20世纪40年代以来福建省大陆海岸带利用程度时空变化分析

海岸带利用程度时空特征的分析是对海岸带地区进行合理规划的前提.基于地形图资料与遥感影像数据,提取福建省20世纪40、60年代,1990、2000、2010与2014年等6个时相的海岸线数据,并综合前人研究成果与遥感影像目视解译的先验知识,将福建省海岸线的利用方式划分为8个类型;赋予各类岸线不同的人力作用强度指数,计算福建省和空间子单元的海岸线开发利用程度指数,分析其利用程度变化趋势与原因.研究发现:(1) 1940-2014年以来,福建省海岸线开发利用程度总体上处于持续且显著加强的趋势,特别是1990年以后,岸线开发利用程度的增长速度尤其显著;(2)随着福建省莆田市以南海岸线海域空间资源的日趋紧张,海岸线开发热点开始向福州、宁德市转移.海岸线开发利用程度指数能有效地反映炎类活动对海岸线影响的强度及其变化趋势,因此本研究有助于深入了解福建省海岸带自20世纪40年代以来的开发力度及其变化和对生态环境的影响.     

企业生命周期下投资者关注对权益资本成本的影响

基于行为金融学的价格压力假说，结合企业生命周期理论，以2007—2014年的主板上市公司为样本，分析投资者关注对权益资本成本的影响以及这种影响在企业生命周期中存在的阶段性差异。研究发现，投资者关注与权益资本成本显著负相关，即权益资本成本随着投资者关注的提高而降低。对于不同生命周期的企业，投资者关注对权益资本成本的影响存在差异。新生期、衰退期企业的权益资本成本并不会随着投资者关注程度的提高而降低；成长期、成熟期企业的权益资本成本随着投资者关注程度的提高而降低。可以看出，投资者能够识别企业所处的生命周期，并愿意为成长期、成熟期的企业支付更高的溢价。     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

一种区域经济发展差异分析智能混合算法及应用

该文提出一种区域经济发展差异分析智能混合算法:首先有机融合主成分距离加权和遗传算法、模拟退火算法对FCM算法进行优化,采用优化FCM算法对各子区域经济发展水平进行分类;其次采用主成分分析法给各子区域经济发展水平进行综合评分并排名;然后依据分类和排名情况,对区域经济发展差异进行研究分析.该文以西部省份经济发展差异为例研究表明:该算法能够有效对西部省份经济发展差异进行综合分析,很好地反映了各省份经济发展的特征,是一种改进的、可行的大区内子区域经济发展水平差异分析方法.     

西北地区人口-经济-水环境质量耦合协调发展研究

基于2005～2014年西北五省人口-经济-水环境质量相关数据,构建耦合协调评价指标体系。运用统计学和GIS方法对近10年来西北地区人口-经济-水耦合协调发展的时空演变进行分析,发现2005～2014年,耦合类别变化情况为勉强耦合-初级耦合-中级耦合,耦合协调度持续上升表明三个子系统之间的协调促进作用增强,系统逐步由无序走向有序;近10年来,西北五省耦合协调度均有不同程度提升,其中青海省提升幅度最大,达到了0.44,陕西省提升幅度为0.044,是五省中提升幅度最小的省区;不论是区域整体还是区域内部各个省份,经济和人口对系统的推动作用均逐步增强,而水环境质量则逐步失去对各区域发展的推动力,表明区域发展的动力逐步由资源转向经济和人口,发展的可持续性增强。     

高铁背景下京津冀县域尺度就业密度空间格局研究

高铁对城市间劳动力流动格局会产生较大影响,进而对区域就业密度格局产生影响.采用加权平均中心、地理加权回归方法研究高铁对京津冀县域尺度2010—2017年就业密度格局演变的影响,结果发现:高铁的开通显著改变了区域就业密度格局,劳动力从最初向高铁沿线区县集聚,过渡到向地级市或更发达城市集聚,高铁的虹吸作用促使以衡水为中心的就业密度低值区的形成.高铁背景下经济发达、就业待遇更好的地区更容易吸引劳动力,而社会固定资产的投资对劳动力的吸引力较弱;相对于高铁开通年限而言,高铁班次变量对区县就业密度的影响更为显著,其中正向影响主要分布在北京、天津和位于京广高铁沿线的保定北部区县.总体来说,高铁对京津冀县域就业密度的影响以集聚效应为主.该结论可以为未来高铁建设背景下区域就业格局的优化和调整提供实践参考.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时，不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题，提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分类器差异损失，实现源域和目标域之间的域分布对齐，从而实现无标记目标域样本的故障诊断.实验结果表明，所提方法与主流的域适应方法相比具有更高故障诊断准确率，验证了该方法的合理性和可行性.