基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

卫星遥感洞庭湖主汛期水体时空变化特征及影响因子分析

基于1989~2011年的长时间序列卫星遥感数据,利用综合水体信息提取方法提取了洞庭湖区6~9月主汛期的水体信息,通过较高分辨率卫星遥感数据验证,水体面积提取精度达到90%以上。洞庭湖年平均径流入湖量、NCEP再分析资料计算的湖体上空和流域累计月平均降水量分别与水体面积变化的关系进行分析,结果表明: 1989~2011年间洞庭湖水体面积最大值主要分布在7和8月,这两个月也是洞庭湖区域发生洪涝灾情的高风险期;洞庭湖水体面积与年平均径流入湖水量的相关系数为0.67(置信度为95%);2003年以前,洞庭湖主汛期间水体面积波动比较大,2003年三峡水库运行后,洞庭湖的面积波动有所减少;洞庭湖上空累计月平均降水量对于水体面积存在正相关性,相关系数为0.68(置信度为99%);2003年以前,洞庭湖流域累计月平均降水量和水体面积相关系数为0.50(置信度为90%),2003年三峡水库运行后,两者相关性有所减弱。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

随机价格下杉木人工林的碳汇收益及最优轮伐期确定

发展林业碳汇是应对全球气候变化及实现中国2060年碳中和的重要举措。基于改进的Faustmann-Hartman模型,以中国南方浙江、福建和江西三个省份杉木人工林为研究对象,使用时间序列模型拟合并预测中国碳排放权交易市场的碳汇价格,通过蒙特卡洛模拟确定最优轮伐期及碳汇收益。研究结果表明：（1）依次纳入木材收益、地上生物量碳汇收益和死亡有机质碳汇收益时,杉木人工林的最优轮伐期分别为21.85年、22.98年和22.88年;（2）上述三种情景下,林地期望价值的净现值分别为20408.20元/hm²、24587.29元/hm²和28101.11元/hm²;（3）全面考虑包含死亡有机质碳库在内的林业碳汇效益,能够稳定提高林地所有者收益约7.02%~21.61%。此外,应进一步考虑多轮伐期下税收政策及自然风险等因素对碳汇营林的影响,这是确定最优轮伐期和碳汇收益后续研究值得重视的问题。     

秦皇岛市空气污染对呼吸系统疾病的影响

通过分析秦皇岛市2011—2012年每日的API值及大气PM10、 SO2、 NO2的日平均浓度变化与同时期的呼吸系统疾病日门诊人数资料,建立了时间序列分析数学模型,分析了秦皇岛市主要大气污染物与呼吸系统疾病发病的关系。发现秦皇岛市大气污染物的浓度与居民呼吸系统疾病之间存在着一定的正相关性,污染物浓度升高,居民呼吸系统疾病的就诊人数随之增加。     

上海市大气污染对感冒疾病相对危险度的影响

探讨上海市主要大气污染PM₁₀、PM_2.5、NO₂和O₃的日平均浓度变化以及上海市大气污染对感冒疾病的影响.本文汇总了2008年1月1日~2010年12月31日上海市大气污染、气象要素,以及感冒日就诊人数数据,采用时间序列的Possion半参数广义相加模型,通过平滑样条函数控制长期趋势、"星期几效应"及气象因素等混杂因素的影响,分析上海市大气污染物与居民健康的暴露-反应关系,并按年龄进行分层分析,定量评估上海市大气污染对感冒日就诊人数的影响及滞后效应.结果表明,上海市大气污染物PM₁₀、NO₂、O₃、PM_2.5浓度每增加一个IQR,感冒疾病发生的相对危险度为1.0240（1.0233~1.0246）、1.0206（1.0201~1.0212）、0.9393（0.9384~0.9402）、1.0080（1.0069~1.0086）,大气污染物PM₁₀、NO₂、O₃、PM_2.5浓度每增加10 μg·m^-3,感冒日就诊人数分别增加0.5%、1.0%、-2.0%、0.2%.在多污染模型中,在引入其他污染物后,NO₂和PM_2.5的结果较单污染模型是基本减小的,PM₁₀和O₃的结果是基本增大的.上海市大气污染对感冒疾病的发生有影响.     

人群的自然和社会属性分类下PM2.5对心血管疾病的影响

为了研究人群在自然属性和社会属性分类下的效应修饰作用,利用2005~2011年北京市大气PM_2.5日均浓度、气象要素及循环系统疾病每日死亡人数数据,根据不同年龄、性别及学历将人群分组,采用时间序列的半参数广义相加模型（GAM）,定量评价大气PM_2.5对居民循环系统疾病死亡人数的影响.单污染物模型和多污染物模型结果表明,PM_2.5为影响循环系统疾病每日死亡人数的主要大气污染物.北京市空气中PM_2.5的浓度每增加10μg/m³,循环系统疾病总死亡人数增加0.50%（95% CI：0.36,0.63）.不同人群的易感程度不同,各人群死亡人数的增加范围为0.23~0.71%,女性、60~74岁人群、文盲人群的健康风险相对较高.在文盲人群中,老年（60+）女性占比为66.2%,为了分离社会属性人群分类中可能存在的自然属性因素干扰,本文去除其中老年、女性这两个混杂因素的影响,文盲人群健康风险仍然大于较高学历的人群.年龄和性别因素叠加在学历因素上,可能加大低学历人群的健康风险,对于这部分叠加了自然因素和社会因素双重敏感性的人群应给与重点关注.     

"一退两还"中的博弈分析与制度创新

“一退两还”即“退耕还林还草”，是我国政府在世纪之交所作出的一项旨在推进国民经济可持续发展的战略举措。本文运用博弈论的方法，通过对“一退两还”中的各个相关主体利益的思考和行为的辨析，结合分析结论，提出了对提高“一退两还”实施效果具有重要意义的制度创新思路。     

Effect on fatality risk of changing from secondary to primary seat belt enforcement

BACKGROUND: Most seat belt use laws originally passed in the United States contained language restricting enforcement to drivers already stopped for some other reason. States that have since removed this secondary enforcement restriction have reported increased seat belt use. The purpose of the present study was to estimate the effect of these law changes on driver fatality rates. METHOD: Trends in passenger vehicle driver death rates per billion miles traveled were compared for 10 states that changed from secondary to primary seat belt enforcement and 14 states that remained with secondary enforcement. RESULTS: After accounting for possible economic effects and other general time trends, the change from secondary to primary enforcement was found to reduce annual passenger vehicle driver death rates by an estimated 7% (95% confidence limits 3.0-10.9). CONCLUSION: The majority of U.S. states still have secondary enforcement laws. If these remaining secondary laws were amended, an estimated 696 deaths per year could be prevented.