达州市国内旅游市场回归预测模型研究

旅游市场预测可以帮助旅游地掌握市场需求的变化及其发展趋势，是旅游地制定发展战略和市场营销决策的基本依据。以达州市国内旅游市场为研究对象，主要从统计学的角度，建立达州市国内旅游市场的预测模型，并结合达州市旅游业的发展战略趋势，对达州市国内旅游市场进行预测，这对达州市旅游业的健康发展具有一定的指导意义。     

回归的麋鹿不再迷路——一个关于生命、生存、生态的传奇

麋鹿是一个浓缩了诸多历史事件,负载和目睹着世态炎凉环境变迁、活生生的文化自然遗产。北京南海子麋鹿苑这个昔日的湿地和皇家猎苑,由盛而衰及至现在的复兴,默默演绎着一个关于麋鹿的传奇故事。回归带给麋鹿的是幸运在北京南五环大兴区,有一片占地近千亩的湿地——南海子湿地,     

基于半参数分析的电力需求预测算法

市场经济对电力需求预测提出了更高的要求。在简要介绍和评论以往国内外常用电力需求预测方法优缺点基础上,为了提高电力需求预测的准确度及预测方法的适应性,建立半参数回归模型预测电力需求。半参数回归模型分为线性和非线性两部分。线性部分反映了负荷预测可知的部分规律,非线性部分反映了负荷预测的不确定因素的影响。用偏残差方法估计半参数回归模型,估计结果由两步得到。首先估计线性参数部分,然后再估计非线性参数部分。通过示例计算,半参数回归模型对电力需求预测的估计误差数值小于二元线性回归法对电力需求预测的估计误差。结果表明:利用半参数回归法预测电力需求是一种预测精度高、计算容易、普适性强的算法。     

多元混合气爆炸极限的非线性预测研究

根据混合气的爆炸极限与混合气各成分的体积浓度之间具有非线性关系的特点,笔者提出采用神经网络非线性方法来计算含有H2,CH4和CO的多元混合气体的爆炸极限。在模型中,H2,CH4和CO的体积浓度作为输入,爆炸上限和下限作为输出。计算结果表明,该非线性模型预测混合气爆炸下限和上限的最大相对误差为3.90%,3.57%,而模型预测值与计算值的相关系数分别为0.971,0.981;非线性模型的预测结果要好于偏最小二乘回归的预测结果。当H2,CO,CH4在混合气中的体积浓度给定时,非线性模型能够准确预测混合气的爆炸极限。     

面对危化品事故的压力 安全监管怎么办

近年来，我省实施沿江开发战略．利用长江岸线得天独厚的区位和地理优势，招商引资，出台了一系列鼓励投资的优惠政策，化工产业集群的集聚效应日益显现，化工已成为我省支柱产业之一。据了解，目前我省已有化工生产企业4000多家。化工产业的快速发展，既给经济发展提供了条件．也给安全和环境构成威胁。面对我省“两个率先”目标，省委省政府环保优先、安全第一的总体部署．我们深刻地认识到．做好危险化学品安全管理下作，是当前十分紧迫的任务。但是，就危险化学品安全生产监督管理的实践来看．有一些问题亟待重视和解决。     

韩国的工伤康复

韩国的工伤康复已经形成了比较完整的体系,能够很好地为工伤职工身心康复和回归工作岗位、回归社会服务。韩国的经验和做法值得我们借鉴。     

CWAO降解正丁酸升温过程反应条件的优化

文章研究了正丁酸原液TOC浓度、催化剂用量、反应温度、氧气分压对Mn-Ce催化剂催化湿式氧化正丁酸升温反应过程的影响,建立了催化湿式氧化降解正丁酸升温反应过程的非线性回归模型,经计算,模型的可决系数r2和模拟效率系数NSC的值分别为0.9946和0.9352,均达到0.80以上,表明所建模型可以较准确预测催化湿式氧化过程中残余的正丁酸浓度;在非线性回归模型基础上,进行了催化湿式氧化降解正丁酸升温反应过程影响因素的最优取值研究,结果表明在最优反应条件下,催化湿式氧化降解正丁酸的实验总费明显低于实验条件取值的总费用。     

回归分析与GIS集成在大气污染分析中应用

为有效进行区域环境管理和改善质量水平,更好地利用现有环境数据资源,快速探索与总结区域环境污染的若干规律;文章在构建基于GIS的回归分析集成技术基础上,以北京市某区域的大气污染为例,运用该技术对该区域的主要大气污染因子与相关变量进行回归分析,对主要污染物的减排目标进行预测;进一步根据回归模型的结果提出该区域大气环境质量改善的建议。对城市区域环境质量改善具有一定的参考价值,是城市环境治理的可行途径和有效的工作方法。     

流域空间统计模型SPARROW及其研究进展

SPARROW(SPAtially Referenced Regressions On Watershed attributes流域属性基于空间的回归模型)是美国地质调查局(USGS)开发的经验统计和地表过程相结合的流域空间统计模型。模型通过对河流水质数据和流域属性建立空间回归实现污染负荷产生和迁移的定量化。模型的最大特色是其空间特性非常显著,可以将上游的营养盐污染源数据和下游的营养盐负荷数据联系起来,同时可以将河流中的水质监测数据或污染物通量数据和流域的空间属性特征(比如土地利用类型、河网、大气沉降等)联系起来。模型除了一般水质模型所具有的水质模拟和流域污染源的分析功能外,还可在模拟过程中对流域中每个污染源、流域属性和污染物迁移过程对水质监测结果的影响进行显著性检验。文章简要介绍了SPARROW模型的结构和原理、功能和应用发展前景。     

太湖叶绿素a浓度预测模型初探

以太湖2005年的监测资料为基础,运用多元统计回归和BP人工神经网络方法构建模型,探求叶绿素a与水深、水温、营养盐等10项环境因子之间的关系,通过验证发现BP模型对叶绿素a浓度的拟合值与叶绿素a浓度的实测值之间的均方误差为220．3059,优于统计回归模型的235．4569;此外对两种模型进行了灵敏度测试,结果都显示总磷不是太湖叶绿素a浓度的限制因子,而水深、水温、总氮的变化对叶绿素a浓度影响显著。本研究对太湖叶绿素a浓度预测模型的建立是十分有意义的。