基于城镇化门槛模型的中国OFDI的碳排放效应研究

由于以城镇化为重点的经济发展被视为对外直接投资的基本条件,且城镇化、跨国投资的碳排放效应在现有文献中已被证实,构建包含以上三者的一体化分析框架是本文的主要目标。在我国新型城镇化发展背景下,研究如何更好通过"走出去"来实现城镇碳减排和经济集约化发展,具有必要性和现实意义。基于此,本文采用2003—2012年间中国30个省份的面板数据,在探讨各城镇化阶段对外直接投资影响母国碳排放发生机制的基础上,通过构建城镇化面板门槛模型和碳排放拓展模型,对中国城镇化进程中对外直接投资的碳排放效应的阶段性差异及其产生原因进行实证分析。研究表明,对外直接投资的碳排放效应存在城镇化率门槛值的制约,处于中高城镇化阶段的地区通过对外直接投资降低城镇碳排放水平的效果较之于处于低城镇化阶段的地区更为显著。具体看来,在中游城镇化率区段,对外直接投资能实现过剩产能输出和产业链升级,规模效应和结构效应构成了对外直接投资的碳排放效应的传导路径;在高度城镇化率区段,对外直接投资能实现污染密集型产业输出和技术溢出,规模效应和技术效应则构成了对外直接投资的碳排放效应的传导路径。进一步对城镇化集聚成本门槛效应分析发现,对外直接投资的规模效应、结构效应和技术效应分别是高度城镇化人口拥挤成本、竞争加剧成本和环境治理成本阶段的碳排放水平下降的主要原因。这意味着,要想充分发挥对外直接投资对碳减排的作用,城镇化率较高的地区尤其需要"因势利导"加快传统产业资本输出,优化资源配置和推动结构升级,实施创新驱动发展战略。同时,城镇化率较低的地区则应在工业化过程中,注意避免沦为高碳产业资本的污染"避难所"。     

水土匹配、空间效应及区域农业经济增长——基于中国2003-2013的经验分析

水资源和土地资源是非常重要的自然资源,是农业经济发展不可或缺的物质要素。水资源与土地资源的合理匹配能够促进区域的资源优势转化为经济增长,从而促进区域农业经济发展。我国是一个人口众多的农业大国,同时也存在水资源与土地资源短缺的问题。本文结合我国农业水土资源自然禀赋与实际利用情况,首先利用中国2003-2013年的分省数据,选取单位耕地面积的广义农业水资源量测度方法和当量系数描述了我国农业水土资源匹配的现实,发现我国农业水资源与土地资源在空间上匹配程度不高,农业生产受到水土资源约束较强,农业水土资源的形成区域与消耗区域在空间上不相匹配;然后,在邻接权重矩阵下采用Moran’s I指数验证我国区域农业经济增长的空间关联性,结果显示我国各省农业经济增长存在显著的空间关系,呈现出高度的集聚性和非均质性。为避免估计结果有偏,本文在此基础上采用空间计量建模及估计方法,加入农业生产人、财、物等控制变量,测度水土匹配度对区域农业经济增长的空间溢出效应。结果显示,水土匹配度对区域农业经济发展的区域内和区域间的溢出效应都显著为正,总体上水土匹配度对区域农业经济发展具有正向的溢出效应,即水土匹配度对本地区农业经济增长具有促进作用;同时,由于相邻区域的水土资源自然禀赋条件类似,而且农业生产中存在"示范效应"和"模仿效应",水土匹配度对相邻地区农业经济增长也具有一定的促进作用。因此,采取相关措施优化农业水土资源匹配关系,对促进我国区域农业经济增长,保障我国粮食安全非常重要。     

基于粗糙集和BP神经网络的流域水资源脆弱性预测研究——以淮河流域为例

水资源是一种重要的自然资源和经济资源,对其未来的脆弱性进行预测可以预估研究区未来的水安全状况,对其脆弱性问题做出预警,从而及时采取治理措施。因此,合理科学的水资源脆弱性预测研究是缓解水资源脆弱性的有效手段。目前,水资源脆弱性研究主要是针对水资源现状进行评价,对其未来状况的预测较少。集成了粗糙集和BP神经网络两种方法,首先采用改进了的盲目删除法对构建的流域水资源脆弱性评价指标体系进行约简,其次通过BP神经网络拟合约简后的指标数据与脆弱度之间的映射关系,构建流域水资源脆弱性评价预测模型。基于之前研究的样本数据和脆弱性结果,探讨淮河流域未来的水资源脆弱性状况。结果表明:淮河流域2015年、2020年和2025年的水资源脆弱度分别为0.305、0.359和0.390,处于轻度脆弱和中度脆弱的状况,除2015年脆弱性状况有所好转以外,2020年和2025年的水资源脆弱性程度与近几年相比有所加剧,根据指标数据可知该现象主要是受年降水量、人均用水量、万元GDP废水排放量、垦殖指数、有效灌溉面积比和干旱面积受灾比6个指标的影响,为避免水资源脆弱性的加剧,应当有针对性的加强这几个方面的管理和控制。     

