商业类建筑人员密度统计分析与建模

对文献中商业类建筑人员密度的实地调查数据进行了整理分类,用统计方法研究了建筑面积、商业类型(经营形式和性质)、城市类型(所在城市经济水平)以及营业时期对人员密度的影响.结果表明,建筑面积与人员密度不存在明显的线性关系,而商业类型、城市经济水平以及营业时期对人员密度的影响较大;超市、服装类建筑的人员密度高于百货商场和家具建材类建筑,商业建筑人员密度随城市经济水平增长而降低.利用广义线性回归模型,以商业类型、城市类型和营业时期为解释变量初步建立了商业类建筑人员密度的预测模型.     

四氯乙烯急性吸入毒性的分类回归分析

根据毒理学试验数据讨论四氯乙烯急性吸入毒性的剂量-反应关系.首先总结了有关四氯乙烯急性暴露的毒理学试验数据,并利用分类回归的方法,得出了小鼠、大鼠与人类暴露于四氯乙烯时,暴露时间、暴露浓度与健康后果之间的关系,同时分析了不同受试动物的种间差异.结果表明,健康效应的发生概率随暴露浓度和时间的增大而增大,而当暴露浓度达到某一值的时候,健康后果的发生概率不再随浓度变化而变化,将这一浓度视为饱和浓度;不利效应(AE)对应的饱和浓度要低于剧烈效应(SE),且暴露时间越长,饱和浓度则越低,同时饱和浓度随受试动物的不同而变化,人类的饱和浓度最低,大鼠的则最高.     

中部地区能源效率影响因素的分析模型与案例研究

利用1995～2007年中部地区六省的GDP和能源消费量数据，比较中部六省的能源效率情况，并构建能源效率影响因素的多元回归模型，对存在显著差异的地区进行案例分析。研究的结果表明能源资源较为丰富的地区能源效率较低，影响能源效率的因素有多种，其中经济发展水平、产业结构、原材料价格和能源价格这些因素对山西省的能源效率有显著性影响。为此，政府应转变经济增长方式，降低煤炭产业在GDP中的比例，大力发展第三产业，提高经济发展水平， 深入改革能源价格体系，科学合理地利用煤炭，增加对石油、天然气等其他能源消费的合理需求，以提高能源效率。     

长三角与珠三角城市环境空气质量变化对比分析

利用重点城市环境空气质量日报数据中的空气污染指数(简称API),选择上海市和广州市作为代表性城市,研究了长三角和珠三角自2001年至2008年环境空气质量的变化趋势及其影响因素。结果表明,从年际变化看,上海市2002年前空气质量恶化,2002年后空气质量优化;广州市2004年前空气质量恶化,2004年后空气质量优化,较之上海变化趋势转折点存在2年的滞后。从季度变化看,上海市冬季春季秋季夏季,广州市冬季秋季春季夏季。与社会经济发展关系的分析表明,上海市随着社会经济的发展环境空气质量总体呈现好转趋势,广州市随着社会经济的发展环境空气质量总体呈现先恶化再好转的趋势,且经济发展对环境空气质量的影响大于社会发展。     

现代统计信息分析技术在安全工程方面的应用——因子分析

因子分析是一种多元统计分析方法。因子分析的主要功能是寻求隐藏在观测数据背后，支配变量的公因子，以最简单的形式表达事物的本质概念，文中介绍了因子分析的计算方法。     

基于STL的海表面温度预测算法

海表面温度是海洋科学研究中重要的参数之一，有效预测海表面温度对海洋灾害预警、海洋经济以及海洋生态环境研究具有重大意义。针对海表面温度具有周期性、持续性、非平稳性和非线性的特性，首先利用基于局部加权回归的周期趋势分解方法将原始海表面温度序列分解为周期项、趋势项和余项，挖掘海表面温度的潜在信息并去除序列中的随机噪音，再结合长短期记忆网络模型的优点，搭建神经网络来预测未来5天内的海表面温度。通过与其它模型的预测效果进行对比，实验结果表明，本文方法在预测海表面温度时具有较好的预测精度，能够实现海表面温度的有效预测。     

化学质量平衡模式的复共线性问题及岭回归估计

讨论了岭回归在解决化学质量平衡模式的复共线性问题中的应用，结合成都市大气颗粒物的实测数据，对数据作标准化与不作标准化时的岭估计结果进行了比较，表明，不作标准化处理的岭回归方法较之经典方法（标准化处理），其岭迹能较快地趋于平稳，从而在较小的岭参数下得到较好地岭估计结果。     

基于LME/BME的珠江三角洲PM2.5星地融合技术研究

收集并处理了遥感反演的气溶胶光学厚度（AOD）、归一化植被指数（NDVI）和气象数据,采用贝叶斯最大熵（BME）结合线性混合模型（LME）估算了2015年10月~2016年3月珠江三角洲地区近地表旬平均PM_2.5质量浓度.结果表明,LME+BME模型的预测精度比LME模型有较大提升,LME+BME模型的交叉验证结果R²为0.751,RMSE为6.886μg/m³,MAE为4.52μg/m³,而LME模型的交叉验证结果R²为0.703,RMSE为7.546μg/m³,MAE为4.927μg/m³.空间分布看,PM_2.5高浓度地区主要集中在广州、佛山、东莞等地区,低浓度地区主要集中在肇庆、惠州、江门的南部等地区;时间变化看,PM_2.5污染比较严重的时间为2015年10月中旬、2015年11月下旬以及2016年3月下旬,而2015年10月上旬、2015年12月上旬和2016年1月下旬污染则相对较低.     

成渝城市群PM2.5的时空分布及其影响因素研究

随着工业化与城镇化的深入推进,成渝城市群的PM_2.5污染不断加剧,呈明显的区域性与复合性特征.该研究以2015—2017年成渝城市群空气质量监测站的日均ρ（PM_2.5）数据为基础,结合区域气象、遥感与统计年鉴等多源数据,采用反距离插值法分析了ρ（PM_2.5）的时空分布差异,采用Moran's I指数与LISA指数探索了ρ（PM_2.5）的全局和局部空间自相关性,并利用空间回归模型研究了自然、经济社会等因素对ρ（PM_2.5）的影响.结果表明:①成渝城市群ρ（PM_2.5）分布存在明显的时空差异.时间上,2015年PM_2.5污染最严重,ρ（PM_2.5）年均值为54.38 μg/m3,2016年、2017年PM_2.5污染状况逐年减轻,ρ（PM_2.5）年均值分别为53.68与47.56 μg/m3;空间上,成渝城市群东北部ρ（PM_2.5）较低,而南部ρ（PM_2.5）较高.②空间自相关分析结果表明,PM_2.5污染在成渝城市群存在显著的空间聚集性,成渝城市群南部ρ（PM_2.5）呈高值-高值聚集,成渝城市群北部ρ（PM_2.5）则呈低值-低值聚集.③空间回归结果表明,成渝城市群范围内某一地区邻近区域的ρ（PM_2.5）平均值增加1%时,该地区ρ（PM_2.5）将上升至少0.38%.城镇化率对ρ（PM_2.5）的影响最大,其次是第一产业增加值,再次是工业增加值占比和降水量.城镇化率、降水量与ρ（PM_2.5）呈负相关,而第一产业增加值、工业增加值占比与ρ（PM_2.5）呈正相关.研究显示,加快城镇化进程、减少第一产业排放、降低工业增加值占比（尤其是重污染工业）是有效解决成渝城市群PM_2.5污染的重要手段.