浙江省县域碳排放的时空格局与影响因素研究

基于2014～2020年浙江省62个县域碳排放及社会经济数据,针对浙江省县域碳排放的空间相关性与异质性进行分级。通过全域空间自相关检验分析县域碳排放的空间依赖性与时空演变特征,通过局域空间自相关检验分析县域碳排放的空间集聚性。采用空间误差STIRPAT模型对浙江省县域碳排放影响因素进行研究。结果显示：浙江省县域碳排放总量波动但总体呈增长趋势,县域碳排放具有显著的空间正相关性且空间集聚态势相对稳定;高—高集聚类型县域主要集中在省内东北部地区,低—低集聚类型县域则主要集中在省内西南部地区;县域碳排放的空间相关性和集聚性符合地理极化效应假说,县域人均GDP与碳排放还未呈现“脱钩”关系,产业规模化发展与科技创新所带来的低碳效应尚未显现;单个县域碳排放受相邻县域碳排放的正向影响,且县域之间其他影响碳排放的社会经济因素也具有空间相关性。因此,实现区域协调发展与实现“双碳”目标的政策除了从产业方面布局之外,还应注重从空间视角动态综合考虑。     

基于严谨性差异的建筑工人不安全行为研究

为探究安全管理者行为对不同严谨性水平工人不安全行为的影响，实现个性化安全管理，以大五人格为基础理论，采用严谨性对261名一线建筑工人进行类群划分。构建建筑工人的管理者行为与不安全行为影响关系模型，使用结构方程模型对理论模型进行拟合检验，发现高严谨性工人与低严谨性工人在安全管理者行为与工人安全行为3条影响路径中均存在显著差异。高严谨性工人的安全参与行为更易受安全管理行为影响，安全服从行为更易受安全设计行为影响；低严谨性工人的不安全行为更易受安全管理行为影响。     

基于XGBoost-ARIMA方法的PM2.5质量浓度预测模型的研究及应用

针对PM_2.5时间序列的非线性、高噪声、不平稳与波动性的特征，提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例，选择PM₁₀、SO₂等4个影响因子，PM_2.5为目标因子，构建混合预测模型以合理区分与处理时间序列中高频、低频数据，并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明，提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM_2.5质量浓度日均数据预测，实现了针对大气污染物日均质量浓度的准确预测，能够为污染治理与政策制定提供科学的数据支撑；该方法与经典预测模型相比，具有更优的预测性能(平均绝对误差仅为10.465 18,且希尔不等系数低至0.085 89)。