营口港辽宁腹地的关联效应分析

在对国内外港口腹地相互关联研究文献综述的基础上,采用灰色关联分析的定量方法对营口港与辽宁腹地2001--2009年的关联效应进行了分析。实证分析表明：港口港城动态关联效应总趋势逐渐增强,但具有明显的阶段性特征;营口港港口区域一体化进程在关联程度较强的基础上不断强化;营口港辽宁腹地关联发展效应演化具有明显的波动性;自然条件与区位、区域设施与交通、经济水平与社会条件是影响营口港辽宁腹地关联度演化的主要因素。为了促进营口港辽宁腹地经济的快速发展,分别从辽宁腹地、营口城市角度提出相关发展建议：进一步加强政府的政策支持;充分利用自主发展和区域合作推进区域发展;集中发展现代服务业,拓展集装箱业务。     

《国家重点保护野生动物名录》1988年12月10日国务院批准

雨燕 “小燕子,穿花衣,年年春天来这里。”春天到,可爱的小燕子你在哪里？ 雨燕目 雨燕科 灰喉针尾雨燕是小型鸟类,体长18～19厘米,体重95克左右。额部、头顶、头侧、后颈、翅膀、尾上覆羽和尾羽为黑色而具蓝色的金属光泽,枕部缀有烟灰色。肩部、背部和腰部为褐灰色,在背部形成一个不明显的马鞍形灰褐色斑。     

邹平县大气降水酸度影响因素分析

应用灰色理论,以2002,2003,2004,2005,2006连续五年为时间序列点,取大气降水pH值为参考因素,取大气中SO2、NOx、TSP、降尘的浓度为比较因素进行关联分析。灰关联度矩阵表明：邹平县大气降水酸度的最大影响因素是SO2,其次降尘的影响也不容忽视。     

火灾事故发展趋势预测方法的应用研究

介绍了三种火灾事故发展趋势预测方法：灰色理论预测法、指数平滑法和马尔科夫预测法。结合贵州省1997至2006年火灾四项指标统计数据,探讨了三种预测方法对不同波动幅度数据序列的适用性;给出了贵州省未来两年火灾的发展趋势,可为当地制定正确地防止火灾发生的决策提供重要的参考依据。此外,还对每种方法在预测过程中值得注意的问题进行了讨论。     

城市生态安全多层次灰色综合评价

从城市生态安全的基本内涵出发,根据压力(pressure)-状态(state)-响应(response)模型,从生态系统压力、生态系统状况、生态系统响应3方面构建一个4层次的城市生态安全评价指标体系,运用灰色系统理论,构建了城市生态安全多层次灰色综合评价模型,并结合实例进行计算。评价结果与实际情况基本相符,表明该模型能有效地利用评价指标的信息,所给出的综合评价值既能用于描述所评价城市的生态安全状况,亦可对不同城市的生态安全状况进行比较,对更加科学合理地评价城市生态安全状况具有参考价值。     

基于灰预测模型的大跨度预应力混凝土桥梁施工监测

运用灰色系统理论,建立大跨度预应力砼刚构-连续组合梁桥悬臂浇筑施工梁段立模标高预测的GM(1,1)模型,并用残差的GM(1,1)模型对其进行修正;同时把该预测模型应用于松原龙华松花江特大桥实际工程;其结果表明梁段立模标高预测精度较高,完全能够满足工程的需要,为同类桥梁的施工监测提供参考。     

美丽缘于安全

我曾经有过抱怨,抱怨这样的环境扼杀了女孩爱美的天性。满头乌黑的长发扎了又扎,盘了又盘,然后静静地躲在安全帽下面。漂亮的花衬衫,羞涩地藏在工作服里面。工作服的颜色永远那么单调,蓝色、灰色,灰色、蓝色。飒爽英姿的炼化女工们,只有一个着装原则,那就是——安全。     

1976-2005年唐山地区降水变化规律及干旱预测

利用唐山市1976-2005年各县年降水序列,分析了该市降水的空间分布规律和时间变化特点。采用灰色系统的灾变预测方法,对各县分别建立了GM（1,1）模型,进行未来25年唐山市各站的干旱年预测。利用残差检验、后验差检验和关联度检验对各模型分别进行了精度检验。结果表明,预测模型精度较高,可以对唐山市各县未来的干旱年进行预测,从而为科学决策提供依据。     

2013年春夏季莱州湾海水环境要素特征和富营养化评估

根据2013年5（春季）、8月（夏季）莱州湾海水环境要素的调查资料,采用富营养化指数、潜在性富营养化评价模式和灰色聚类分析方法研究环境要素特征和评估海水富营养化状况。结果表明,无机氮是莱州湾水质的主要污染要素,春夏季的N/P平均值分别为100.76、117.84,潜在性富营养化评价模式结果表明,春夏季各站位的营养级均只包括Ⅳ_P、Ⅵ_P两类,磷限制为莱州湾的营养盐结构特征;富营养化指数评价结果表明,春季和夏季E>1站位比例分别为65%、20%;灰色聚类分析结果表明,春季Ⅱ级、Ⅲ级的站位比例分别为95%、5%,夏季Ⅱ、Ⅲ级的站位比例分别为70%、25%,Ⅱ级中的部分站位具有较大潜在富营养化风险。     

地表水COD浓度灰色预测的GPPM（1）模型

根据地表水中ＣＯＤ浓度的时序数据,建立了ＧＰＰＭ（１）预测模型,结果表明ＧＰＰＭ（１）模型的预测精度优于常规灰色ＧＭ（１,１）模型,它为环境系统的拟合,预测和决策提供了新的方法途径。