祁连山北麓生态移民栖居乐园辨识——以武威市为例

栖居乐园是移民的愿景和乡村振兴的终极目标,可作为判断移民乡村重构多重目标实现程度的新标尺。以祁连山北麓武威市搬迁移民为例,基于栖居乐园辨识框架,分析了其栖居乐园认知的文化构成元素、认可度及群体差异性,借助有序Logistic回归进行发展障碍与提升潜能的多情境辨识研究。结果表明:(1)武威市搬迁移民以非农户、宿命论者为主,外出打工是其主要生计方式,不同类型移民收入构成差异显著;(2)移民对栖居乐园的憧憬和标准是多元的,其乐园构成要素集中在家庭、村庄建设、收入、机会、农业及政府保障方面,约54.8%的移民认为现居安置地符合其内心对栖居乐园的期盼,古浪县、农兼户和自治主义者的栖居乐园认可度最高;(3)生计风险多重性、纵向经济剥夺、归属感、产业投入是移民栖居乐园认可度提升的关键障碍;(4)家庭收入的正向影响随相对剥夺、关系信任变量的引入而增强,随社会融入变量的加入而减弱,生计风险多重性和纵向经济剥夺的负向影响随产业投入变量的引入而降低;政府产业投资越大,移民对安置地栖居乐园认可度提升的可能性越大。     

基于正交试验-多元回归的煤矿瓦斯涌出量预测

为了快速准确地预测工作面瓦斯涌出量,简化瓦斯涌出量预测建模过程,将正交设计方法与多元回归分析相结合提出了简化的预测模型,并针对实际矿井数据进行应用.结果表明,结合正交设计中的极差和方差分析可以有效剔除对瓦斯涌出量影响不显著的因素,该剔除结果与SPSS软件显著性分析结果一致,利用SPSS软件对剩余的瓦斯涌出量影响因素进行多元回归分析得到相应的回归模型,经检验其预测结果相对误差平均值为1.76％,回归模型具有较高的精确度,可为煤矿瓦斯涌出量预测工作提供一定的参考.     

天津市工业区氨污染特征及感官特性评价

为了解天津市工业区氨气污染现状,于夏、秋季节对该地区氨气进行监测采样.分析结果表明,夏季氨气的平均浓度要明显高于秋季.氨浓度要低于我国厂界一级标准限值,不过与欧洲环境质量标准比较,大部分都高于标准中目标限值的要求.氨的气味品质是厌恶型,厌恶度和浓度指数二者之间的关系,符合二次多项式模型;当厌恶度为-1时,氨的臭气浓度值为45,此浓度下人们开始感到身心不愉悦.基于此,建议将臭气浓度值45,作为氨环境影响限值的参考值,即使只是理论层面的研究,也可以为氨控制标准的制定指引一个新的方向.     

结合系统工程理论改善承包商安全管理

承包商事故在国内外事故中都占据着很高的比例.加强承包商安全管理是所有企业所面临的一个重要课题,应当引起各级管理者的重视.承包商安全管理涉及因素众多,可遵循系统工程方法论对其进行研究.对层次分析法和回归分析等理论在承包商安全管理中的应用进行了探讨.探讨了系统权重计算、系统决策、系统评估、系统预测的方法.建立了一个可以选择最优方案,对安全管理措施进行预先改进,实现闭环控制并且能够依据工作中的实际情况不断自我改进的系统模型,并根据假设的数据演示了该模型的建立步骤和计算方法.     

千岛湖藻类及相关环境因子多元线性回归和鱼腥藻预测模型的建立

文章以千岛湖 1998～ 2 0 0 1年连续监测资料为基础 ,运用多元线性回归手段 ,以水温等 7项环境因子对叶绿素a、藻类细胞密度、鱼腥藻细胞密度作回归统计 ,建立多元回归方程 ,初步建立千岛湖蓝藻鱼腥藻细胞密度的预报模型。结果表明 ,水温和溶解氧是千岛湖藻类细胞密度的显著相关因子 ,在控制蓝藻鱼腥藻方面 ,削减入湖的 COD和磷元素总量具有现实意义     

矿区疏干诱发岩溶塌陷特征分析及预测

针对某矿山疏干诱发岩溶塌陷的现状,分析其塌陷分布特征。提出6个影响塌陷的控制参数。采用相关分析方法量化各控制参数对塌陷的影响。相关性分析结果表明,塌陷的主要影响因素是第4系土层厚度、水位变幅及岩溶含水层渗透系数,其中岩溶含水层渗透系数对塌陷的影响最显著。应用Logistic回归方法,建立岩溶塌陷预测模型。划分出矿区塌陷危险区的具体空间位置,共有3个区域:高危区(渗透系数大于5 m/d);危险区(渗透系数为2.5～5 m/d);活跃区(渗透系数小于2.5 m/d)。     

基于潜变量回归模型的城市火灾风险评估

为评估城市火灾风险等级,针对城市火灾发生的可能性与严重性2个基本问题,建立评估指标体系,提出一种基于潜变量回归的评估模型,并给出无须迭代的确定性算法。该模型和算法无需事先指定风险等级评估分数的训练样本,不必事先指定指标汇总的加权系数,利用合理的配方约束,完成潜变量回归,实现城市火灾风险按地区或者按行业的等级评估,利用现成的软件计算,同样适用于其他具有类似数据结构的评估问题。     

基于ARIMA模型的航空装备事故时序预测

为提高航空装备事故预防的针对性、有效性和主动性,预防和减少事故的发生,降低事故造成的损失,提出一种时序的差分自回归滑动平均(ARIMA)模型。其建模过程先在时间序列基础上辨识一个试用模型,然后加以诊断,并作出必要调整,反复进行辨识、估计、诊断,直至获得较为满意的ARIMA预测模型。在实例验证中,所构建的用来预测美国空军飞行事故万时率的ARIMA模型,能够将预测的平均相对误差控制在7%以内,预测结果总体反映航空装备的实际安全状况。