论统筹城乡就业和社会保障发展问题

胡锦涛总书记在十六届四中全会上明确提出了“两个倾向”的重要论断,即在工业化初始阶段,农业支持工业,为工业提供积累是带有普遍性的倾向;但在工业化达到相当程度后,工业反哺农业,城市支持农村,实现工业与农业,城市与农村协调发展,也是带有普遍性的倾向。     

烟花爆竹业发展及其金融支持存在的问题及对策——基于集烟花爆竹主产区和出口港为一体的北海市的调查分析

北海市是我国烟花爆竹业五大主产区和两大出口港之一,发展烟花爆竹业具有资源优势和区域优势,同时对本地经济增长发挥了重要的贡献作用。但是由于烟花爆竹产品的高危性以及部分烟花爆竹企业历史违约行为,影响着金融机构对烟花爆竹业的授信;一些政策的困境以及企业生产技术问题。制约着烟花爆竹业的发展。针对以上问题,文章提出几点推动烟花爆竹业及其金融支持的建议。     

矿井本质安全化的实现研究

系统分析了事故致因理论,基于对事故致因要素的有效控制,阐述本质安全型矿井的特征,提出矿井本质安全化结构模型;探讨并构架了促进矿井本质安全化的支持体系和保障体系,就加大安全投入的资金支持、建立健全安全管理的制度支持、设置合理安全管理机构与配备足够安全技术人员的组织支持,以及以工会为代表的内部群众监督的监督保障和安全质量标准化的方法保障等促进本质安全化的支持体系和保障体系的具体内容进行深入研讨,认为完善的安全支持体系与保障体系能有效地促进矿井本质安全化的实现。     

西方国家中小企业财政支持政策

中小企业作为社会经济的一个组成部分,在资源配置、收入分配和扩大就业等方面均发挥着重要作用。为此,西方发达国家在支持中小企业发展方面建立了较为完善的财政支持体系,其做法对我国解决好当前的中小企业政策支持问题具有很好的借鉴意义。     

国际RETScreen^TM：一种评估潜在的可再生能源计划的决策支持和能力培养工具

大多数国家都有丰富的可再生能源可以利用,比如太阳、风、水、生物质和/或地热.可再生能源技术（RET）得到了充分的发展,能够满足世界能源需求增长部分的需要.实际上,目前在许多应用中可再生能源项目是有成本效率的.“全球气候变化的缓解尤其取决于这些技术在所有国家的广泛     

基于PSO-SVM算法的环境监测数据异常检测和缺失补全

针对环境监测数据异常和数据缺失问题,提出了基于支持向量机的粒子群优化数据异常检测和缺失补全算法。利用粒子群优化算法选取较优的支持向量机训练参数组合,以此建立非线性的支持向量机模型,并利用结果模型对测得的真实数据拟合预测。以宁夏回族自治区某污水处理厂的污染物测量数据作为实验数据,结果表明,利用该算法预测数据的准确率可达97.977%,检测异常数据准确度高,缺失数据补全正确。     

底质农残测定中固相柱净化体系的选择

使用固相柱对底质中的7种农残进行净化。结果表明,在相同淋洗条件下,使用氟罗里硅土柱比硅胶柱净化效果好。比较了不同溶剂体系、不同溶剂配比下2种萃取柱的净化效果,选择乙醚-正己烷(体积比1∶2)或丙酮-正己烷(体积比1∶4)作为净化溶剂,较小的收集体积都可满足所有目标化合物的回收率要求;相比较而言,丙酮-正己烷(体积比1∶4)作为净化溶剂,洗脱液的杂质干扰更小,净化效果更好。使用氟罗里硅土柱和丙酮-正己烷(体积比1∶4)对样品净化,方法简单,快速,净化效果好,适合大批量底质样品的前处理净化过程。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。     

采用支持向量机算法优化电化学处理油田污水的工艺参数

采用支持向量机(SVM)算法,将Box-Behnken设计法与支持向量回归算法(SVR)实验参数优化软件相结合,优化电化学去除油田污水COD的工艺参数。通过量子粒子群算法对SVM算法参数进行优化,从建立的回归模型中找到工艺参数的全局最佳点:电解时间60 min,电解电流3 A,三维电极填充料中石英砂质量695 g。模型得到的COD理论最优去除率为92.48%,验证实验得到的COD去除率为91.43%。