Multivariate bootstrap confidence regions for abundance vector using

Abundance vector estimation is a well investigated problem in statistical ecology. The use of simple random sampling with replacement or replicated sampling ensures good asymptotic properties of the abundance vector estimators. However, real surveys are based on small sample sizes, and assuming any specific distribution of the abundance vector estimator may be hazardous.In this paper we focus our attention on situations where the population is not too large and the sample size is small. We propose bootstrap multivariate confidence regions based on data depth. Data depth is a geometrical concept of ordering data from the center outwardly in higher dimensions. The Simplicial depth, the Tukey's depth and the Mahalanobis depth are presented. In order to build confidence regions in the presence of a skewed distribution of the abundance vector estimator, the use of Tukey's depth is suggested. The proposed method has been applied to the benthic community of Lake Lesina. A comparison with Mahalanobis depth and standard existing methods is reported.     

基于支持向量机的绿潮灾害影响因素的权重分析

根据2012~2013年南黄海海域绿潮浒苔遥感监测分布面积数据及温度、天气状况、风向、风力、浪高5个影响绿潮浒苔扩散的气候因子,建立了相应的支持向量机回归模型.通过模型中各影响因素权重的变化分析绿潮灾害的发展过程,并与传统的单因素分析法进行对比,支持向量机回归更能准确得出各影响因素的权重及权重的变化规律.通过对权重变化规律的分析,给出在绿潮发生过程中漂浮、爆发和消亡阶段的划分依据.     

两种新型流域非点源污染负荷估算模型的比较

为探索简单快捷、实用性强的流域非点源估算模型,基于降雨量差值法的基本思想,应用径向基函数(RBF)神经网络和支持向量机(SVM)2种技术,以渭河流域历年降雨量资料为基础建立了相应的流域非点源污染负荷估算模型.并将2种模型估算结果与相关分析法估算结果进行了比较,综合分析渭河流域历年径流量与三者所推得的历年点源负荷的标准差.结果表明,支持向量机的估算结果最为合理,且计算简单,操作便捷,具有实用价值.     

基于支持向量机的城市土壤重金属污染评价

以太原市城区周边的80个土壤样品为研究对象,测定了土壤中Ni、Cr、As、Cu、Zn、Pb、Cd和Hg8种重金属的含量,运用支持向量机模型进行土壤重金属污染评价,并与 Hakanson 指数法和内梅罗综合污染指数法的评价结果进行对比,探讨支持向量机模型在土壤重金属污染评价中的应用。结果表明,（1）重金属元素的变异系数由高到低顺序分别为：Hg＞Pb＞As＞Cd＞Cu＞Ni＞Zn＞Cr。Hg含量在0.02-0.39 mg·kg^-1之间,变异系数为0.648,最大值为最小值的19.5倍;而土壤中Pb的含量在17.4-86 mg·kg^-1之间,变异系数为0.409;即使变异系数最小的Cr元素的最大值为109 mg·kg^-1,最小值为54.7 mg·kg^-1,变化范围也到达了54.3 mg·kg^-1,可见太原市土壤中各元素含量的变异很大。各元素的含量的平均值除Ni以外均大于太原市的元素背景值,但都在国家土壤质量质量标准的二级标准值之下。（2）内梅罗综合污染指数法、Hakanson 指数法和支持向量机的评价结果中,评价等级为2A、2B、2C的样品数分别为：41、47和45,37、29和33,2、4和2,评价结果相差不大,内梅罗综合污染指数法与支持向量机方法的评价结果相同率为70%,Hakanson 指数法和支持向量机的评价结果相同率为65%。（3）对评价结果有差异的样品进一步分析可知,支持向量机方法的评价结果更为准确。相比较内梅罗综合污染指数法和Hakanson指数法而言,支持向量机降低了人的主观判断对评价结果的影响,在进行综合评价的时候能考虑到各因素的综合影响,使评价结果更接近真实情况,有较为严格的数学基础,泛化能力好,在土壤重金属污染评价中有广泛的应用前景。     

基于粗糙集与灰色SVM的中国CO2排放量预测

从我国CO2排放量的不确定性、不完整性、小样本等特征出发,以灰色系统(GM)模型和支持向量机(SVM)模型为基础,建立基于粗糙集的组合预测模型.利用该模型以我国1990~2011年CO2排放量的数据以及同期的人口数量、GDP和能源消耗总量数据为基础对我国同期CO2排放量进行预测来验证其有效性,最后对我国2012~2017的CO2排放量进行预测.结果表明,灰色系统理论与支持向量机模型仅能够反应我国CO2排放的长期变化趋势,在预测精度上存在一定缺陷而基于粗糙集与灰色SVM的组合预测模型在预测精度上明显优于以上两种方法,能够对我国未来CO2排放量进行准确有效的预测分析.     

