模糊支持向量机在煤与瓦斯突出预测中的研究

模糊支持向量机(FSVM)综合了模糊理论和支持向量机(SVM)的学习理论,不仅继承了SVM在小样本情况下所具有的较强识别能力的特点,并且比SVM拥有更好的学习能力。在FSVM算法中,每个样本被赋予一个隶属度值,使得构造目标函数时不同的样本有不同的贡献,达到最大限度的消除噪声或者孤立点的效果。运用了灰色关联分析(GRA)对煤与瓦斯突出指标进行提取,引入了一个合适的模糊隶属度函数,并在此基础上提出了基于FSVM的煤与瓦斯突出预测的模型,通过实际数据的验证和其他预测方法的对比,证明了FSVM模型能够满足煤与瓦斯突出预测的要求。最后,将FSVM和传统SVM对同一组数据进行训练,证明了FSVM相比较传统SVM拥有更高的精确度。     

长江经济带大气环境效率的时空异质性与驱动因素研究

将大气污染物视为“坏”产出,基于SBM-Undesirable模型与Global Malmqusit-Luenberger（GML）生产率指数实证测算2006~2015年间长江经济带11省市的大气环境效率与大气环境全要素生产率,并考察其时空异质特征与驱动因素,利用泰尔指数分解方法揭示大气环境效率地区差距的形成根源,通过构建“效率-生产率”矩阵分析长江经济带各省市大气环境效率提升的优势与不足。结果表明：长江经济带大气环境效率整体水平偏低,不同地区差异较大且在考察期间维持了下降趋势,大气污染减排潜力巨大;长江上游、中游与下游三大地区之间差距与长江上游地区内部省市之间差距是长江经济带大气环境效率地区差距形成的主要根源;大气环境全要素生产率提升完全依靠技术进步来驱动,技术效率恶化是长江经济带大气环境生产率提升的主要障碍;不同省市大气环境效率提升的优势与不足存在差异,因而必须因地制宜地制定大气污染防治对策。研究结论可以为长江经济带改善大气环境质量、促进经济社会可持续发展提供决策依据。 关键词： 长江经济带;大气环境效率;时空异质性;驱动因素     

技术异质下中国大气污染排放效率的区域差异与影响因素

近年来中国雾霾天气的频繁发生给人们的生产、生活以及身体健康构成巨大威胁。提高大气污染排放效率,深入挖掘大气污染减排潜力是改善中国大气环境质量,减少和消除雾霾天气发生的重要途径。本文根据生态效率理论,充分考虑到不同区域发展的不平衡因素与技术异质性特征,在共同前沿方法框架下科学测算2006—2014年间中国30个省份的大气污染排放效率,在此基础上分析效率的区域差异,利用"技术差距比(TGR)"这一指标衡量东部、中部与西部三大区域之间大气污染排放技术的差距,并从"技术"与"管理"两个维度进一步将各省份大气污染排放无效率分解为"技术差距无效率(TGI)"与"管理无效率(GMI)",以此定位各省份大气污染防治的薄弱环节,进而构建策略矩阵,将全国各省份归入四个不同排放效率特征的方阵,并给出相应的优化路径与措施;深入揭示大气污染排放效率与排放强度之间的内在联系,提出"大气污染排放强度效率"这一全新概念并考察其演化趋势;利用面板Tobit回归模型检验影响我国省际大气污染排放效率与排放技术的外部环境因素。实证结果表明:1中国大气污染排放效率整体水平偏低,年均仅为0.493,污染减排潜力巨大;2中国大气污染排放效率与排放技术的地区差异显著,无论是大气污染排放效率还是排放技术水平,东部地区都是明显高于中部与西部地区;3中国大气污染的实际排放强度明显高于潜在排放强度,这表明大气污染排放强度还存在很大的改进空间;4经济发展、产业结构升级与科技创新对大气污染排放效率与排放技术的提升均有显著促进作用,煤炭消费比重上升与人口密度过大则对其有显著抑制作用;5本文的研究结论支持"波特假说"与"污染避难所"假说。