基于气象数据的洱海蓝藻水华驱动因子及预警研究

以2013年洱海夏秋季蓝藻水华遥感监测结果为基础,探讨影响蓝藻水华形成的主要气象要素,统计分析发现,洱海蓝藻水华多发生在阴雨天转晴之后,长时间强日照及较大的气温日较差是诱发水华发生的主要因素,同时低风速、低气压有利于蓝藻上浮聚集,对水华形成起到促进作用.在此基础上,构建以水华发生与否的二值变量为因变量,各气象因子为预测变量的Logistic蓝藻水华气象风险概率预测模型.结果表明,模型各项检验指标均表现良好,预测准确率达到87.5%,该模型能够用于分析影响洱海蓝藻水华形成的关键气象因素,同时证明了利用气象数据辅助实现水华监测、预报预警的可行性.     

基于数据挖掘的太湖蓝藻生长水环境关键因子研究

为探究太湖水体富营养化演变机理,识别影响太湖富营养化及蓝藻生长的水环境关键因子,对2006—2018年太湖多源监测序列数据开展数据准备和数据清洗,采用K-means均值聚类方法获取离散的布尔型关联规则挖掘候选数据集,构建基于Apriori算法的太湖水环境关键因子关联规则挖掘模型,对影响太湖水体富营养化的水环境关键因子进行识别。结果表明:表征太湖富营养化程度的Chl-a质量浓度与TP质量浓度、NH₃-N质量浓度、pH和COD_Mn质量浓度均呈现不同强度的关联性,其中Chl-a质量浓度在0~18.36 mg/m³区间内与TP质量浓度在0~0.045 mg/L区间内关联性最强;从水环境治理角度看,若将太湖TP质量浓度控制在0.045 mg/L以下,则全湖Chl-a质量浓度小于18.36 mg/m³的概率最大,可以有效控制蓝藻数量总体处于较少状态,避免太湖蓝藻水华大规模暴发。     

三种机器学习模型在太湖藻华面积预测中的应用

基于2014—2018年太湖气象水文水质数据与卫星遥感数据,分别采用支持向量机(SVM)、长短记忆神经网络(LSTM)、极端梯度提升树(XGBoost)模型模拟全太湖、贡湖、南部沿岸区、中西北湖区的蓝藻水华(简称藻华)面积。结果表明:(a)XGBoost全太湖与分区藻华面积回归模型模拟效果较好,其次是SVM、LSTM回归模型;不同时间尺度下SVM、XGBoost回归模型对全太湖藻华面积模拟结果偏小,但有效模拟了藻华的发展趋势。(b)XGBoost分类模型在全太湖、中西北湖区模拟准确率较高,优于SVM、LSTM分类模型;在贡湖、南部沿岸区,3种分类模型准确率均较高。(c)以当天、提前1 d的气象水文水质因子作为全太湖与分区藻华面积模型输入,XGBoost回归与分类模型模拟精度较高、稳健性较好,预测应用情景较好。     

应用CF和Logistic回归模型编制滑坡危险性区划图

根据地理信息系统(GIS),以滑坡发生确定性系数(CF)和Logistic回归模型编制贵州省滑坡灾害区划图,其主要步骤为:应用历史滑坡灾点面积和滑坡致灾单因子子集面积计算CF,由此确定主要的滑坡致灾因子;应用Logistic回归模型、地理信息系统(GIS)空间分析工具和统计软件SPSS寻求最合适的模型描述灾害是否发生(因变量)与致灾因子(自变量)之间的关系;计算研究区域内各单元的滑坡概率,划分危险性等级,绘制基于GIS的贵州省滑坡灾害区划图;最后,用历史灾害分布数据检验滑坡灾害区划图.研究结果表明:根据区划图,贵州省可分为4个区域,即低危险区、中等危险区、高危险区和极高危险区;对贵州省的危险性分区合理,结合CF与Logistic回归模型编制滑坡灾害区划图的方法有效.     

变化风场下太湖表层湖流特征及其对蓝藻迁移的影响

为了解太湖表层湖流对变化风场的响应特征,以及风场表层流场对蓝藻迁移的影响,通过GPS粒子示踪器对表层湖流进行观测,结合观测期间风场的变化特征和遥感图像,分析了变化风场条件下太湖的表层湖流特征以及蓝藻水华的迁移聚集过程。结果表明:太湖风场是太湖表层流场的主要驱动力,但受到地形特征、岸线特征等因素的影响,不同水域表层流场对风场的响应并不完全一致;太湖风场影响下太湖表层湖流在空间上的广泛差异性是导致蓝藻迁移过程中在不同区域聚集程度不同的主导因素,也是区域性蓝藻水华暴发的重要原因之一。风场表层流场蓝藻迁移聚集过程是一个依次传导的响应系统,条件适宜风场影响下的流场是触发蓝藻水华短时间、大面积暴发的重要外部因素。     

