基于Agent建模的农户土地利用行为模拟研究——以陕西省米脂县孟岔村为例

以Agent强化学习（Reinforcement Learning）模型框架为基础,选择政策、市场、Agent自身及与其它Agent相互作用、土壤肥沃程度等因素作为Agent对环境认识的基础,结合环境反馈值,初步构建了农户土地利用行为决策模型,这对于从微观主体层面揭示土地利用变化的内在机理具有重要意义。论文以陕西省米脂县孟岔村为例,采用农户Agent强化学习模型,模拟了农户土地利用行为,得出以下3个结论：①经过对Agent强化学习模型的检验和验证（按面积统计误差率为5.5%）,认为该模型较适合于微观层面农户土地利用行为的研究;②该模型可定量表达政策、市场、农户自身及与其他农户相互作用等因素对农户土地利用行为决策的影响;③与离散函数的土地利用决策相比,应用连续函数表达农户的土地利用决策比较符合实际农户决策状况（农户最终决策中玉米、蔬菜和其它作物的决策值分别为0.3233、0.4035和0.2732）。同时,在文章的最后还分析了需要进一步研究和探讨的问题：①模型在实现农户决策的空间位置方面取得一定进展,但还存在决策位置失误的问题,函待进一步的研究;②对于影响农户决策的自然因素,探讨定量化表达其对农户影响作用,是下一步研究的重点。     

Multi-Agent System 模型在土地利用/覆盖变化中的研究进展

在微观与中宏观尺度上,MAS模型可以反映景观中具有自动性、异质性和分散性的人类决策,利于阐明智能体对自然与社会经济环境的适应机制。因而在自然资源管理、农业经济和城市模拟等领域得到广泛应用。目前,该模型的研究主要集中在智能体决策、智能体相互作用、模型多尺度、模型检验与验证等几个方面。综合分析得出如下结论:①智能体决策框架还需进一步完善,特别有限理性决策框架(Bounded Rationality)还需进一步完善;②智能体之间相互作用的研究仍停留在定性的、概念性的水平,还需进一步研究定量分析智能体相互作用的方法;③在多尺度研究中,第一种尺度转化途径机理明确,但决策的空间显性(spatially-explicit)表达较为困难;第二种途径可以表达空间显性,但决策与土地利用变化之间的逻辑解释不强;第三种途径可以表达土地利用过程中决策与复杂性关系,但智能体之间的相互作用处理较为简单;④还需加强对模型的检验与验证方面的研究,探索验证人类复杂行为的技术方法。     

低压电工作业理论考试命题改革浅析

低压电工作业理论考试是电工入行的第一关,为研究其命题的科学性、有效性,本文分析了现行低压电工作业理论考试题型比例,重点从初复训考核侧重点衔接、更新周期、题量控制、题型改进、策略优化、数据库建模等方面进行了分析,提出解决对策,希望对考试命题改革有所帮助。     

深化特种作业培训考核内涵建设对策研究

为深化特种作业培训和考核内涵建设,本文从培训内容、培训实施、考核内容、考核实施等方面,紧扣“安全操作技能培训”进行了分析,提出了以提高胜任能力为导向等7项改进建议,希望能够为进一步提升特种作业培训考核质量和内涵式发展提供参考。