水环境承载力约束下区域城镇化发展合理速度分析

城镇化发展在促进区域社会经济快速发展的同时也导致水环境问题日益严峻。基于区域水环境承载力探讨了城镇化发展合理速度的计量方法:①构建城镇化进程中水环境承载力评价系统,分析城镇化子系统及水环境承载力子系统的基本要素,建立评价指标体系;基于评价指标,利用向量模法测算水环境承载力综合评价值。②构建水环境承载力约束下的区域城镇化发展合理速度分析模型。③根据不同城镇化发展速度、政府不同管制力度设置9种组合情境,在对相关评价指标进行预测的基础上,分别测算不同情境下的水环境承载力综合评价值;通过“阈值”门槛筛选出合理情境,确定区域城镇化发展速度的合理范围。以经济实力强、城镇化水平高、水环境压力大、制度相对健全的江苏省作为研究区域进行实证分析,测算了2006—2017年江苏省水环境承载力综合评价值,以及2030年9种组合情境下的江苏省水环境承载力综合评价值。获得如下研究结论:①2006—2017年间江苏省水环境承载力虽呈现一定的波动,但2013年以后随着政府管制力度的加强,总体上呈现良好的上升态势,但水环境承载力下滑的压力已开始显现。②2030年9种组合情境中,只有“中/强”“低/强”“低/保持”满足水环境承载力阈值标准。结果表明:到2030年,政府对水环境管制力度“强”的情形下,江苏省城镇化发展可以维持1.0%~1.2%的年增长率;政府对水环境管制力度“保持”的情形下,江苏省城镇化发展只能维持1.0%的年增长率,并据此提出了政策建议。     

煤与瓦斯突出预测的支持向量机(SVM)模型

基于支持向量机(SVM)分类算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出预测的SVM模型。该模型选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度5个指标作为模型输入量,同时将煤与瓦斯突出程度划分为无突出、小型突出、中型突出和大型突出4个等级,进而使其评判结果更为细化。以实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测。通过算例分析,表明该模型的方法对煤与瓦斯突出预测的合理性与有效性,可以在实际工程中推广。     

基于Kinect的地铁乘客不安全行为识别方法与实验

为解决地铁视频监控技术对乘客不安全行为只记录不识别且较少考虑识别精确度的问题,提出1种基于Kinect传感器的高效识别方法.以Pelvis为向量起点和动作活动高频关节为终点构建识别特征向量;运用余弦定理获得标准动作与测试动作关节的最大角度差序列;以最大角度差为动作特征量建立相似度计算模型,运用动态时间规整算法(DTW)...     

室内废气污染的计算与分析

通过对吸油烟机抽吸风场有效强度矢量图的测量 ,给出了吸油烟机质量技术检验方法和油烟废气、燃气废气污染泄漏量的计算方法 ;对油烟、燃气废气在厨房的扩散与循环作了详细分析 ,并对国标提出几点建议。     

Streamflow Forecasting Using Singular Value Decomposition and Support Vector Machine for the Upper Rio Grande River Basin

The current study improves streamflow forecast lead‐time by coupling climate information in a data‐driven modeling framework. The spatial–temporal correlation between streamflow and oceanic–atmospheric variability represented by sea surface temperature (SST), 500‐mbar geopotential height (Z₅₀₀), 500‐mbar specific humidity (SH₅₀₀), and 500‐mbar east–west wind (U₅₀₀) of the Pacific and the Atlantic Ocean is obtained through singular value decomposition (SVD). SVD significant regions are weighted using a nonparametric method and utilized as input in a support vector machine (SVM) framework. The Upper Rio Grande River Basin (URGRB) is selected to test the applicability of the proposed model for the period of 1965–2014. The April–August streamflow volume is forecasted using previous year climate variability, creating a lagged relationship of 1–13 months. SVD results showed the streamflow variability was better explained by SST and U₅₀₀ as compared to Z₅₀₀ and SH₅₀₀. The SVM model showed satisfactory forecasting ability with best results achieved using a one‐month lead to forecast the following four‐month period. Overall, the SVM results showed excellent predictive ability with average correlation coefficient of 0.89 and Nash–Sutcliffe efficiency of 0.79. This study contributes toward identifying new SVD significant regions and improving streamflow forecast lead‐time of the URGRB.     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

基于ARIMA与LS-SVM组合模型的飞行事故征候预测

应用差分自回归移动平均模型(ARIMA)和最小二乘支持向量机(LS-SVM)的组合模型,对某航空公司的月度事故征候万时率进行了预测分析。对2008—2016年某航空公司的事故征候、飞行小时、航空器数量等历史数据建立ARIMA模型,应用SPSS软件进行模型拟合,获得事故征候万时率的线性部分;随后利用LS-SVM分析ARIMA模型的残差,获取非线性部分,最终通过二者之和获得ARIMA+LSSVM组合模型。对2017年1—3月的月度事故征候万时率进行了预测,并用实际数据验证。结果表明:ARIMA(1,1,1)(1,1,1)12模型较好地拟合了事故征候万时率的历史序列,LS-SVM模型对残差的拟合获得了较好的精度;组合模型的短期(3个月)预测值与航空公司事故征候万时率的趋势完全一致,且预测精确度可接受。     

公务员录用分配方案探讨

针对现行公务员录用分配制度存在的问题，通过细致的分析，探讨关于公务员录用分配的最佳策略．决策过程中以应聘者能力与各部门要求的偏差为标准，建立模型，且考虑所有应聘者的意愿时，分三种情况进行讨论：都服从志愿调配；都不服从志愿调配；既有服从调配的、又有不服从志愿调配的，使模型更接近实际情况．     

关于模糊综合指数与模糊向量加权记分

通过将模糊向量加权记分与模糊综合指数的计算步骤、计算内容和方法一一进行比较,证明模糊向量加权记分与模糊综合指数无本质差异。所采用的分制规定差异,只能使模糊向量加权记分所得结果更加不合理。采用模糊综合指数法,选用恰当的权重,可以克服“优劣倒置”现象。     

中国能源效率与其影响因素的动态关系研究

本文利用1978-2006年样本数据,首先通过状态空间模型分析了经济结构、技术进步、能源消费结构和能源价格对能源效率的单向动态变化过程及成因;接着使用向量误差修正模型估算出能源效率与其影响因素之间的长期均衡和短期波动关系;在此基础上利用脉冲响应函数和方差分解模型就我国能源效率与其影响因素之间的动态关系作进一步分析。结果表明:改革开放以来我国能源效率与其影响因素之间存在长期均衡关系,经济体制改革和一些相关政策对能源效率有着深远的影响。从长期均衡关系来看,技术进步对能源效率的正面影响最大,能源价格和一些不可观测变量对能源效率有着促进作用,而经济结构和能源消费结构未能对能源效率起推动作用。从各因素对能源效率的贡献百分比来看,能源价格对能源效率的贡献最大,然后依次是经济结构、能源消费结构和技术进步。