遗传投影寻踪回归在城市环境质量评价中的应用

引入投影降维的思想,将遗传投影寻踪与回归分析技术运用到城市环境质量评价中。将此技术与神经网络方法进行实例比较,投影寻踪回归方法不但可以合理地作出环境质量的综合评价,而且消除了神经网络方法中类别判断不够精确的影响。     

基于回归分析的火灾发生气象因子的研究

利用二元回归分析法,对火灾发生次数、空气湿度、风速进行回归分析并检验,得出了火灾发生次数、空气湿度、风速三者之间的显著线性关系。     

桂西北河池地区耕地变化及其驱动力Logistic回归分析

桂西北河池地区土地退化严重，耕地少，区域农业发展受限。基于TM遥感图像、DEM等空间数据并结合社会经济统计数据，利用空间分析方法及Logistic回归分析模型，定量分析了1952～2006年桂西北河池地区11个县耕地的时空动态变化规律及其驱动机制。研究结果表明：1952～2006年河池地区耕地总量的变化经历了迅速增加-波动变化-迅速减少-缓慢减少的过程，空间上变化率不均衡，且近20多a间西部地区耕地减少迅速，其变化体现了国家政策的主导驱动作用；根据回归结果提取出7类影响耕地分布的主要解释变量，其中海拔和人口分布为耕地空间分布格局分异的关键影响因素，其次是坡度Ⅰ(0°～5°)、GDP、至主要公路距离、至主要河流距离和至主要城镇距离；不同县之间耕地变化驱动力的解释变量存在差异，且各县耕地分布概率对于海拔、坡度Ⅰ(0°～5°)、GDP这3类解释变量较敏感，而其他解释变量敏感程度较低；东部地区耕地分布的概率更大.     

人力资本、社会资本与市民化抑制

新生代农民工问题的终结是市民化,但是目前许多新生代农民工存在市民化阻碍,这不利于我国城市化进程的推进和经济的持续健康发展。对沈阳和余姚两地区进行了案例调查,得到了两地区新生代农民工的调查数据。运用调查数据,首先采用需求可识别的biprobit模型对新生代的农民工市民化抑制程度进行了测度,并预测出新生代农民工个体的市民化抑制程度。在对新生代农民工个体的市民化抑制程度指标进行分位数回归分解的基础上,分析了人力资本和社会资本对新生代农民工市民化抑制程度的影响,以期促进新生代农民工的城市融入。研究发现:新生代农民工的社会资本水平是影响其市民化的关键因素,人力资本水平的提高只有在市民化抑制程度高于80%时才会使市民化抑制程度下降。因此,相应的政策建议为,政府应加强新生代农民工城市公共服务的享用水平;发展和健全农民工工会组织;在市民化抑制程度较高的地区应特别加强新生代农民工职业技能的培训。     

人口与消费对碳排放影响的分析模型与实证

从消费压力人口视角探讨碳排放问题,有利于正确判断和把握气候变化压力的人文因素,以及人口与消费可持续发展的动力学机制.本文通过对STIRPAT模型的扩展,应用岭回归方法计量分析人口、消费及技术因素对碳排放的影响.对我国1980至2007年碳排放情况的统计实证结果表明,扩展的STIRPAT模型对中国国情有较高的解释力.居民消费水平、人口城市化率、人口规模三个因素对我国碳排放总量的变化影响明显;现阶段我国居民消费水平与人口结构变化对碳排放的影响力已高于人口规模变化的影响力,居民消费水平与消费模式等人文因素的变化有可能成为我国碳排放的新的增长点;技术进步因素在此模型中对我国该阶段碳排放的解释力有限,表明我国未来通过技术进步减缓碳排放的潜力巨大.     

环境监测分析中标准曲线回归方法的研究

采用加权回归方法来确定标准曲线方程,以解决现行标准曲线回归方法中,各测点对于统计量的相对偏差总体分布不均匀(相对偏差的标准差偏大,低浓度区大于高浓度区)的问题,避免了将回归得到的标准曲线用于样品测定而引起的误差。     

四川盆地森林覆盖率自然影响因素分析

本文对四川盆地森林覆盖率的影响因素进行逐步回归分析,结果表明影响森林覆盖率的自然因素是综合的,它包括气候、地貌、土壤等自然条件。其中以7月降水量、地形崎岖度、山地比例、酸性紫色土比例及土地垦殖系数等作为决定四川森林覆盖率变化的最重要因素,这5个因素即可解释盆地森林覆盖率80%以上的变化。     

关于铁路行车事故预测的应用研究

本文论述了事故预测对铁路行车安全的重要性,并应用灰色预测模型和概率回归估计法模型研制了预测软件,进行铁路行车事故的宏观及微观预测,为采取有针对性的防范措施提供一个可靠信息。     

两种定性天气预报模型的对比分析

以南京１９６５～１９９４ 年４ 月平均气温作为预报量, 选取前期５００ ｈ Ｐａ 月平均高度场相关因子, 分别建立了事件概率回归预报模型和神经网络预报模型。通过对比分析发现, 在同等条件下,由于神经网络方法能更好地反映预报量与预报因子间的非线性关系, 并能有效避免采用事件概率回归方法预报建模时, 对预报因子分级造成信息损失的缺点。因此, 其拟合和预报效果明显优于传统的概率回归预报方法