支持向量回归机在滑坡安全可靠度评价中的应用研究

探讨支持向量机的参数优化方法,将学习能力较强的支持向量机引入滑坡可靠度评价当中,并根据数理统计的理论,对滑坡稳定性敏感性因素作数据处理,并证明其合理性,在此基础上提出一种改进的可靠度指标的计算方法。为便于对比,分别选取49个学习样本和121个学习样本两种计算模型,计算实例表明,这两种计算模型与蒙特卡洛模型计算结果非常接近,充分体现了在小样本的情形下支持向量机的优势,说明将其应用于滑坡安全可靠度评价中是可行的。     

八段锦联合同伴支持管理对COPD稳定期肺康复的效果评价

目的：探讨八段锦联合同伴支持管理对慢性阻塞性肺疾病（COPD）稳定期患者肺康复依从性及BODE指数的影响。方法：选择69 例由COPD急性加重进入稳定期的患者为研究对象,采用随机数字表法分为观察组（35 例）和对照组（34 例）。对照组给予常规护理、肺康复指导及发放康复处方执行记录单,观察组在对照组基础上采用八段锦运动训练,建立同伴支持管理微信群随访干预。比较2组患者肺康复依从性和BODE指数的变化情况。结果：干预后,观察组肺康复量表各项指标（除BMI）评分及总分、BODE指数各项指标及总分均优于对照组,差异有统计学意义(P＜0.01)。结论：慢性阻塞性肺疾病稳定期在肺康复过程中应用八段锦联合同伴支持管理,能激发患者康复依从性,改善BODE指数,提高患者生活质量。     

基于空间自相关的支持向量机空间聚类研究

经济统计信息多包含多维度的属性,在研究数据内在结构时,需要采用降维方法将多维信息转换到三维以内的空间以实现多维信息可视化和聚类。支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势,但SVM是一种监督分类方法,需要已知样本集来训练分类过程。由于高维经济统计数据中往往缺少已知聚类中心,从其他方法的聚类结果选择小样本集作为聚类中心具有很大的主观性;空间自相关分析能揭示出高空间聚集区域和随机离散区域,并能分析出各区域的空间聚集模式,这为已知小样本的选择提供了可行的方法。该文以四川2007年统计年鉴的经济数据为例,通过主成分分析法和非线性映射法进行聚类,将各类中心和空间自相关分析揭示的高空间聚集目标作为已知样本集导入SVM,得到的结论是:采集于主成分分析法和非线性映射法的两个不同已知样本集的SVM分类结果之间的差异较大,已知样本集的选择具有很大主观性;空间自相关分析结果能大量减少特征样本集的数目,这不仅简化了SVM算法分类过程,并且结果也能准确反映四川发展实际情况。     

《广东气象》征稿简则

正《广东气象》是由广东省气象局主管、广东省气象学会主办的科技期刊,创刊于1973年,现为双月刊,国内外公开发行。《广东气象》主要刊登有关大气科学研究的综合评述及研究论文、短论;天气、气候诊断分析与监测预报技术;气象业务技术及业务现代化建设经     

晋煤集团启用一键式应急救援系统

晋煤集团目前在该公司10对矿井中投入使用了煤矿应急管理与救援指挥辅助决策系统,大大提高了矿井的应急救援效率。     

基于指标规范值的海水水质评价的SVR模型

为了建立具有普适通用的海水水质评价的支持向量机模型,在设置各指标参照值和指标规范变换式,并对指标进行规范变换的基础上,应用免疫进化优化算法,建立基于指标规范值的海水水质评价的回归支持向量机模型。将优化好的模型用于珠江口海水水质的评价,其评价结果与BP神经网络的评价结果基本一致,从而表明基于指标规范值的支持向量机模型用于海水水质评价是可行的,且该模型较传统的支持向量机评价模型具有较好的普适性和通用性。     

黑龙江省矿业联合会第一届二次常务理会强调——巩固成效加强调研为政府决策当好参谋

9月3日,黑龙江省矿业联合会第一届二次常务理事会暨市（地）矿业协会负责人会议在哈尔滨召开。会上,会长赵我为作2013年及2014年上半年工作和2013年财务报告,并通过了关于增补李树峰、王丙西为常务理事及王丙西为副秘书长的议案。     

城镇化,要旗帜鲜明地反对“土地私有化”——对“土地私有化”阻碍中国城镇化的思考

引子：在农地上,个体农户更大的权利,就意味着他更大的反对的能力,阻止的能力,少数决定多数的能力。农民更大的土地权利并非只是某一个农户的更大土地权利,而是所有农户都扩大了土地权利,从而扩大了反对和阻止公共决策的能力,从而也就意味着即使对大多数农户有益,大多数农户有了强烈要求的决策,却可能因为少数甚至个别农户反对而无法实施。——摘自贺雪峰《小农立场》。     

致谢

<正>以下专家参与了本刊2013年论文的审稿工作,为期刊论文质量的提高作出了贡献。期刊编委会及编辑部感谢各位专家的支持,并希望今后能继续得到各位专家的指导和帮助!     

Aerosol Type Identification Using PARASOL Multichannel Polarized Data

PARASOL （Polarization ＆ Anisotropy of Reflectances for Atmospheric Sciences coupled with Ob- servations from a Lidar） multi-channel and mul- ti-directional polarized data for different aerosol types were compared. The PARASOL polarized radiance data at 490 nm, 670 nm, and 865 nm increased with aerosol optical thickness （AOT） for fine-mode aerosols; however, the polarized radiances at 490 nm and 670 nm decreased as AOT increased for coarse dust aerosols. Thus, the vari- ation of the polarized radiance with AOT can be used to identify fine or coarse particle-dominated aerosols. Polar- ized radiances at three wavelengths for fine- and coarse-mode aerosols were analyzed and fitted by linear regression. The slope of the line for 670 nm and 490 nm wavelength pairs is less than 0.35 for dust aerosols. However, the value for fine-mode aerosols is greater than 0.60. The Support Vector Machine method （SVM） based on 12 vector features was used to discriminate clear sky, coarse dust aerosols, fine-mode aerosols, and cloud. Two cases were given and validated by AErosol RObotic NETwork （AERONET） measurements, MODIS （Mod- erate Resolution Imaging Spectroradiometer） FMF （Fine Mode Fraction at 550 nm） images, PARASOL RGB （Red Green Blue） images, and CALIOP （Cloud-Aerosol Lidar with Orthogonal Polarization） VFM （Vertical Feature Mask） data.