基于LR-IV模型的滑坡敏感性评价

滑坡敏感性评价是滑坡防治中的重要一环.针对信息量模型(Ⅳ)中各影响因子等权以及逻辑回归模型(LR)中因子难以量化的问题,将逻辑回归模型(LR)与信息量模型(Ⅳ)进行耦合,构建LR-Ⅳ模型,并将逻辑回归模型及信息量模型作为对照,以湖北省为例,进行了滑坡敏感性评价.选取工程岩组、地震烈度、水系距离、构造线距离、地貌、降雨面、坡度等七个因子,结合GIS的栅格分析方法,计算各区域滑坡敏感性指数,得到湖北省滑坡敏感性区划图.将历史滑坡数据随机分为70%的训练数据与30%的验证数据,通过受试者工作特征曲线来比较各个模型之间的性能.在成功率上,LR-Ⅳ模型(91.3%)与逻辑回归模型(91.5%)、信息量模型(90.3%)相差不大,都具有极高的成功率,但在预测率上,LR-Ⅳ模型(75.7%)远胜于逻辑回归模型(65.8%),略强于信息量模型(74.9%).研究结果表明,LR-Ⅳ模型表现优异,可用于滑坡敏感性评价.     

以安徽省为例谈人口结构变换对产业结构升级效应

采用状态空间模型,基于安徽省1997～2017年的统计年鉴数据,研究人口结构变换对产业结构升级的动态效应.结果表明:第一,人口年龄结构变换方面,在2006～2017年间,少子化是产业结构升级的主导因素,老龄化则是主要的抑制因素.第二,人口空间结构变方面,在2005～2017年间,城镇化是产业结构升级的非常重要因素.第三,人口知识结构方面,在2006～2017年间,知识化是产业结构各级的重要因素.     

中国的出口扩张是否影响了健康?——基于Grossman模型的拓展分析

在全球经济复苏乏力的背景下,"逆全球化"浪潮正以不可思议的速度席卷全球,并顺势引导着我们重新审视"全球化"的益处及其隐形成本.鉴于目前并没有相关文献从理论上探讨出口扩张对健康的影响,本文以中国改革开放以来迅猛的出口扩张为背景进行了首次探索.本文构建了一个工人们与其雇主讨价还价的企业出口模型框架.厂商依据利润最大化原理选择最优的资本、劳动和原材料的投入之后,每个工人也会选择"最优的工作努力程度"使得努力的边际收益等于努力的边际成本.然后.依据Grossman健康需求模型.本文系统地探讨了由外生性原因引致的出口扩张影响工人健康的五个路径,包括工作强度,工资率,收入差距,公共服务和环境污染.最后,依据文章结论提出相应的政策建议.     

财政科技投入与经济增长的实证分析

采用国家统计局发布的2007—2017年统计数据为基础,以云南省为例,通过单位根检验、格兰杰因果分析,构建向量自回归模型,对未来财政科技投入与经济增长做出预测。结果表明:政府财政科技投入是经济增长的重要原因之一;云南省及全国十年后的科技投入水平差距将逐年加大。根据习近平总书记对云南省建设面向南亚东南亚辐射中心的定位以及全面建成小康社会的总体要求,针对云南财政科技资金不足的特点,提出中央财政以转移支付的形式支持云南科技投入的建议。     

英汉旅游景介的比较和汉语旅游景介英译中的改写

英汉旅游景介在视角、内容和文本类型上存在较大差异。英语景介以游客为出发点,内容上以通俗描述为主,侧重客观写实,文本类型上以信息型为主,兼具感染型;汉语景介以景点本身为出发点,内容上以专业说明为主,追求主客观交融,文本类型则以信息型为主,兼具表情型。考虑到英汉语景介的差异性和英语游客的接受性,汉语景介英译时需要加以改写,既要转换视角,又要化专业说明为通俗描述,并去虚存实、去虚增实。     

浅析CPC分类在贴标签领域检索中的应用

本文对贴标签领域的相关IPC和CPC分类号进行了介绍和分析,并通过实际案例的检索,着重分析了CPC的分类含义和在检索中的使用特点,进而发现对于CPC的准确理解可提高该领域案件的检索效率。     

多孔介质中DNAPLs运移及模拟研究

重非水相流体(DNAPLs)污染特性及在介质中运移分布规律研究是开展场地污染风险评估与修复治理的必要前提。本文阐述了多孔介质中DNAPLs污染特性及运移过程中三相分配与转化,总结了影响DNAPLs运移及空间分布的因素,论述了介质非均质性及水文地质条件的影响机理,综合分析了DNAPLs污染模型的应用特性。     

基于Simulink的列车垂向振动仿真分析

为研究轨道车辆在轨面激扰下的运行平稳性,根据车辆运行特性与车辆构造原理,本文建立列车转向架-车体耦合的四自由度垂向振动模型,利用Simulink建立该系统的仿真模型,对车辆以两种速度通过轨道激扰时车体各性能指标的响应进行研究。此外,为抑制轨道车辆车体的弹性振动,在车体底架下安装动力吸振器,建立有动力吸振器的优化振动模型,分析动力吸振器对列车垂向振动性能的影响。通过分析仿真结果可知,优化后的振动模型能够有效减少车辆的垂向振动,进一步提高轨道车辆运行的平稳性。     

CrisisNLP-C:中文灾害数据集

当灾害发生时,人们经常使用微博、微信等社交媒体发布文本内容,描述伤亡人员、被困人员、车辆受损及基础设施损坏等情况。如果及时有效地处理这些在线信息,构建相应的机器学习模型,对应急响应组织进行态势感知、舆情应对或者救援活动极为有用。然而,目前对于社交媒体信息的有效处理仍存在众多挑战,比如准确分类这些简短和非正式的文本数据。从根本上讲,这些任务均涉及到数据样本问题,特别是国内目前还缺乏人工标注的中文灾害数据。为此,论文收集了2018年发生的与3起自然灾害相关的微博文本数据,并按照多层级分类方法进行了人工标注。该数据集将有助于业界解决自然语言处理时缺少灾害数据样本的现状,为进一步完善灾害危机应对和舆情管理等提供支持。