如何让《品德与生活(社会)》课堂教学回归生活

《品德与生活(社会)》的教学一定要从学生真实的生活源头出发,以活动为纽带,营造有利的环境,创建学习平台,创设学习情景,引导学生亲身体验和感悟,提高生活品质,使课堂教学真正做到回归生活。     

合并两回归线两个方法的比较

本文通过对合并两回归线两个方法的比较分析,得出两方法合并相差甚微的结果,因此可以用平均法代替以往的合并方法。该方法具有合并方法所没有的简单易懂的特点,适合于各实验分析人员使用。     

回归传统:中国主流价值的大方向

当前社会精神层面的价值取向转型,使得"义利人财"呈现于传统社会相反的排序,这既是社会精神追求的倒退,也是社会开放包容的进步。多元价值虽然道德平等,却需要构建主流价值引导社会前进。参考美国经验,回归传统才是我们未来主流价值的大方向。我们应当兼顾感性文化与理性文化,善于利用传统价值,结合新的时代精神,发挥出更大的社会效用。     

创造意境,激活政治课堂

本文从观念更新开始谈起,解读了促进学生全面发展的意义,诠释了回归生活、让政治理论及时得到实践的方法。本文意在创造政治学习意境,激活课堂,给学生的学习形成促进,笔者下面逐做例举。     

中国省域碳排放及其驱动因子的时空异质性研究

本文选取30省(自治区、直辖市)行政单位作为基本空间单元,依据2003-2010年中国统计年鉴和中国能源统计年鉴数据,采用探索性空间分析(ESDA)方法和地理加权回归模型(GWR),分析八年间碳排放影响因素及其影响程度的时空分布,揭示我国碳排放的区域差异及其驱动因子的时空异质性。研究结果表明:在2003-2010年间,碳减排潜力相对较大区域主要集中在中东部地区,并有向四周扩展的趋势;全国省域碳排放存在较为显著的空间正相关性,且相关性的总体趋势呈现出先上升后下降的空间格局,表明在碳减排的进程中,全国碳排放量的总体空间差异在逐步缩小;碳排放的驱动因子存在明显的时空异质性,如GDP驱动因子在不同省域影响程度不同,而且2006年的GDP驱动因子的回归系数普遍高于2003年,人口影响因子也存在省域的异质性,2010年人口回归系数高于2003年;GDP对碳排放的影响最为显著,影响显著的区域从2003年西部转移到中东部,2010年又移回西部,这进一步说明碳减排与经济增长的复杂关系,意味着碳减排和经济发展并重需要优化经济发展方式,提高能源利用效率。     

基于Logistic模型的中国各省碳排放预测

在“碳排放量与能源消费成正比”假设的基础上,对中国30个省区2011～2020年碳排放进行了预测。首先对中国30个省区1987～2010年的历史累计排放量和人均累计排放量进行计算,依据历史累计排放量和人均累计排放量两个指标,运用K-均值聚类分析法将中国各省区碳排放分成了5类。分别绘出5类区域中各省的历年碳排放量曲线,并进行数据分析,发现：以2002年为界线,2002年前后两个时段中国各省区碳排放变化差异很大。这一现象说明2002年以前的各省碳排放趋势并不能表征未来年份各省的碳排放。在此结论的基础上,构建了碳排放量增长的Logistic预测模型,并以2002～2010年碳排放数据为样本数据,对2011～2020年中国各省区碳排放进行了预测。为了验证预测模型的精确性,利用Logistic预测模型对中国30个省区2002～2010年的碳排放进行了预测,并将预测值与实际排放值进行比较发现,除了宁夏自治区的误差达1458%外,其他地区的误差均在7%以下。除宁夏外的中国各省区预测误差的平均值为622%,由此验证了Logistic预测模型的精确性。同时,也说明对中国30个省区2011～2020年碳排放的预测值具有较高的可信性。本研究为中国各省未来碳排放政策的制定提供了方法与数据支持     

