Comparison of Four Machine Learning Methods for Predicting PM10 Concentrations in Helsinki, Finland

Machine learning methods can offer a practicalalternative to deterministic and statistical methods forpredicting air pollution concentrations. However, for agiven data set, it is often not clear beforehand whichmachine learning method will yield the best predictionperformance. This study compares the variable selection andprediction performance of four machine-learning methods ofdifferent complexity: logistic regression, decision tree,multivariate adaptive regression splines and neuralnetwork. The methods are applied to the task of predictingthe exceedance of the European PM₁₀ daily averageobjective of 50 g m^-3 for a station in Helsinki,Finland. Our study shows that some predictors were selectedby all models but that the different models also pickeddifferent variables. The performance of three of the fourmethods investigated was very similar, however, performanceof the decision tree method was significantly inferior.Performance was sensitive to the learning sample size andtime period used.     

高等职业院校教学模式探讨

教学模式是将多种教学方法有机地加以"整合"。从教学模式的角度来研究课堂教学为教学研究提供了新的思路,为教学理论与实践架起了一座桥梁。本文介绍了教学模式的概念、作用、发展及分类,分析了高职教学模式现状并对模式的构建提出了建议。     

唤起"求知欲",治疗"厌学症"

本文分析了求知欲的由来及消退原因,"厌学症"的形成及治疗方案,试图唤起学生的求知欲,治疗他们的"厌学症".     

英语教学重在培养学生的自主学习能力

英语教学的目标始终应该是学生学会自主学习。本文分析了英语教学中学生的主体作 用和教师、教材的媒体作用,并提出培养学生自主学习能力应坚持的学生主体性原则,以及教学实 践的途径与策略。     

四川盆地PM2.5与PM10高分辨率时空分布及关联分析

为深入了解四川盆地PM_2.5与PM₁₀污染情况，通过机器学习的方法，基于卫星遥感气溶胶产品（MAIAC）与国家环境空气质量监测网数据以及气象、地理、社会经济变量等，构建2个随机森林机器学习模型（R²均为0.86），反演四川盆地2013~2017年间1km网格逐日PM_2.5与PM₁₀浓度时空分布，并分析两者的时空关联性.结果表明：2013~2017年四川盆地地面PM_2.5与PM₁₀平均浓度分别为47.8，75.2μg/m³.PM_2.5与PM₁₀浓度空间上均整体呈现"倒月牙"状分布，西部与南部区域浓度值较高.5a间，区域颗粒物浓度逐年递减，总降幅均达到27%，季节上则均具有"冬高夏低"的特点；PM_2.5与PM₁₀浓度空间相关性显著（相关系数0.96），呈现"内强外弱"的格局，春夏季相关系数（0.91、0.90）低于秋冬季（0.96、0.96）.盆地西南部PM_2.5与PM₁₀比值较高，比值高低的季节性排序为冬季 > 秋季 > 夏季 > 春季.     

高等院校教育技术的发展思路探讨

本文阐述了高等院校教育技术的发展现状，分析了高等院校教育技术发展的特点，对高等院校教育技术的发展进行理性思考。认为高等院校应该在重视教育技术实践性和支持性研究的基础上，立足现实，更全面审视机构整合、教育信息化、信息资源库建设和教师培训这些热点问题。     

在数学教学中如何培养学生能力

学生能力的培养是教学活动的中心，本文通过对数学教学过程的总结和分析，就如何培养学生能力问题谈了自己的一些见解，并针对学习能力和理解能力的培养提出了一些措施。     

基于机器学习的侵财类案件危害程度分析

为了进一步分析侵财类案件的危害程度,以抢劫、抢夺和盗窃3种典型侵财类案件为例,利用ZS市2008—2014年的犯罪数据与统计年鉴数据,提取“发案时间”“发案地域”“选择时机”“选择处所”“选择对象”“人均地区生产总值”“职工月平均工资”7个特征,建立基于多种机器学习分类算法的侵财类案件危害程度预测模型,并进一步开展预测结果的分析研究。研究结果表明:梯度提升决策树（GBDT）算法性能最优,危害程度预测准确率达到了0.88;在抢劫案和抢夺案中,一般和重大的案件容易发生在繁华地带,特大案件容易发生在其他处所;侵财类案件倾向于在工作日的城区中发生,发生的危害程度大多为一般;提出的侵财类案件危害程度预测模型可为侵财类案件的风险评估及警务资源优化配置工作提供方法支持。