中原城市群城市土地利用效率时空差异及影响因素研究

基于2006～2016年中原城市群各地市面板数据,运用超效率SBM模型和Malmquist模型测算城市土地利用效率并分析其时空差异,基于此借助空间计量模型分析中原城市群城市土地利用效率的影响因素,旨在促进土地要素的合理配置和区域协调发展.研究结果表明:(1)2006～2016年中原城市群城市土地利用效率整体水平不高,呈现先下降后上升波动变化趋势.高效率聚集区主要分布于中原城市群的西部,而东部的高效率聚集区逐渐向北部迁移.(2)城市土地利用过程中要素投入以及非期望产出的冗余是造成中原城市群土地利用效率损失的主要原因之一.(3)中原城市群城市土地利用效率存在正向的空间自相关.(4)经济发展水平、产业结构对于提高城市土地利用效率具有显著的促进作用,而财政压力、城市房地产投资对提升城市土地利用效率具有显著的抑制作用.(5)研究区域的城市土地利用效率存在空间溢出效应.因此要提高城市土地利用效率,中原城市群需要进一步加强城市之间的联系,建立联动发展机制,增强城市土地利用的系统性和整体性.     

基于BPNN的一江两河流域水体中重金属浓度预测

本文将反向传播神经网络(BPNN)应用于青藏高原一江两河流域(雅鲁藏布江山南段、拉萨河、年楚河)水体中重金属浓度预测，探讨了输入变量、预测因子、隐藏层节点数和模型结构的影响.模型以溶解氧(DO)、pH、电导率(EC)、总磷(TP)、铁(Fe)作为网络的输入层，重金属砷(As)、锑(Sb)、钼(Mo)、锰(Mn)的含量作为网络的输出层，使用Levenberg-Marquardt (LM)算法进行训练.其中，BPNN隐藏层的传递函数为tansig，隐藏层节点数为9，输出层的传递函数为purelin，输出层节点数为4.结果表明：(1)以单个元素作为预测因子时，As、Sb、Mo、Mn预测值和实测值的决定系数(R²)分别为0.98、 0.933、 0.894、 0.928；均方根误差(RMSE)分别为：9.7168×10^-4、 1.2508×10^-4、 3.3159×10^-4、1.9188×10^-3.(2)以4个元素作为预测因子时，预测值和实测值的决定系数(R²)为...     

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型，预测污染物浓度对人类健康和社会经济发展具有重要意义。然而，传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此，本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型，并使用哈里斯鹰算法(HHO)对模型的超参数进行优化；用CMAQ模型对上海市2022年12月六种大气污染物(SO₂、NO₂、PM₁₀、PM_2.5、O₃、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入，对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示，修正模型显著提高了六项污染物浓度的预测精度，RMSE减少了73.11%～91.31%,MAE减少了67.19%～89.25%,IOA提升了35.34%～108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题，使用高斯随机游走策略对HHO算...     

施工组织正式网络结构特征对组织安全行为的影响关系研究

为提升建筑施工安全管理水平，探讨施工组织正式网络的结构特征对组织安全行为的影响关系。基于社会网络分析方法，引入安全沟通作为中介变量，建立施工组织正式网络结构特征、安全沟通和组织安全行为的假设模型。基于91个施工组织正式网络结构特征分析，使用多层回归分析方法检验假设模型。结果表明:网络密度、出度中心势和聚类系数均显著正向影响组织安全行为；中间中心势和平均路径长度均显著负向影响组织安全行为；入度中心势对组织安全行为影响不显著；安全沟通分别在出度中心势和中间中心势与组织安全行为的关系中起完全中介作用；安全沟通分别在密度、平均路径长度和聚类系数与组织安全行为的关系中起部分中介作用；安全沟通在入度中心势与组织安全行为的关系中未起到中介作用。     

人工智能与专家的故事

人工智能几起几落,一般认为这一轮热潮从2012年开始。这一年,Hinton和他的学生Alex Krizhevsky设计的Alex Net采用深度学习算法,在Image Net图像识别竞赛中获得冠军,图像错误识别率下降10多个百分比,同期的其他神经网络每次的成绩提升很少达到5%,立即引起业界对深度学习的极大关注。之后的两年时间,深度学习网络进一步把整体错误率下降至5%以内,达到了人眼的水平。随后,Google、Micro Soft、Facebook先后开源了自己的深度学习框架Tensorflow、CNTK和Caffe。一时间,国内外涌现了大量的人工智能创业公司。除了深度学习技术,GPU芯片、分布式计算、计算位数压缩等新的优化技术也加快了神经网络的训练和使用效率,人工智能应用从高性能数据中心向嵌入式设备发展。     

国际民防日简介

2020年3月1日,第48个“国际民防日”。1990年国际民防组织大会确定每年的3月1日为国际民防日,以纪念1972年3月1日国际民防组织成为政府间国际组织,加强公众对国际民防组织任务的认识:保护生命、财产和环境。     

走滑断层作用下X80管道设计应变规律和神经网络预测

走滑断层是埋地管道常见的地质灾害威胁，断层作用下管道会发生较大的拉压应变而失效。为得到X80管道的设计应变，基于有限元方法建立了走滑断层作用下管道的应变响应数值计算模型，模型使用壳单元模拟管道，非线性弹簧单元模拟土壤约束，采用西二线实际工程的管道应变影响参数范围，计算了管道的设计应变；为预测管道的设计应变值，基于以上参数化分析得到的4 817组设计应变结果，采用人工神经网络建立了管道设计应变预测模型。结果表明:该神经网络模型预测结果的最大相对误差小于10%，预测准确性良好，且该方法具有较高的计算效率，可以为断层作用下埋地管道的应变设计与评估提供参考。     

基于GF-1号遥感影像的武汉市及周边湖泊综合营养状态指数反演

湖泊水体富营养化的监测评价是湖泊水资源管理和水环境保护的基础性工作。基于GF-1号WFV遥感影像和综合营养状态指数法,通过82个站点实测数据建立多元线性回归和RBF神经网络模型,对武汉市及其周边地区主要湖泊综合营养状态指数进行了反演。反演的结果显示,武汉市及周边大部分湖泊水域处于轻度富营养和中营养状态,局部湖区为中度富营养状态。验证结果表明:GF-1号WFV多光谱数据用于监测大面积湖群水质变化是可行的;两种模型都可以建立实测数据与遥感信息的函数关系,根据函数可以反演湖泊水质综合营养状态指数,进而实现大面积湖泊水质动态监测;而RBF神经网络模型预测的R2为0.742 3,均方根误差为3.72,其反演精度更高,更适合于监测内陆湖泊水质变化。     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。