基于RBF神经网络的城市建成区面积预测研究——兼与BP神经网络和线性回归对比分析

城市建成区面积预测是城市研究的一个核心问题,其与城市经济社会之间表现为一种复杂的非线性关系,传统的方法模型难以精确预测。作为一种较新的人工神经网络模型,RBF神经网络能以任意精度全局逼近任意非线性关系,表现出了极强的处理复杂非线性系统的能力。以合肥市建成区面积预测为例,构建了基于RBF网络的预测模型,作为对比,同时用BP神经网络、一元线性回归和多元线性回归模型进行了预测。预测结果的综合分析表明,在预测精度上,RBF网络＞BP网络＞多元线性回归模型＞一元线性回归模型。研究显示,RBF网络能为城市建成区面积预测提供一种新思路和新方法,进而可为城市土地利用及其规划制定提供科学的决策依据     

基于Logistic回归模型的大兴安岭地区林火发生概率预测研究*

为实现对大兴安岭地区林火发生概率的基本预测,根据该地区历史火灾资料、地形因子、气象因子和人为因子,基于Logistic回归模型建立该地区林火发生概率预测模型。研究结果表明:坡度、海拔、平均气压、平均气温、平均相对湿度、最小相对湿度是该地区林火发生的主要驱动因子;坡度、海拔、平均气压、平均气温与林火发生概率呈正相关,平均相对湿度和最小相对湿度与林火发生概率呈负相关;ROC曲线下面积值（AUC）为0.91,最佳临界值为0.425;建立的大兴安岭地区林火发生概率预测模型,建模样本总体准确率为82.4%,验证样本总体准确率为80.5%;该地区夏季林火发生概率明显高于春、秋季;林火发生概率较高的Ⅳ级和Ⅴ级火险区主要集中在夏季该地区东南部、西部以及春、秋季该地区东南部。研究结果可为该地区林火预测提供1种参考方法。     

便携式气相色谱-氢火焰离子化检测器法测定低浓度总烃的氧气干扰特征研究

研究了采用便携式气相色谱-氢火焰离子化检测器法测定气体中的总烃浓度时,氧气浓度对测定结果的影响,并采用多元线性回归模型对总烃的测定结果进行了校准。当总烃的实际浓度不低于9 mg/m³时,氧气的干扰较小(相对标准偏差≤2%)。在试验的所有总烃实际浓度下(1~200 mg/m³),当氧气浓度为1%~7%时,也无需考虑氧气干扰的影响(相对标准偏差≤2%)。当总烃的实际浓度低于9 mg/m³且氧气浓度为9%~21%时,需依据多元线性回归分析原理并采用模型对测得的总烃浓度进行校准。线性回归方程分析结果显示,模型拟合情况良好(R²=0.999),可以用来修正测试结果,从而得到更加准确的总烃实际浓度。     

重点生态功能区生态资产保护成效及驱动力研究

重点生态功能区是保障国家生态安全、扩大绿色生态空间的重要区域,在实现全国生态资产保值增值方面发挥着重要作用。然而,现阶段围绕重点生态功能区生态资产保护成效及驱动力开展的研究较少。为明确重点生态功能区生态资产保护的驱动力以及存在的问题,本文利用遥感影像并结合图像解译、GIS空间分析和数理统计等方法对重点生态功能区内生态资产展开分析,并将其与非重点生态功能区进行比较。研究结果显示:重点生态功能区内森林、灌丛、草地和湿地生态资产总面积为349.30万km~2,优级和良级生态资产占生态资产总面积的42.42%,生态资产综合指数为21.19。15年间,重点功能区内生态资产总面积增加0.05%,优级和良级生态资产面积占比分别增加0.59%和0.85%,生态资产综合指数增加2.94。重点生态功能区生态资产面积和质量增幅均小于非重点生态功能区,然而重点生态功能区生态资产指数增量高于非重点生态功能区。生态恢复是驱动重点生态功能区生态资产面积变化的主因,对原有生态资产的保护是促进生态资产指数增加的最主要驱动力(贡献率达81%),城镇化和农业开发对生态资产的不利影响不容忽视(贡献率达-6.81%)。研究表明,对重点生态功能区生态资产保护成效显著,同时还有较大提升空间。本研究也为优化重点生态功能区的城镇化和农业开发的管理提供了证据和参考。