系模型,并与基于平均数和中位数的点估计活性数据的定量结构-活性关系模型进行了比较.结果表明,前者可以充分利用化合物的活性数据信息,模型具有更好的拟合效果与预测能力以及较宽的应用范围.基于区间活性数据的定量结构-活性关系模型可为生态风险评价等提供更加可靠的预测数据.     

动态系统物元模型在综合水质预报中的研究和应用

在研究物元分析理论的基础上,以不同时段的水体综合水质建立动态系统物元,运用综合评判模型对其进行综合水质评定,并通过建立回归预警模型进行综合水质预报。在实例应用中取得了较满意的结果,论证了该方法的合理性和可靠性,为环境质量预测提供了一种全新的思路和方法。     

空气污染预报污染物排放清单数据库的研究与建立

介绍了天津市空气污染预报污染源数据库建立的目的和方法，该数据库不同于常规的污染源数据库，要按模型需要对污染源信息进行了模式化处理，研究结果表明：该数据库应用于空气污染数值预报系统，预报结果达到课题设计的精度要求。     

汉寿县林业害虫调查分析与建议

林业害虫调查是开展林业害虫预测预报、防治检疫的基础.调查旨在查清汉寿县各林分类型的害虫种类、数量、分布区域和发生情况等,并针对危害严重的黄翅大白蚁(Macrotermes barneyi)进行了重点分析,为汉寿县林业害虫的预测预报和防治设计提供可靠的科学依据.     

黄河三角洲人工草场群落土壤盐分动态集成预报模型及其应用

提出了以ＧＭ（１,１）模型拟合发展的趋势、傅里叶变换撮周期分量ＡＲ（ｐ）模型模拟随机过程的集成预报模型,并用于黄河三角洲人工草场群落土壤盐分的定量研究中,经理论和应用检验证明：该模型能以较高的精度模拟或预报土壤盐分在较长时期内的动态变化过程,方法简单,计算工作量小,并优于传统的单一预报模型。     

城区大气污染物—NOx浓度预测预报模式研究

利用道路边大气污染的常年监测数据，对风向与无限线源成任意角的高斯内插大气扩散模式进行了系统测试，分析了影响预报精度的主要因素，在分析武汉市气象因素和天气状况的基础上，对模式进行了恰当地修正，经实测数据验证，预报准确度有了明显地提高。     

基于BP神经网络的南通机场风速预报模型

本文利用2016—2021年南通兴东机场整点报文数据,采用BP人工神经网络建立南通机场风速预报模型,将南通机场风速进行分级,并进行6 h和24 h模拟预报,以期对南通机场风速分级预报数值进行修订并讨论风速分级预报的准确率。结果如下：当风为1级、2级风时,风速无须修订;3级风时,6 h预报风速可修订增加0.6 m/s,24 h可修订增加3.8 m/s;而4级风时,6 h预报风速和24 h预报风速则分别修订增加1.0 m/s和4.8 m/s。利用2020年样本资料进行检验,在预报风速数值分级修订后,准确率结果如下：对民航安全运行有影响的4级风6 h准确率为66%,24 h为64%。再利用模型对2021年12月进行试预报可得：4级风6 h准确率为75%,24 h为73%。上述结果表明,该神经网络模型可以为南通机场风速预报提供一定的依据。     

Excel 2000的应用研究-统计学生成绩

本文以Excel 2000统计学生全班成绩表为例,介绍基本的Excel输入资料、统计成绩(计算总分、计算平均分、计算最高分最低分、排列名次)、制作图表等功能.     

水环境污染源解析研究进展

流域河流水污染问题日益严重,水环境污染源解析的研究与应用对防治水污染具有重要意义.综合国内外水环境污染源解析研究与应用的进展,综述了应用于水环境不同类型污染物源解析的主要理论方法和应用模型;论述了多元统计模型和化学质量平衡法的优缺点、适用范围及应用现状;最后对源解析方法的发展趋势及在水环境中的应用加以展望,指出过去的研究主要是水环境中持久性污染物源解析方法,以后应加强对水环境中非持久性污染源解析的研究,在水环境源解析技术方面,应加强对各类污染源成分谱等基础性研究.     

小儿发样测定及佝偻病统计判别

本文报导用能量色散X射线荧光光谱仪,测定正常和佝偻病儿童发样中锌,钙,铜和铁元素,并用Fisher统计方法对测得结果进行了分析,其结果与临床诊断相一致.因此,本统计分析能为佝偻病的诊断提供客观依据.     

当前高等职业学院综合统计存在的问题与对策

由于我国高等职业技术学院组建的时间不长，在统计工作中，相对以前的统计系统与统计方法来说有很大的不同，特别是相对于本科院校、中等专业学校而言，由于职业院校自身及现行的统计系统的原因，面临一些新的变化，本文就此提出了一些建议与看法。     

NPP列入生态统计指标体系的潜力分析——以北京地区NPP测算与空间分析为例

通过梳理目前自然资源和生态环境统计指标(简称生态统计指标)定义和使用情况,发现同内统计指标体系的内容框架有待扩展,指标体系哌待标准化.NPP是衡量生态系统对环境气候响应的重要研究指标,可以考虑作为国内生态统计指标体系的有益补充,因而在列入指标体系之前需要在数据来源和模型方面进行统一和验证.以目前最常使用的NPP光能利用率模型进行适用于研究地区的参数改进,利用RS、GIS技术手段,综合MODIS遥感数据、气象数据(每日降水量、每日气温、日照时间)、一些辅助矢量数据等多源信息,计算出北京地区2008年NPP的月度值和全年累计值,目标是为其进入生态指标体系建立一个系统的数据处理规范,以保证NPP统计的一致性、可行性和有效性.结论:从区位统计结果来看,城市核心区和城市功能拓展区NPP的季节性特征变化不明显,而生态涵养发展区的NPP随着时间变化比较大;从地貌统计结果来看,远山区的NPP值大于平原区,也大于半山区.以上结果与温度、降水的季节性变化和耕地的收种时间具有一致性,证明该处理流程可以作为北京地区NPP量化及空间评估的有效手段.表明,NPP的数据来源稳定,测量模型具有可行性和有效性,可以考虑将该指标纳入自然资源和生态环境统计体系.     

市场调研中原始信息的收集和分析

在市场调研过程中对原始信息的统计和运用往往关系到整个市场调研的准确性和真实性,各类营销管理职能的选择依据都来源于准确、科学的前期调研,因此,对市场调研工作中市场一手数据和原始信息的统计和运用进行分析与整理、概述原始信息收集工作的要求和方法,是任何一个营销工作者所必须重视和学习的一项基本功.参4.