福州市PM_(10)浓度与气象因素的非参数分析

分析了福州市PM_(10)浓度的季节变化特征,并采用非参数分析方法对福州市PM_(10)在不同季节的浓度水平与各气象因素的相关性进行了研究。结果表明,不同季节影响PM_(10)浓度的气象因素各不相同。PM_(10)浓度与各气象因素的相关性分析表明:只有秋季PM_(10)浓度与气压有显著的相关性;春季和夏季PM_(10)浓度与气温有显著相关性,相关系数分别为0.319和0.249;四个季节中,冬季、春季PM_(10)浓度与相对湿度有显著的负相关;福州春季PM_(10)浓度与日照有显著的正相关;福州只有秋季PM_(10)浓度与风速的相关性较为显著,而其他三个季节均无显著相关性。     

福州市台江区2016-2018年环境空气质量变化趋势及规律分析和探讨

以2016—2018年福州市台江区空气质量监测自动站的监测数据为样本,分析统计了台江区的环境空气质量变化,以及主要环境污染物的季节、日变化趋势和规律。结果表明,除O_3浓度升高外,PM_(2.5)、PM_(10)、NO_2、SO_2、CO浓度均有所降低,NO_2、PM_(2.5)、O_3、PM_(10)是该地区的主要污染物。其中NO_2、PM_(2.5)、PM_(10)浓度表现为冬春季节较高、夏秋季节较低;O_3浓度春夏季较高,冬季低,O_3是夏季的首要污染物。NO_2、PM_(2.5)、PM_(10)日变化呈双峰型特征,O_3日变化呈单峰型特征,各污染物之间及污染源之间具有相关性。结合分析结果,提出了对台江区道路、工地扬尘控制、机动车尾气排放、挥发性有机物(VOCs)企业排放控制等建议。     

福州市台江区空气污染物特征及其与气象因子的相关性分析

利用福州市台江区空气自动站2018年监测资料,分析了台江区总体空气质量状况,并进一步研究各气象因子与空气污染物NO_2、PM_(10)、PM_(2.5)、O_3的相关性。结果表明,台江区空气质量以优良为主,空气质量达标率为96.7%,O_3、NO_2、PM_(2.5)、PM_(10)是台江区的主要空气污染物。NO_2、PM_(2.5)、PM_(10)三种污染物浓度春季、冬季较高,夏季较低,3～10月O_3浓度较高,其余月份较低。总体来说,高温、低压、高风速、高湿天气有利于污染物浓度的稀释扩散,污染物浓度较低;反之,低温、高压、低风速、湿度较低天气产生的逆温现象不利于污染物浓度的稀释扩散,污染物浓度较高。气温、风速、湿度与NO_2、PM_(2.5)、PM_(10)浓度呈负相关关系,气压与NO_2、PM_(2.5)、PM_(10)浓度呈正相关关系。气温、风速与O_3浓度呈正相关关系,气压、湿度与O_3浓度呈负相关关系。气温、气压对空气质量的影响较大,风速、湿度对空气质量的影响较小。     

天气衍生品空间基差风险对冲方法实证比较研究北大核心CSSCI

空间基差风险削弱了天气衍生品对天气风险的规避效果,需要结合数据特征对不同的对冲方法效果比较选择。以气温期权空间基差风险对冲理论为依据,选取山东潍坊、江苏南京1978—2015年日平均气温数据,分别选取线性组合、反距离加权方法构建气温期权空间组合,比较检验了空间基差风险的对冲效果。研究发现,气温期权空间组合数量在一定范围内时,线性组合法和反距离加权法下RMSE均呈现出“U”型变化趋势,存在最优购买组合;两种方法均可降低天气衍生品的空间基差风险,然而反距离加权法下RMSE变化的波动较小,并随着幂指数增大对冲效果波动减小,更易于确定购买组合数量。     

福州市大气PM_(2.5)中水溶性无机离子污染特征研究

为研究福州市大气PM_(2.5)中水溶性无机离子组成与污染特征,于2015-2016年分四个季节对8个点位进行PM_(2.5)样品采集,分析了PM_(2.5)的质量浓度和9种水溶性无机离子SO_4~(2-)、NO_3~-、F~-、Cl~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)成分。分析表明,研究期间福州市大气PM_(2.5)浓度的日均值为35.1μg/m~3,呈现春、冬季节高,夏、秋季节低的特征;水溶性无机离子浓度总和占PM_(2.5)浓度的47.1%,其中SO_4~(2-)、NO_3~-、NH_4~+的浓度>Cl~-、Na~+、K~+、Ca~(2+)的浓度>Mg~(2+)、F~-的浓度。离子平衡分析显示,阴离子相对亏损。二次离子(SO_4~(2-)、NO_3~-、NH_4~+,简称SNA)占水溶性无机离子浓度总和的81%以上,相关性分析表明,NH_4~+主要以(NH_4)_2SO_4和NH_4NO_3的形式存在。各季的NO_3~-/SO_4~(2-)比值均小于1,呈现冬季高、夏季低的特点,表明固定源排放是福州PM_(2.5)的主要影响因素。对非海盐离子贡献的分析表明,海盐源对PM_(2.5)的影响较小,人为活动是主要来源。     