基于QSPR方法的脂肪醇化合物闪点预测

为提高脂肪醇化合物闪点预测精度,提出基于定量结构-性质关系(QSPR)原理的脂肪醇化合物闪点预测方法。应用Dragon软件计算出91种脂肪醇的分子描述符,利用遗传函数算法(GFA)从1 481个描述符中筛选出3个与脂肪醇闪点关系最密切的分子描述符。分别用多元线性回归(MLR)方法和支持向量机(SVM)方法进行建模,并采用内部验证和外部检验的方式对模型的拟合度、预测性等性能进行验证。结果表明:预测集的MLR方法和SVM方法的平均绝对误差(AAE)分别为2.870 K和2.706 K;均方根误差(RMSE)为3.451 K和3.371 K。SVM模型在精度上略优于MLR模型,而MLR模型更为简单和方便。     

基于LSSVM的石灰石浆液制取电耗优化

提出了基于最小二乘支持向量机(LSSVM)构造以球磨机制浆速度作为目标优化模型,并采用遗传算法实现了给料量、给水量、漩流器入口压力等运行参数的寻优,获得了优化制浆速度的调整方式。以此方式的相应参数作为当前负荷下的基准值,能很好地解决制浆工况下运行参数基准的确定问题。通过现场试验证明:按此基准值运行,可以提高制浆速度,降低电耗。     

沼泽红假单胞菌phbC-hupL双突变株构建及产氢测定

利用湖底淤泥分离的沼泽红假单胞菌(Rhodopseudomonas palustris)CQU01和该菌株的吸氢酶基因hupL缺失菌株CQU012作为出发菌株,分别构建聚羟基丁酸酯合成酶基因phbC单突变株及聚羟基丁酸酯合成酶基因phbC与吸氢酶基因hupL双突变株,以提高其在光照培养条件下的产氢量.以同源重组双交换方法构建含有Em抗性基因的自杀载体,通过接合转移转化R. palustris CQU01菌株,经PCR扩增以及测序验证,成功获得了沼泽红假单胞菌phbC单突变株R. palustris CQU013及phbC-hupL双突变株R. palustris CQU014.相同条件下测定突变菌株与野生菌株的生长和产氢特性,结果显示,突变菌株生长曲线与野生菌株有明显差异,两株突变菌株的产氢量分别是原始菌株的1.31和1.76倍,达到454mL/L和604mL/L.双突变菌株产氢能力较phbC基因和hupL基因单突变菌株的产氢能力有明显提高,说明phbC和hupL基因对菌株R. palustris 的产氢代谢有着显著的影响.     

基于支持向量回归模型的水稻田甲烷排放通量预测研究

利用静态箱和气相色谱仪法获取水稻田甲烷排放通量数据,选取大气温度、土壤5 cm深温度、土壤pH、土壤Eh、土壤含水量和地表生物量作为影响因子.应用建立在结构风险最小化优化上的支持向量回归(ε-SVR)模型,采用留一法交叉检核网格搜索法(LOOCV)优化ε-SVR预测模型的参数,采用k折交叉检验的方法依据平均相对误差(MRE)和均方根误差(RMSE)对模型的精度进行验证,并与BP人工神经网络(BP-ANN)模型比较,评价ε-SVR预测模型的准确性.结果表明,通过LOOCV选择最优的惩罚因子C和损失系数ε,并由此构建的ε-SVR预测模型预测值和实测值具有很好的一致性,通过11折交叉验证后,测试样本的平均MRE为44%,平均RMSE为16.21 mg·(m2·h)-1.通过与BP-ANN模型比较,预测值和实际值相关系数达0.863,各项指标均优于BP-ANN预测模型,说明ε-SVR模型能够适用于水稻田甲烷排放通量的预测.