广义灾害、灾害链及其防治探讨

探讨了“广义灾害”提出的必要性,给出了它的定义。讨论了广义灾害,灾害、祸和灾害链的分类,共性和个性,以及它们在事物和人类发展过程中的作用,提出了广义灾害、灾害链的结构,破坏作用、直接损失量,放大作用和概念模型或数学模型,简略地讨论了防治灾害的指导原则和战略策略等问题。     

基于神经网络模型的房屋震害易损性估计方法

结构易损性分析是震害预测工作中的一个重要环节.本文提出了一种基于人工神经网络模型的房屋震害易损性估计方法,文中以多层砖房结构的建筑为例,给出了易损性估计神经网络模型的输入向量设计方案和具有输出约束控制的BP神经网络模型.     

基于人工蜂群算法的BP双隐含层神经网络水质模型

采用人工蜂群算法优化BP神经网络的初始权值和阈值,同时采用双隐含层来提高网络精度,选取DO、IMn、COD、BOD5和NH3-N作为评价指标,建立一个基于人工蜂群算法的BP双隐含层神经网络模型,并应用该模型对2012年黄河水系下河沿断面的各月监测数据进行水质评价,同时与BP神经网络、模糊层次评价方法作比较。结果表明:基于人工蜂群算法的BP双隐含层神经网络在水质评价时,均方误差小,多次运行的结果始终一致,评价结果合理有效。     

基于BP神经网络的藻类水华预测模型研究

以宁波大学校内池塘2009年3—10月间30周的监测数据为基础,运用BP人工神经网络方法构建预测模型,探求颤藻生物量与总氮、总磷、透明度等6项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析。结果显示:①BP神经网络模型对颤藻生物量预测值与实测值之间拟合程度良好,相关系数达到了0.984,说明BP神经网络模型可以用于水体中藻类水华的短期预测。②通过对构建的BP神经网络模型进行敏感度分析,阐明了宁波大学校内池塘藻类水华的主要驱动因素,并指出控制水体的pH是宁波大学校内池塘藻类水华防治工作的重点。     

太湖富营养化指标BP人工神经网络预测模型的建立

富营养化是太湖面临的一个重大环境问题。富营养化预测是湖泊水质变化的有效预警手段。本文选择TN、TP和叶绿素a(Chl-a)三个富营养化重要评价指标,基于Minitab软件的相关性分析,利用MatlabR2010b软件建立了太湖TN、TP和Chl-a变化的BP人工神经网络预测模型。结果表明,在对TN、TP、Chl-a的预测中,训练的均方差在0.02以下,相关系数在0.88以上,测试的均方差在0.17以下,相关系数在0.70以上,具有较强的相关性;Chl-a、TN的模型预测的结果最为理想,TP的预测结果次之,总体结果较好。因此,建立的BP神经网络能较好地预测太湖富营养化指标的变化情况,可作为太湖富营养化管理的一个有效工具。     

基于小波分析与BP神经网络的PM_(10)浓度预测模型

应用小波分析和BP神经网络相结合的方法,建立大气污染物浓度预测模型。首先,利用静态小波分解将原始的大气污染物浓度序列分解为不同频段的小波系数序列;其次,将重要的气象因子和各尺度上的小波系数序列作为BP神经网络的输入;最后,对输出的各序列预测值重构,得到最终的预测结果。使用该模型对重庆市主城区某国控监测站点的PM_(10)浓度预测,结果表明,与传统的BP神经网络模型相比,该预测模型的推广能力强、预测精密度高,具有良好的应用前景。     

支持向量机在城市震后火灾损失预测中的应用

针对地震火灾的复杂性和多变性的特点,在综合分析了各种震后火灾损失预测方法的基础上,提出了基于支持向量机的城市震后火灾损失预测模型。以地震火灾的历史资料为依据,建立学习样本和测试样本,并与BP神经网络预测方法相比较,验证了其可行性,也为其它自然灾害的损失预测提供了简单、有效的方法。