晋安区大气污染物浓度变化分析

利用2016年1月1日~12月31日福州市晋安区五个空气质量监测站点CO、SO_2、NO_2、O_3、PM_(2.5)、PM_(10)的监测数据,分析了晋安区大气污染物的污染水平及时间分布情况。结果表明,晋安区空气质量基本处于国家一、二级标准内,首要污染物为PM10,按污染物浓度日均值分布情况分析,O_3浓度在14时前后出现峰值,其余污染物浓度日变化主峰值均出现在9时前后,次峰值出现在18时前后。     

落地自动站气象数据在大气环境影响评价中的应用

该文通过对福州市新建落地自动气象站采集数据的调查研究,参照台风求距离公式和反距离权重插值法,利用Visual Basic语言编程计算落地站气象参数缺项值,通过相关性验证和地面气象测报业务软件的符合性测试,建立适用于大气环境影响预测使用的落地自动站A文件气象数据库。采用AERMOD数学模式对比预测验证结果,表明该气象A文件数据文件的建立方法和程序正确,且符合环评导则大气环境影响预测模式要求,项目的研究成果拓展了落地自动站气象资料的社会化服务空间,同时为地区开展大气环境影响评价提供更准确、有效的气象数据。     

2017-2018年福建沿海地区大气颗粒物污染对人群健康的影响

选取2017-2018年福建沿海26个代表性县区监测点,运用泊松广义相加模型时间序列方法分析不同疾病别的超额死亡风险及置信区间95%CI。结果表明,2017-2018年PM_(10)和PM_(2.5)浓度(lag01)每升高10μg/m~3,研究区域人群非意外总死亡风险分别增加1.07%(95%CI:0.60%,1.54%)、1.71%(95%CI:0.93%,2.49%),心脑血管疾病死亡风险分别增加1.17%(95%CI:0.46%,1.88%)、1.92%(95%CI:0.75%,3.08%),区域之间存在效应异质性;研究区域夏季风险最高,其次为冬季,春秋季统计学关联性较弱;PM_(2.5)对呼吸系统疾病效应在调整PM_(2.5-10)的影响后失去统计学意义。2017-2018年大气颗粒物暴露与福建沿海人群非意外总死亡和心脑血管疾病死亡风险增加具有统计学意义,非意外总死亡和心脑血管疾病死亡效应分别以5日平均滞后(lag04)和4日平均滞后(lag03)最大。     

福建省2018年环境空气质量时空分布特征研究

利用2018年福建省9个设区市6项常规大气污染物监测数据,分析福建省大气污染时空分布规律。结果表明:(1)福建省2018年空气质量总体保持良好,9个设区城市优良率89.9%～99.2%,平均优良率94.9%,O_3浓度同比升高2.9%,其余污染物浓度均下降。(2)2018年,O_3超标天数占比85.8%,O_3污染已成为福建省空气污染首要问题,O_3超标是造成全省优良率下降的主要原因。(3)按空气质量综合指数排名,9个设区城市空气质量相对较好的城市依次为:南平、宁德、莆田和龙岩(并列第3名)、厦门、福州、三明、泉州、漳州,各城市夏秋季节空气质量好于冬春季节。(4)2018年SO_2、CO浓度基本维持在较低水平,季节变化不明显;冬季NO_2浓度高于夏季,南部沿海城市较其他城市高;PM_(10)、PM_(2.5)浓度变化趋势相似,冬春季节高、夏秋季节低;O_3高值区主要集中在沿海城市,4～10月是O_3浓度高值时段。     

普通克里金插值法在建设用地土壤污染范围预测中的应用——以某金属加工厂为例

以某金属加工厂为例,对地块土壤进行污染状况调查,针对调查结果中的超标因子镍,应用普通克里金插值法进行污染范围预测。根据预测结果,土壤中镍浓度超标区域主要分布在地块南侧,叠加不同深度采样层的超标范围后,地块镍含量超标区域面积为2. 1918hm2,占地块总面积的40. 59%。为消除克里金插值法平滑效应引起的预测结果偏差,在实际应用中,应在预测的污染边界线两侧进行补充采样监测,提高地块污染范围的准确性。     

基于作业成本法的成本估算研究

建立了基于作业成本法的成本估算模型.提出了基于并行功能展开与主成分分析的新产品主要特征属性获取方法;运用径向基函数神经网络构建了新产品主要特征属性确定、历史数据完备情况下的作业估算关系(AER);运用模糊多属性效用理论,对新产品主要特征属性水平不确定、历史数据取得困难情况下的成本估算进行了研究.     

