人工智能是否促进碳解锁效率？基于技术与制度约束的门槛效应研究

随着全球对气候变化问题关注的日益增加,探究人工智能（Artificial Intelligence, AI）在促进碳解锁效率方面的潜力变得尤为重要。本研究以中国30个省市2012至2021年的面板数据为对象,构建了人工智能发展水平的评价体系和碳解锁效率的评价指标,采用熵权法和超效率SBM-GML模型分别测算了人工智能指数和碳解锁效率值,利用双固定模型和门槛回归模型分析了AI对碳解锁效率的影响以及环境规制和技术创新水平的门槛效应。结果显示,AI通过转变生产方式、优化产业结构和提升环境治理效率,显著提升了碳解锁效率;环境规制和技术创新水平对AI的影响存在显著的门槛效应,表明适度的环境规制和技术创新是促进AI实现碳解锁效率提升的关键。本研究为理解AI在促进绿色低碳转型中的作用提供了新的理论和实证支持,也为政策制定者在制定相关政策时提供了依据。     

防城季节性雨林优势种罗浮柿测树因子曲线回归与通径分析

为探究防城季节性雨林优势种罗浮柿(Diospyros morrisiana)的形态特征及其相关生长规律,本研究基于防城那山子季节性雨林1 hm²群落样地实测数据,对其测树因子进行曲线回归和通径分析。结果表明：罗浮柿株高(H)、胸径(D)和冠幅(W)之间存在极显著的相关关系;胸径-株高、胸径-冠幅、株高-冠幅的最优回归方程均为幂曲线模型,表达式分别为H=3.0248×D^0.4501(R²=0.634)、W=0.6600×D^0.5462(R²=0.613)和W=0.3147×H^0.9108(R²=0.545);胸径和株高对冠幅具有极显著正向作用,胸径对株高的影响大于其对冠幅的影响,其对冠幅的影响大于株高对冠幅的影响。因此,罗浮柿的株高和冠幅可通过测定其胸径来估算。     

秦淮河流域典型排涝泵站前池水质与降雨特征响应关系

为分析排涝泵站前池水质与降雨特征的响应关系,对南京市城区秦淮河沿线2个排涝泵站前池水质以及降水量开展高频在线自动监测,结合回归树方法分析了不同降雨强度、前期干旱时间条件下排涝泵站前池水质变化规律,探讨了不同类型排涝泵站前池水质的主要影响因素。结果表明:晴雨天均有生活污水汇入的A泵站前池氨氮质量浓度在大雨强下降低,中雨强下先升高后降低,小雨强下平缓上升,A泵站前池污染物质量浓度主要受降雨强度和次降水量影响;主要接收降雨径流,雨量大时有生活污水溢流汇入的B泵站,前池污染物质量浓度在大雨强下先升高后逐渐降低,中雨强下降低,小雨强下变化不大,B泵站前池水质主要受次降水量、前期干旱时间和降雨强度影响;2个泵站前池CODMn质量浓度变化与降雨的响应规律相似,但更多受到与前期干旱时间关联的地表径流冲刷作用影响;连续降雨均导致泵站前池氨氮质量浓度和CODMn质量浓度波动变化较大,而前期干旱时间越长,降雨发生后泵站前池水质越差。     

非线性模型的众数回归估计

本文应用众数回归方法来考虑非线性模型的估计时把调整参数当作常数, 在适当的条件下得到了估计量的 √n 收敛速度, 该结果改进了已有的众数回归估计(把调整参数当作变量)的结果. 本文还做了一定的模拟实验来证实众数回归估计的稳健性.     

一种基于网络的入侵检测模型及其实现

在入侵检测CIDF体系结构基础上,提出了基于网络的二层式多数据包分析入侵检测模型.这一模型中,事件分析器对当前事件分两层进行处理:先将当前事件结合历史事件进行关联分类,找出与当前事件关联紧密的历史事件;然后对包含当前事件的这一类关联事件进行回归分析,最终发现潜在的协同攻击和分布式入侵行为.仿真试验说明该算法模型能够检测出传统入侵检测系统难以发现的分布式入侵行为.     

基于压力拱理论的深埋节理岩体隧道围岩压力研究

为研究节理岩体隧道围岩压力计算方法,以隧道压力拱理论为基础,通过离散元数值模拟分析了岩体的坚硬程度、完整程度和结构面的抗剪强度对隧道压力拱的影响,应用多元线性回归拟合了多因素围岩压力公式,并结合依托工程对拟合公式进行了适用性分析。结果表明：节理岩体隧道压力拱范围为拱顶到最大主应力方向的偏转点,隧道压力拱高度随着节理间距和结构面的抗剪强度的增大而减小,岩体力学参数对压力拱高度的影响较小;与现场实测的围岩压力相比,计算误差在15％以内。所提围岩压力公式适用性良好,为节理岩体的围岩压力计算提供了新的思路。     

基于CEEMD-BiLSTM-RFR的短期光伏功率预测

由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition, CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression, RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network, BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。     

铜梁县玉米测土配方施肥试验及模型拟合研究

采用"3414"试验方案,以玉米"海禾1号"为材料,在铜梁县钙质石骨土上进行了氮、磷、钾肥料效应及模型拟合研究.结果表明:供试土壤中有效养分含量丰缺程度为N中等级、P高等级、K极高等级,14个处理中以N_2P_2K_2处理的产量最高,产量为5 583.0 kg/hm~2;用二次回归分析,得出氮磷钾的肥料效应函数方程为:y=3 103.31+8.32N+23.64P+16.90K-0.013N~2-0.10P~2-0.09K~2-0.011NP+0.01NK-0.16PK,玉米最高产量5 584.2 kg/hm~2时,N,P_2O_5,K_2O施用量分别为301.4,76.0,39.1 kg/hm~2,肥料施用比例为7.7:2:1.     

An Adaptive Design for Six Sigma（ ADFSS ） ： a Simulated Annealing and Regression Analysis Embedded Approach

Design for six sigma (DFSS) is a powerful approach of designing products,processes,and services with the objective of meeting the needs of customers in a cost-effective manner.DFSS activities are class...     

影响学生自习时间因素的调查分析——以江苏技术师范学院为例

通过统计建模研究了影响江苏技术师范学院学生自习情况的因素。根据调查问卷得到相关数据,采用广义Logistic回归法,对问卷中涉及的学生自习情况影响因素进行筛选建模,分析了影响学生非周末自习时间的因素,并从主客观两方面提出了改进学生自习状态的措施。