不同湖泊水华发生机制研究进展

目前,世界各地湖泊水华的暴发越来越严重,对人类健康和生态系统有重大危害.本文调研了国内外典型湖泊水华的相关研究成果,从湖泊所属地理位置、气候带、受人类活动干扰强度、主要水华发生藻种和主控环境因子等不同角度进行了总结和分析,揭示了不同类型的湖泊水华特征和发生机制.最后以我国太湖为例,总结已有的研究成果,结合近几年太湖水华和水环境实测数据的分析结果,归纳了太湖水华的主要影响因子,包括Chl-a、TN、TP、COD、温度、风速六个指标,其中Chl-a、COD能指示说明水华的程度,TN、TP是营养盐状况的代表,温度和风速是水华发生的主要气象因子,并定量分析了水华程度和影响因子之间的关系,为水华的预警、预测和评价提供基础和支持.     

基于车道集计交通流数据的事故风险评估分析

事故风险评估分析提取事故及对应非事故状况下的交通运行数据作为自变量,以事故发生与否作为0或1因变量,采用数理统计模型分析事故发生与交通流状态的关联性.为探索上海市城市快速路的车道集计交通流数据用于事故风险评估分析的可行性,基于条件Logistic回归,使用该数据与事故数据构建事故风险评估模型,并检验模型预测精度.结果表明低运行速度、车道间流量的差异性会增加事故发生的概率;上海市城市快速路的车道集计交通流数据可用于事故风险评估研究.     

基于概率理论和AR/GARCH模型的非线性损伤识别

为了解决在不确定因素干扰下的结构非线性损伤识别问题,提出了基于概率理论和自回归/广义自回归条件异方差(AR/GARCH,autoregressive/generalized autoregressive conditional heteroskedasticity)混合模型的非线性损伤识别方法。描述了AR/GARCH模型的组合理论及其相应的组合公式,给出了模型参数估计和定阶方法。利用损伤前后的加速度响应信号构造AR/GARCH模型,并进一步提取出非线性损伤特征因子。采用概率理论和置信区间方法获取相应的损伤存在概率,并建立基于层间刚度的基本概率损伤指标。在此基础上,基于权化技术提出了改进概率损伤指标以提高识别可靠性。数值计算和实验验证结果表明,基于概率理论和AR/GARCH模型的损伤技术可以较好地解决不确定因素干扰下的非线性损伤问题,改进概率指标的识别效果明显优于基本概率指标。     

影响装备性能的电磁环境因素GM(1,n)模型定量分析

为了对战场电磁环境影响因素进行定量分析并排序,针对小样本试验数据,提出基于GM(1,n)模型综合装备性能及其电磁环境影响因素进行建模,介绍了实现算法.为了提高GM(1,n)模型的建模精度,建立了基于背景值加权处理的GM(1,n)优化模型与算法;对某电子侦察装备的侦察概率与3个相关电磁环境影响因素的GM(1,4)建模进行了验证.结果表明,文中所提模型和算法合理有效,能定量分析电磁环境影响因素对装备侦察概率的影响主次关系.     

动水条件下太湖水体透明度及其影响因子模拟

利用太湖长序列实测资料,分析了太湖水体透明度的主要影响因子,建立了透明度与其影响因子之间的多元回归方程,基于该方程,建立了动水条件下太湖水体的透明度数学模型.结果表明,悬浮物质量浓度是太湖透明度最重要的影响因素,藻类和有机物质量浓度对透明度的影响不确定性较大,但总体来看呈现明显的反比关系.根据透明度及其影响因子的分布特征,分季节(春季和夏季)、分湖区(梅梁湾、湖心及沿岸区、东太湖)建立的透明度与悬浮物、藻类及高锰酸盐指数(CODMn)质量浓度之间的多元回归方程具有较好的相关性,所建立的模型对太湖水体透明度以及影响因子具有较好的描述能力,说明该模型是合理的.     

富营养化状态下太湖蓝藻水华气象条件影响的评估

根据2005～2017年太湖流域气象观测数据与同步卫星观测数据分析结果,表明：太湖蓝藻水华在日平均气温为0～35℃的区间内都会出现,高发区间为15.0～35℃,大面积蓝藻水华也多集中在20.0～35℃区间内,33℃以上的高温会产生抑制作用;蓝藻水华在卫星过境前6h平均风速为0.5～3.4 m/s区间内集中出现,占94.7%,89%的大面积蓝藻水华出现在0～2.0 m/s,风向主要影响蓝藻水华的移动和空间分布;降水的影响总体上呈负效应,但大面积蓝藻水华在前24小时有降水的情况下,其中小雨量级（＜10mm）的占比达88%,说明降水的适度扰动可能有利于大面积蓝藻水华形成;日照充足可能有利于蓝藻生长,但并非蓝藻水华形成的必要条件。在上述分析基础上,构建了气象评估多元回归模型,实际值和模拟值拟合的相关系数达0.83,通过了0.001显著性检验,可用于蓝藻水华的定量气象评估,从而为政府防控蓝藻水华提供决策依据。     

