机非交通事故中驾驶员过错和事故严重程度影响因素的Logistic回归分析

为探究人、车、路和环境等因素对机非交通事故中机非双方驾驶员过错和事故严重程度的影响,选取2017年广东省发生的1 357起机非交通事故的数据作为基础,分别构建二元Logistic回归模型和三元有序Logistic回归模型,分析机动车驾驶员属性、非机动车驾驶员属性、机动车辆、非机动车辆、道路和环境等因素与机非双方驾驶员过错和事故严重程度之间的关系。结果表明:模型拟合度良好;机动车驾驶员是否出现过错与机动车驾驶员的性别、机动车使用性质、道路类型和天气等9个变量显著相关;非机动车驾驶员是否出现过错与非机动车驾驶员的性别、非机动车类型和道路物理隔离等6个变量显著相关;机非交通事故的严重程度与机动车驾驶员的驾龄、机动车安全状况、道路线形和机动车驾驶员过错等7个变量显著相关。该研究结果可为降低机非交通事故严重程度提供参考依据。     

连续倒塌中基于顶底角钢-腹板双角钢节点组件模型的研究

钢结构的抗连续倒塌能力一般取决于其抵抗局部损伤的能力,但这种能力往往取决于许多因素,目前还没有一个稳定可靠的判定方法。基于组件法建模原理将顶底角钢-腹板双角钢节点离散为多个对受力有贡献的基本组件,然后通过集成组件来模拟节点的受力特性,并依此构建了顶底角钢-腹板双角钢半刚性节点梁柱子结构的连续倒塌数值分析模型。结果表明:通过与试验结果比较,节点组件模型能较为准确地反映节点的断裂路径和受力发展过程,同时降低了计算成本。说明组件法在连续倒塌研究中具有重要的理论意义和应用价值,可作为连续倒塌研究的有利工具。     

圆柱体相似试件的拉裂破坏模型研究

首先简单介绍了单轴压缩试验的具体情况。对于拉裂破坏模式,提出了相应的力学计算模型,并建立了抗压强度和抗拉强度的关系式。对于由拉裂面的存在而导致试件最终破坏的计算模型,提出了4种相应的假设。其中,对4种特征的拉裂面建立了抗压强度和抗拉强度的关系式。     

广州市城市人口郊区化过程及其模式分析

我国正进入城市化的快速发展阶段．城市功能的聚集效应和扩散效应．都市圈化和效区化趋势在一些城市都有表现．因此将二者结合起来．研究我国城市化规律有重要意义。利用1982、1990、2000年三次人口普查中得到的广州市中心区和近郊区各街道、镇的人口密度资料．对广州人口密度分布进行模型研究。结果发现：1982年以来广州市城市人口密度分布呈典型的克拉克分布．即城市中心人口密度最大．随着向外距离的增加，人口密度迅速降低。表现出城市发展早期阶段的特征；与此同时，中心区人口密度先升后降.近郊区人口密度持续上升．远效区人口密度缓慢上升．城市郊区化开始发展。     

沱江底泥耗氧与模型化研究

SOD是影响水中溶解氧的重要因素。本文论述了底泥的特征,建立了沱江底泥耗氧的多元线性回归模型和再悬浮SOD模型.并讨论了影响底泥耗氧的主要因素。本研究发现底泥耗氧率模式为R=a exp(b/D)(a=3499.3,6=-0.192)。     

基于计量模型的生态旅游需求预测应用研究——以阿勒泰地区为例

从供求关系视角对区域生态旅游需求进行预测有利于生态旅游资源的优化配置与生态旅游产业的可持续发展。建立基于旅游人数和网络搜索的计量模型，以阿勒泰地区2008—2012年生态旅游相关数据为样本数据进行预测。结果显示：预测旅游人数与当年实际旅游人数基本接近说明该模型拟合效果较好，可以很好地反映区域生态旅游需求。该模型和方法的应用对挖掘当地生态旅游潜力、生态旅游可持续发展具有一定科学指导作用。     

基于BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价，提出1种基于BP神经网络的泄漏事故风险评价方法，利用该方法构建了苯储罐的风险评价模型，并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务，且模型训练结果较好，可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。     

机场航站楼能耗预测的灰色马尔可夫方法

机场的能耗主要集中在航站楼,充分掌握未来航站楼能耗,对机场节能减排至关重要。由于机场能耗受到多重因素影响且影响机制复杂,故目前还很难给出机场能耗的解析计算式,针对未来时间的能耗预测更为困难。所以,本文提出采用GMM(Grey Markov Model—灰色马尔可夫模型)的方法来预测机场航站楼的能耗,其特点是将灰色模型和马尔可夫模型相结合。应用表明,采用灰色马尔可夫方法进行预测更为科学合理。     

数字金融对商业银行经营效率的影响——基于16家上市银行的实证研究

数字金融的发展对商业银行而言机遇与挑战并存。首先采用全局主成分分析法和DEA-Malmquist模型测度商业银行的经营效率,其次利用16家上市银行2011——2018年的面板数据实证检验数字金融对商业银行经营效率的影响,并针对商业银行股权结构异质性进行分样本回归。结果表明,第一,2011——2018年多数银行全要素生产率值小于1,银行整体经营效率不高,主要是由于技术效率降低导致的;第二,数字金融对商业银行经营效率具有显著的正向影响,数字金融发展越好,商业银行经营效率越高,主要通过数字金融服务的使用深度和普惠金融数字化程度实现,数字金融使用广度对商业银行金融效率的影响不显著;第三,数字金融发展对商业银行技术效率和技术进步均产生了正向作用,但对技术效率的促进作用更大;第四,数字金融对城市商业银行和股份制商业银行的经营促进效果较好,而对国有商业银行经营的影响较低。基于实证结果提出政策和建议,以化解和减少数字金融对商业银行的不利影响,优化商业银行运营模式,提高金融服务水平。     

基于ICEEMDAN分解和MHA-LSTM神经网络的滑坡位移预测

深度学习在机器视觉等各个领域的兴起，使长短时间记忆(LSTM)神经网络也越来越常用于滑坡预测工作中。为加强对历史信息的提取与捕捉，提出一种多头自注意力长短时间记忆(MHA-LSTM)神经网络用来预测滑坡位移。首先采用改进版的自适应噪声完备集合经验模态分解(ICEEMDAN)算法将滑坡位移分解成趋势项、周期项和噪声项；然后采用MHA-LSTM神经网络拟合带噪声的滑坡位移趋势项和周期项，两者相加即可得到滑坡总位移的预测结果；最后以白水河滑坡实测数据为例，考虑月降雨量和库水位因素的影响，对该滑坡位移的周期项和趋势项进行预测，并与其他传统神经网络的预测结果进行对比。结果表明：MHA-LSTM神经网络模型相较于其他传统神经网络模型，能更好地捕捉历史的信息特征，预测效果更佳，可为滑坡预测提供新的技术方法。