基于GARCH-EVT-COPULA模型的外汇投资组合风险度量研究

基于巴塞尔协议和商业银行风险管理新视角,本文运用GARCH-EVT-COPULA模型构建了GARCH-EVT-Gaussian-COPULA和GARCH-EVT-t-COPULA两种方法,对美元、欧元、日元和港元四种人民币汇率的等权重投资组合风险进行了度量,优化了极值分布作为COPULA函数边际分布的多序列超阈值比例确定方法,并与历史模拟法、正态方法、蒙特卡罗方法三种传统方法和单用极值方法度量的VaR进行了比较并作返回检验.结果表明:GARCH-EVT-Gaussian-COPULA扣GARCH-EVT-t-COPULA两种方法符合巴塞尔协议的内部模型法(I--)对商业银行风险管理的要求,而且估计结果优于其他四种方法,其中,GARCH-EVT-Gaussian-COPU LA方法的估计结果比GARCH-EVT-t-COPULA方法更有利于节省商业银行的经济资本.     

展望理论的权重函数与证券收益率分布

证券收益率的概率受到投资者主观判断概率的影响,从而形成“尖峰厚尾”等形态特征。在展望理论的权重函数的基础上,建立了收益率分布主观概率模型,对收益率分布的“厚尾分布”、中部形态及整体形态特征进行了理论推导。并利用深圳证券市场的441支股票的实际收益率分布的概率形态进行了实证分析,实证检验的结果与提出的模型所推导的特征性质得到了一致的吻合。     

软件成本估算的粒子群算法类比模型及自助法推断

软件成本估算是控制软件进度、降低软件风险和保证软件质量的有效措施,已引起产业界和学术界的广泛关注.为能更准确地估算软件成本,采用粒子群算法优化加权类比估算模型(PSO类比模型)中各个特征属性的权重,避免权重选择的盲目性;同时采用非参数自助法对原始数据抽样,在自助法子样本的基础上,分析PSO类比模型中的类比项目个数和成本计算方式对模型精确度的影响,并进一步计算新项目估算成本值的可信度以及在一定置信水平下的区间值;采用Desharnais数据库验证PSO类比模型与自助法推断方法的有效性,根据MMRE和Pred(0.25)两个标准将PSO类比模型与一般类比模型、支持回归机、人工神经网络、径向基神经网络和分类回归树进行估算精度比较.研究结果表明,采用粒子群算法优化权重的PSO类比估算模型能得到较高的估算精度,且自助法能有效校正PSO类比模型中的相关变量并检验结果的可信度,可以为管理者在软件项目风险分析和项目规划方面提供有益参考.     

基于违约区分程度最大权重的信用评级模型

信用评级方程是信用评级模型的核心,权重是影响信用评级方程评价准确度的重要因素,合理的权重对于信用评级至关重要.通过以违约与非违约客户信用得分单位离散度的平均距离最大为目标函数,构建非线性规划模型的思路,反推各指标的最优权重组合.通过PR曲线方法对信用评级模型的合理性进行检验,并对1 231个小企业贷款进行了信用评级.通过构建信用评级方程S=S(W)的权重向量W与违约与否的两类客户平均信用得分的距离D之间的函数关系,以违约与否的两类客户平均信用得分距离D最大为目标建立非线性规划,反推一组最优权重W.保证了信用评级方程的评级结果,能够最大限度地区分违约与非违约客户.改变了现有研究的权重向量与整体违约鉴别能力无关的弊端.非财务指标相对于财务指标在小企业评级中更重要,权重高达58%,非财务指标中"城市居民人均可支配收入"指标的权重最大,为14.7%.通过PR曲线方法验证了其合理性.研究表明,"基于违约状态区分程度最大权重的小企业信用评级模型",对客户违约与否的区分精度,优于现有研究的同类经典模型.     

