海河下游水体中DO与NH_3-N、COD_(Mn)相关关系探讨

本文应用近年来海河下游监测数据对ＤＯ与ＮＨ３Ｎ和ＣＯＤＭｎ进行一元线性回归,得到两回归方程：ＮＨ３Ｎ＝－１２８ＤＯ＋１０５４;ＣＯＤＭｎ＝－１１３ＤＯ＋１６９２。并经相关系数和回归系数显著性检验,表明在９９９％的置信水平下ＤＯ与ＮＨ３Ｎ和ＣＯＤＭｎ线性相关均极其显著     

基于地理加权回归的省域碳排放影响因素研究

碳减排已经成为新时代生态文明建设亟待解决的问题,碳排放量与地域空间位置密切相关,为更好地促进碳减排、碳达峰,碳排放影响因素的区域性差异以及趋势分析已成为碳减排分析的焦点。通过地理加权回归方法研究我国30个省（区、市）2007—2017年的人口因素、能源消费、城镇化建设发展对碳排放量的影响,进而揭示碳排放量与区域社会经济发展的关系。结果表明,碳排放量的空间聚集性较强,各影响因素的空间分布格局差异较大,其中电力消费总量和化石能源消费总量的增加对碳排放量的正向影响作用最大,人口规模对碳排放量也有一定的正向促进作用,城市公共汽电车辆和主要建材消耗总量对碳排放量的影响作用并不显著,均呈不稳定的正负相关关系。我国碳减排应调整能源消费结构,进一步提高清洁能源技术创新,将城镇化建设与碳减排分阶段融合,加大绿色消费、绿色建筑和绿色出行的支持力度。

     

基于增强回归树的城市PM2.5日均值变化分析:以常州为例

利用2014年12月至2015年11月常州市区6个国控监测站空气污染物浓度逐时数据,分析了PM_(2.5)浓度季节变化特征,采用增强回归树模拟分析了PM10、4种气态污染物和7个气象因子对ρ(PM_(2.5))日变化的贡献.结果表明,常州市区PM_(2.5)污染季节差异明显,冬季污染严重且持续时间长,夏季污染较轻.四季ρ(PM_(2.5))空间分布特征存在一定差异,但各季内不同监测站差异较小.增强回归树对ρ(PM_(2.5))日均值进行模拟和验证得到,训练数据的相关性为0.981,交叉验证的相关性为0.957.此外,模拟值与实测值的标准化平均偏差为1.80%,标准化平均误差为10.41%,可见模型拟合效果较好.PM10、气态污染物、气象因子和区域输送及扩散这4种影响类型对全年ρ(PM_(2.5))日均值差异的贡献率分别为23.4%、28%、36.2%和12.6%,表明在对ρ(PM_(2.5))日均值差异的影响上,气象因子二次形成一次源区域输送及扩散.在对ρ(PM_(2.5))日均值差异贡献率大于5%的因子中,ρ(PM_(2.5))日均值与PM10、相对湿度、CO和O3正相关,与温度、SO2和混合层高度负相关,与大气压和NO2关系较复杂.区域输送及扩散方面,东南风向、偏西风向和偏北风向等上风向周边城市的污染物输送对常州市区PM_(2.5)污染存在较大的负面影响.     

基于改进支持向量回归机的污水处理厂出水总氮预测模型

在小样本数据的情况下,采用粒子群优化算法(PSO)对传统支持向量回归机(SVR)进行改进,将其应用于北京某大型污水处理厂出水总氮浓度预测上。 预测结果精度对比分析表明,PSO-SVR模型预测结果平均相对误差为1.836%,决定系数为67.76%,均方根误差为0.693 9,各评价指标均优于多元线性回归模型、BP神经网络模型。因此在小样本情况下,利用PSO-SVR模型对污水处理厂出水总氮浓度进行预测是可行有效的,为应用数据驱动模型对污水处理过程进行建模模拟提供了一种新方法尝试。     

