负二项分布参数的两种区间估计

研究了负二项分布参数的区间估计方法,给出其两种区间估计方法.首先给出负二项分布参数的精确区间估计方法;其次给出大样本近似区间估计方法.最后通过数值例子介绍这些区间估计方法的应用.     

贵州五马河流域土壤养分和重金属含量与空间分布

为给五马河流域土地资源可持续利用及生态环境保护提供参考,以五马河流域中三元村为研究对象。通过野外调查和实验分析,利用相关评价方法结合地理信息技术(geographic information system,GIS),采用反距离权重(inverse distance weighting,IDW)插值分别对土壤中养分及重金属空间分布特征、含量水平及重金属生态风险进行分析,结果表明:(1)土壤中全氮(TN)、全磷(TP)、有机质(SOM)总体含量较丰富,全钾(TK)非常缺乏。土壤养分空间分布TN和SOM含量北部高于南部,TP和TK含量南部高于北部; TN含量最低分布在西南、SOM和TK在中部、TP在东北;(2)Hg、Ni、Cu和Zn平均值高于贵州省背景值,Cd高出背景值和中国土壤污染风险筛选值,存在污染现象,Cr和As为清洁;重金属空间分布Cd、Cr、Hg、As和Zn含量北部高于南部,Ni和Cu含量南部高于北部; Zn含量最高分布在东北、Cu和Ni分布在中部少部分区域,Cd、Cr、Hg和As分布在西北;其中西北存在Cd污染,中部和西南少部分区域存在Cu污染,东北存在Zn污染;(3)部分采样点Cd、Hg已存在潜在生态风险,Cr、Ni、As、Cu和Zn为轻微潜在生态风险; 25%采样点重金属综合潜在生态危害为中度风险,其余为低风险。     

前胡和紫花前胡在中国的潜在分布区预测

采用最大熵(MaxEnt)生态位模型,结合前胡和紫花前胡大量已有的地理分布数据,基于20个环境变量对其在中国的潜在分布区进行了预测.结果表明:最冷季度平均温度,最冷月最低温和最干季度平均温度为前胡分布限制性因子.而对紫花前胡影响最大的环境因子为最干月降水量,最冷季度平均温度和昼夜温差月均值.预测结果显示,前胡和紫花前胡的潜在分布区比现实分布区更广泛,其中中国秦岭地区、浙江省、湖南省等部分山区为其最佳适生区(适生指数0.71).在台湾、甘肃和西藏等地区分布的差异能为在地域上分辨两者提供理论依据.随着野生资源减少和中药材前胡和紫花前胡需求量的增加,在该地区进行栽培是增加产量,保护野生资源多样性的可行途径.     

叶三拨油田黄骅坳陷孔店组孔二段沉积相研究

黄骅坳陷孔店组孔二段是该坳陷含油范围广,油气资源多的层系。为明确叶三拨地区该层段油气分布规律及勘探开发前景,通过把研究区岩心、测井资料、地震资料与沉积学、测井学科及地震学科结合起来,综合分析认为该区主要发育扇三角洲、辫状河三角洲、湖泊、湖底扇四种沉积相;并分析研究了不同沉积相的展布特征及有利相带,为后期的勘探、开发奠定了基础。     

Wigner分布干扰项抑制及其算法

Wigner分布是一种真正意义上的时频分析方法,但存在其固有缺陷即虚假时频谱（干扰项）问题。将实信号转化成所对应的解析信号,并采用Choi-Williams方法对Wigner分布进行修正、实现了对干扰项的有效抑制,获得了满意的信号时频谱,给出了用解析信号计算信号Wigner分布及Choi-Williams分布算法,通过几个典型信号（分段多分量信号,调频信号等）。对所研制的软件进行仿真实验,结果与理论相符,表明了软件算法的正确性。     

空间索引技术的研究

对空间数据库索引技术的研究现状作了分析,介绍了各类主要空间索引技术的基本思想。最后简单介绍了基于Realms和主存技术的空间分析DBMS—SADBS中的数据库设计和索引组织。     

饶阳凹陷蠡县斜坡“油藏单元”划分及其地质意义

蠡县斜坡位于饶阳凹陷的西部,勘探形势严峻,构造油藏增产上储难度增大。同时,早期发现的单一圈闭内的单一油藏内部由于储层非均质性,并没有统一的油水界面,经典的石油地质理论受到了挑战。在此背景下,以蠡县斜坡高30断块ES_2上为例,通过对单一油藏内部油水系统进一步精细刻画,提出油藏单元概念及划分方法,重新厘定该地区的油水分布。通过油藏单元的划分和油水分布的精细刻画,使得蠡县斜坡的油藏面积进一步扩大,油气储量从2004年的1 965×10~4 t增加到2016年的8 514×10~4 t,表明油藏单元的划分对于油气田后期的勘探开发具有重要的意义。     

The Electromagnetic Compatibility and Distribution of Antenna System

ＴｈｅＥｌｅｃｔｒｏｍａｇｎｅｔｉｃＣｏｍｐａｔｉｂｉｌｉｔｙａｎｄＤｉｓｔｒｉｂｕｔｉｏｎｏｆＡｎｔｅｎｎａＳｙｓｔｅｍ￥Ｂ．ＦＷａｎｇ；Ｓ．Ｚ．ａｄｎｓ＆Ｙ．Ｌ．Ｙａｏ（Ｄｅｐｔ．ｏｆＥｌｅｃｔ．Ｅｎｇ．，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡ...     

安徽雉科鸟类的初步研究

据野外调查,本省雉科鸟类共计有8属8(?9)种,其中4种属东洋种,其余5种均属古北种。在5个生境类型中,对8种雉科鸟类进行数量统计结果,优势种和稀有种各2种,其余4种为普通种;这显示出雉类的生态分布与自然植被是密切相关的。雉类为杂食性鸟类,但以植物性食物为主,多取食植物的嫩叶、幼芽、果实和种子等,但也捕食动物性食物。繁殖期多在3—6月间,一般每年只繁殖一次;在地面上的灌丛和杂草丛中营巢产卵繁殖。     

Urban structure and the risk of influenza A （H1N1） outbreaks in municipal districts

Changsha was one of the most affected areas during the 2009 A （H 1N 1） influenza pandemic in China. Here, we analyze the spatial-temporal dynamics of the 2009 pan- demic across Changsha municipal districts, evaluate the relationship between case incidence and the local urban spatial structure and predict high-risk areas of influenza A （H1NI）. We obtained epidemiological data on all cases of influenza A （H1NI） reported across municipal districts in Changsha dur- ing period May 2009-December 2010 and data on population density and basic geographic characteristics for 239 primary schools, 97 middle schools, 347 universities, 96 mails and markets, 674 business districts and 121 hospitals. Spatial- temporal K functions, proximity models and logistic regres- sion were used to analyze the spatial distribution pattern of influenza A （H1N1） incidence and the association between influenza A （HINI） cases and spatial risk factors and predict the infection risks. We found that the 2009 influenza A （H 1N 1 ） was driven by a transmission wave from the center of the study area to surrounding areas and reported cases increased significantly after September 2009. We also found that the distribution of influenza A （H 1N1） cases was associ- ated with population density and the presence of nearest public places, especially universities （OR = 10.166）. The final pre- dictive risk map based on the multivariate logistic analysis showed high-risk areas concentrated in the center areas of the study area associated with high population density. Our find- ings support the identification of spatial risk factors and high- risk areas to guide the prioritization of preventive and miti- gation efforts against future influenza pandemics.