我国东部典型城市年降水量和小时降水量特征分析

为探讨我国大城市降水的特征规律,利用1980~2012年6月1日至8月31日无缺测记录的北京(54511)、上海(58362)、广州(59287)三个代表站的逐小时降水资料,运用3年滑动平均法分析典型城市降水的时间分布特征;利用Γ分布函数建立概率分布模型,分析并对比三个典型城市的拟合特征。结果表明,北京、上海、广州从北向南平均降水量逐渐增大;在时间变化特征上,北京降水量呈现10年左右的波动,上海降水量无明显波动特征,广州市降水量呈现7年左右的波动。Γ函数拟合的概率分布,在一定程度上克服了样本频率代替概率不可避免的随机振荡对估计降水量概率分布的影响,用Γ分布函数概率密度推算得到的降水概率比较符合实际;Γ分布对较小量级小时降水的模拟能力比较弱,对大于5mm的小时降水模拟能力较强;三个典型城市小时降水阈值为20mm所对应的累积概率均在95%左右,因此北京、上海、广州这三个典型城市有一定概率发生较强量级的降水。     

宁德市空气质量变化趋势及影响因素分析

采用Spearman秩相关系数法和污染综合指数,对2011—2016年宁德市城区环境空气中SO_2、NO_2、PM_(10)三项因子进行趋势研究,分析环境空气质量变化的影响因素,并提出相应的对策和措施。     

基于“拆分-填充-分解-集成”的我国线上零售额预测研究

线上零售额的准确预测是政府制定零售政策和发展规划的依据,也是电商和物流企业确定发展战略的基础。由于我国线上零售额数据具有样本量小、波动性大、受节日影响大、存在缺失值等特征,准确预测变得十分困难。为解决这个问题,本文提出了一种“拆分-填充-分解-集成”的预测框架。具体而言,首先将数据集拆分为实物零售数据与非实物零售数据两部分。其次,分别根据实物零售与非实物零售数据不同的缺失特征对样条插值法做了改进,提出了基于“样条插值-二分调整”的分解填充法以及基于“分段线性函数拟合-样条插值”的分解填充法,对两组数据进行缺失值填充。继而基于两组数据的不同特征,分别提出“乘法分解-ARIMA-移动平均”以及“STL分解-BP神经网络-灰色波形”的预测方法对两组数据进行预测。最后将两组预测结果集成,得到我国线上零售额的预测值。实证结果表明,本文提出的预测框架能较好地捕捉我国线上零售额数据的特征,具有很高的预测精度,且较传统的缺失值填充和预测方法在性能上表现更好。本文提出的“拆分-填充-分解-集成”预测框架,丰富了现有的缺失值填充与预测方法,并为预测实践提供了解决方案。     

上海银行间同业拆放市场杠杆效应——基于GARCH族模型的比较研究

构建ARMA-GARCH族模型,对SHIBOR杠杆效应进行实证研究,并基于损失函数对模型拟合效果进行评价。结果表明:同业拆放利差波动具有正的杠杆效应,GED分布较T分布更好拟合拆放利差序列"尖峰厚尾"特征;当赋予偏低预测和偏高预测等权重时,TGARCH、EGARCH、PARCH模型预测效果无显著区别,当赋予偏低预测较大权重时,TGARCH模型预测效果最好。     

基于GMM-RBF神经网络的前列腺癌诊断方法

 前列腺癌是近年来发病率上升速度最快的男性癌症，严重威胁着患者的身体健康，准确地判断癌症患者的患病情况对于节约医疗资源、提高患者满意度起着至关重要的作用。近年来，基于数据挖掘的癌症诊断方法逐渐成为疾病诊断领域的研究热点，在提高诊断准确性上显示出极大优势。        针对现有前列腺癌早期诊断方法准确性不高的问题，提出一种基于高斯混合模型改进径向基函数神经网络的前列腺癌诊断方法--GMM-RBF神经网络方法。该方法通过使用高斯混合模型对径向基函数神经网络中径向基函数的参数进行预训练，使模型避免陷入局部最优，之后采用改进的粒子群优化算法对神经网络进行训练。采用国家临床医学科学数据中心提供的数据进行前列腺癌诊断实验，将所提出的方法与径向基神经网络、分类回归树、支持向量机和逻辑回归等主流的机器学习算法进行对比，并使用准确性、特异性、敏感性和AUC值对模型的性能进行评价。        研究结果表明，与改进前的神经网络模型相比，GMM-RBF神经网络模型收敛速度更快、初始准确度更高；与其它机器学习算法相比，GMM-RBF神经网络模型在10折交叉验证中取得了较高的准确性、敏感性、特异性和AUC值。        GMM-RBF神经网络方法在模型预测精度上比传统的径向基函数神经网络模型有很大提升，能够得到更为可靠的前列腺癌诊断结果，为医疗工作者初步诊断前列腺癌和穿刺活检操作提供有效的辅助决策支持，该方法的提出对于减少患者痛苦、提高患者满意度和节约医疗资源具有实际意义。