基于机器学习的赤水河中下游水位预测研究

该文利用2015、2016年5—10月赤水河沿岸的茅台站、二郎站、赤水站3个水文监测站以及赤水站、习水站两个气象站逐小时采集存储的水文气象数据,基于多元线性回归、岭回归和套索回归3种机器学习方法,构建预测赤水河中下游未来6 h水位趋势的模型。结果表明,基于机器学习的方法可以较好的预测赤水河中下游未来6 h的水位情况,而利用72 h滞后量作为输入集的LASSO回归模型能取得RMSE为0.192 m的预测效果。     

中国环境污染与经济增长:基于空间动态面板数据模型的实证分析

产业结构转型和区域间的产业转移进一步增强了中国各地区间的经济联动性,一个地区的产业规模和发展模式不仅影响本地区的环境质量,也会对其他地区尤其是周边地区的环境质量产生影响,这种地域间环境质量的空间相关性已不容忽视。为此,基于环境库兹涅茨曲线(Environment Kuznets Curve,EKC)假定,引入空间相关因素,运用空间动态面板模型分析中国环境污染与经济增长的关系。研究结果表明,中国基本满足EKC的假定,并且环境污染存在显著的空间相关性;基于地理权重的估计模型明显优于经济权重模型,即造成中国环境污染溢出的主要原因是地理因素而非经济因素。