巢湖蓝藻水华预警监控方案研究

文章根据近年来巢湖蓝藻水华预警监测期间的水质监测结果、水华暴发情况和MODIS蓝藻影像图,研究制定了巢湖蓝藻水华预警监控方案;将巢湖划分为饮用水源地、河流入湖区和湖区3个蓝藻水华预警监控区域,设置蓝色、黄色和红色三级预警响应级别;优化了巢湖蓝藻水华预警监测布点方案、监测时段、监测频次和监测项目,为今后巢湖蓝藻水华研究提供科学依据。     

典型相关分析方法在半干旱区作物生长系统中的应用

典型相关分析是研究两变量集间相关关系的主要方法；本文根据大田试验结果，对半干旱区主要作物春小麦的两个生长阶段中的环境因子集与作物指标集进行了典型和相关分析，在极大相关下计算得各对典型变量及其得分等；结果表明，环境因子中土壤含水率作用最大，是作物生长的限制因子；土壤速效氮贡献最高，作物指标中叶面积指数对环境条件的反应最显著。     

BP神经网络在水华短期预测中的应用

为解决影响因素多、作用关系复杂的水华预测问题,将BP神经网与水体环境因子的高频实测数据相结合,构建了巢湖水华的短期动态预测模型,该模型准确地预测了每次水华发生的时间,预测值与实际观测值相关系数可达0.608 4;在分析BP神经网络自身局限性的基础上,研究了建模过程中输入输出数据预处理、网络结构设计、训练模式选择等问题,给出了水华预测中确定环境因子和建模方案的具体方法.该方法容易移植到其它湖库,提高了模型的实用性和通用性.     

基于GIS和USLE模型的巢湖流域土壤侵蚀评价

土壤侵蚀是全世界都关心的土地资源与环境保护问题。巢湖作为中国第五大淡水湖,近年来由于水体富营养化产生的水华现象引起多方重视,对巢湖流域土壤侵蚀评估对于环境保护战略与土地规划政策具有重要的意义。基于GIS平台,采用通用土壤流失方程(USLE)来评估巢湖流域14县/区2000年到2010年土壤侵蚀空间分布变化趋势。研究表明:(1)巢湖流域土壤侵蚀严重区域主要分布在金安区、舒城县、居巢区以及含山县的丘陵地区,即杭埠河-丰乐河流域、裕溪河流域与柘皋河流域的上游地区;(2)从2000年到2010年,土壤微度侵蚀、强度侵蚀、极强度侵蚀和剧烈侵蚀区域占巢湖流域总面积比例分别减少了0.5%、0.05%、0.21%和0.23%,而轻度侵蚀、中度侵蚀区域所占比例分别增加了0.98%和0.01%,总体呈现土壤强度侵蚀、极强度侵蚀与剧烈侵蚀区域向轻、中度侵蚀转移的趋势。(3)植被覆盖度变化是巢湖流域土壤侵蚀分级发生变化的主要原因,总体上,2000~2010年研究区由于植被覆盖度的波动性增加呈现土壤侵蚀分级波动性降低的趋势。     

一种基于SVR的综合预测方法及应用

针对一类因变量具有复杂自变量、且不具备相同采样周期的预测问题，综合运用支持向量回归估计(SVR)、多元回归和主成分分析等多种数据分析技术，提出了一种综合预测方法，建立起了飞机故障率与其错综复杂的影响因素间的一种数学关系，并且采用航空装备质量控制的统计数据对所提出的方法进行了实验，预测结果显示了方法的有效性。在影响因素量化过程中，还引入了Pearson相关系数方法。     

基于结构方程模型的公司治理对企业技术创新影响分析

通过治理结构变革来推动技术创新,是增进企业活力、改善绩效的重要途径。以公司治理结构对企业技术创新的影响为研究主题,运用结构方程模型,通过从股权结构、董事会结构、管理层激励以及资本结构等方面进行实证研究,得出结论:国有持股比例越高越不利于企业技术创新活动的进行;独立董事以及董事会规模对企业技术创新投资的影响不显著;股权集中度越高,技术创新的投资越高;管理层激励与技术创新的投资有明显的正相关关系;企业负债率与技术创新则有明显的负相关关系。相比回归分析的统计方法,结构方程模型可以同时处理多个因变量,同时容许自变量和因变量含测量误差,还可以估计整个模型的拟合程度,因而对结构方程模型的运用增加了研究结果的精准性和说服力。     

苏州外资制造业增长因素分析模型

苏州外资制造业经济增长受众多因素影响,各因素之间存在变量的多重相关现象,一般的多元回归分析自变量之间存在较严重的多重共线性.采用偏最小二乘回归对经济增长影响因素建模分析,这样最大限度地概括了原自变量系统中的数据信息,克服了多重共线性,同时自变量对因变量具有最大的解释能力,可靠性高.