基于遥感影像的江西省水体资源和水产养殖结构空间异质性分析

为系统掌握江西省水体资源结构和水产养殖基本特征,论文通过遥感技术获取了2012年各县域的水体面积,并划分为不同的水体类型。通过全局和局域空间自相关,分析了89个县（市）水产养殖典型要素的空间异质性以及空间差异程度。针对空间关联及非均质性的现象,运用地理加权回归揭示了水体资源大小、养殖方式、平均单产水平和渔业专业养殖人员数量对养殖产量的影响程度。结果表明：江西省水体资源类型以大水面为主,占总面积的70%,其次为水库山塘,占21.26%,小型池塘面积占9%。水资源结构地区差异明显,北部区域以大水面为主,南部以山塘水库为主。养殖产量和面积表现出空间集聚分布特征（P<0.01）,但各县域的聚集性分布也表现出不同的模式,彭泽县、都昌县、鄱阳县、南昌市辖区、南昌县、丰城市、进贤县和余干县8个县域,均为高-高分布类型,养殖面积和产量分别占到总量的34.55%、35.42%。从养殖品种结构上,特种养殖产量主要集中在上饶市、九江市、南昌市和宜春市,占69.84%,但特种养殖产量所占比例与水体资源大小的相关性下降,水资源较少的东部山区丘陵地带依据区位特征发展鳖、蛙产业,特种养殖比例较高。从水产养殖驱动力分析,水体面积对养殖产量的影响程度最大（中位值为0.46）,其次是小型池塘面积（中位值为0.36）、专业养殖人口数量（中位值为0.26）,3个因素与养殖产量均为正相关,其中水体面积和小型池塘面积对养殖产量的影响程度从南向北递减,专业养殖人口对养殖产量的影响程度从南向北递增。影响程度的空间异质性变化可能与养殖方式和品种结构有关。平均单产水平对养殖产量的贡献较弱（中位值为 -0.003）,各地区影响强度差别不明显。分析结果有助于系统了解江西省水体资源分布和养殖结构,对优化产业规划布局有重要的指导意义。     

SPATIAL AND TEMPORAL VARIABILITY IN SUSPENDED SEDIMENT YIELDS OF NORTH ISLAND BASINS,NEW ZEALAND1

ABSTRACT: Specific annual suspended sediment yields and their standard deviations are presented for 47 basins of North Island, New Zealand. Most of the variance in yields is explained by catchment mean rainfall. Rivers with similar flow range have similar suspended sediment concentration ratings, independent of differing watershed lithology and regolith, except for six basins having an abundance of soft fine sediments. Prediction equations for yield and its standard deviation are derived for four essentially arbitrary regions. AU feature rainfall as the independent variable. Differences between regions may owe to variations in intensity, frequency, and duration patterns of storms and, in one area, to bed material size as well. The temporal distribution of annual yields from a basin m be modeled by a two-parameter lognormal function: the prediction equations above may be used to evaluate this function at a site for which suspended sediment data are unavailable.     

体育馆建筑内青年学生疏散预动作时间调查和分析

通过组织火灾应急疏散逃生演习、现场问卷调查等方式,统计了体育馆内人员的疏散预动作时间,进而建立多分变量逻辑斯蒂回归模型对该统计数据进行了研究.发现:男生选择疏散预动作时间为＜30 s的可能性是女生的0.886倍,选择疏散预动作时间为30-60 s的可能性是女生的2.818倍.预测人员疏散预动作时间为＜30 s、30 -60 s、＞60s的概率,男生分别为15.45％,75.61％、8.94％,而女生分别为24.14％,39.72％、36.14％;研究结果表明:人员性别的不同对疏散预动作时间有一定的影响,在体育馆类建筑中,青少年人员疏散预动作时间基本上小于60 s.     

Regression analysis of forest inventory data with time and space dependencies

In this paper the data of a forest health inventory are analyzed. Since 1983 the degree of defoliation, together with various explanatory variables (covariates) concerning stand, site, soil and weather, are recorded by the second of the two authors, in the forest district of Rothenbuch (Spessart, Bavaria). The focus is on the space and time dependencies of the data. The mutual relationship of space-time functions and the set of covariates is evaluated. For this we use generalized linear models (GLMs) for ordinal response variables and semiparametric estimation approaches. By using goodness-of-fit measures it turns out that (i) the contribution of space-time functions is quantitatively comparable with that of the set of covariates, (ii) the contribution of space-time functions is small compared with the contribution of a set of variables describing the last-year and neighboring response values. By applying appropriate residual methods a detailed analysis of the individual sites in the area can be carried out. This analysis reveals where the predictive power of the covariates fail to explain the observed defoliation.