邻避设施空间分布特征及其与周边住宅价格的关系——广州案例

随着中国城镇的快速发展以及市民环境意识的提高,由邻避设施引发的矛盾日益增多。合理规划邻避设施,是促进环境正义、推动社会和谐的重要课题。论文从“规划云平台”获取广州主城区邻避设施的地理信息数据,通过Python语句编码收集广州主城区小区平均房价数据,运用克里金插值法分析邻避设施的空间分布特征,构建多元线性回归模型和地理加权回归模型研究邻避设施与周边住宅价格的关系。研究发现,广州主城区邻避设施的布局与低收入住宅区的分布在空间上具有一致性,邻避设施主要分布在房价较低的住宅区周边;邻避设施对周边小区房价的影响与邻避设施的类型和所在区位相关,城市边缘区的邻避设施对房价造成了显著的负面影响,而城市中心良好的区位条件、基础设施与公共服务配套一定程度上抵消了邻避设施的负外部性;污名化类的邻避设施对房价的影响程度明显小于污染类、风险聚集类和心理不悦类邻避设施。本研究对有关城市邻避设施的科学规划布点具有一定的借鉴和指导意义。     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

An artificial neural network-based snow cover predictive modeling in the higher Himalayas

With trends indicating increase in temperature and decrease in winter precipitation, a significant negative trend in snow-covered areas has been identified in the last decade in the Himalayas. This requires a quantitative analysis of the snow cover in the higher Himalayas. In this study, a nonlinear autoregressive exogenous model, an artificial neural network （ANN）, was deployed to predict the snow cover in the Kaligandaki river basin for the next 30 years. Observed climatic data, and snow covered area was used to train and test the model that captures the gross features of snow under the current climate scenario. The range of the likely effects of climate change on seasonal snow was assessed in the Himalayas using downscaled temperature and precipitation change projection from - HadCM3, a global circulation model to project future climate scenario, under the AIB emission scenario, which describes a future world of very rapid economic growth with balance use between fossil and non-fossil energy sources. The results show that there is a reduction of 9% to 46% of snow cover in different elevation zones during the considered time period, i.e., 2Oll to 2040. The 4700 m to 52oo m elevation zone is the most affected area and the area higher than 5200 m is the least affected. Overall, however, it is clear from the analysis that seasonal snow in the Kaligandaki basin is likely to be subject to substantialchanges due to the impact of climate change.     

基于地理加权回归的吉林省人口城镇化动力机制分析

以吉林省各县域(市辖区)为基本单元,借助第六次人口普查和统计年鉴的相关数据,结合地理加权回归模型和空间自相关分析方法,讨论人口城镇化水平和国有动力、非国有动力、农业动力及外向动力等因素的空间相关关系,并以此解释人口城镇化分县域(市辖区)差异的影响因素。结果表明:国有动力对吉林省人口城镇化的影响作用最大,影响强度由中北部向西南、东南两个方向递减;农业动力和非国有动力分居二、三位,但差别不明显。其中农业动力的影响强度由西北向东南方向递减,非国有动力的影响强度由东南向西北递减;外向动力对人口城镇化的影响力较弱,影响强度各地区差别较大。吉林省人口城镇化未来发展应重视非国有动力的影响和农村现代化的作用;关注人口城镇化动力多元化,考虑实现错位发展和个性化发展。     

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。     

水平潜流湿地磷去除效果及影响因子分析

2008年8月~2009年11月,研究了水平潜流湿地的总磷去除效果及影响因子。采用主成分分析方法,提取主要影响变量,构建了出水总磷含量的多元回归模型。结果表明,水平潜流湿地单位面积总磷去除率在8月最高,A、B和C处理单元的总磷去除率分别为(0.44±0.14)g/(m2·d)、(0.41±0.11)g/(m2·d)和(0.35±0.07)g/(m2·d)。9~11月,随着温度的降低,总磷去除率逐渐降低,并在11月出现最小值,A、B和C处理单元的总磷去除率分别为(0.20±0.04)g/(m2·d)、(0.18±0.10)g/(m2·d)和(0.17±0.06)g/(m2·d);利用多项式函数对出水总磷含量与不同环境因子之间的关系进行拟合,发现进水与出水总磷含量之间存在正相关关系,水温、溶解氧和浊度与出水总磷含量之间负相关,水体p H对出水总磷含量的影响呈单峰变化,p H为7.6时,出水总磷质量浓度出现最大值,为0.047 mg/L,随水体电导率升高,出水总磷含量呈先升高后降低的变化,电导率在6.05μS/cm时,出水总磷质量浓度达到峰值0.014 mg/L。通过主成分分析,提取了4个综合变量,分别为进水总磷含量、氧化还原条件、电导率和浊度,利用逐步回归算法,构建了回归模型。不同处理单元出水总磷含量的实测值和模拟值对比结果表明,模型能够基本反映出水总磷含量的变化趋势和范围(R2为0.745~0.835)。     

Modeling of spatial distributions of farmland density and its temporal change using geographically weighted regression model

This study used spatial autoregression（SAR） model and geographically weighted regression（GWR） model to model the spatial patterns of farmland density and its temporal change in Gucheng County,Hubei Province,China in 1999 and 2009,and discussed the difference between global and local spatial autocorrelations in terms of spatial heterogeneity and non-stationarity. Results showed that strong spatial positive correlations existed in the spatial distributions of farmland density,its temporal change and the driving factors,and the coefficients of spatial autocorrelations decreased as the spatial lag distance increased. SAR models revealed the global spatial relations between dependent and independent variables,while the GWR model showed the spatially varying fitting degree and local weighting coefficients of driving factors and farmland indices（i.e.,farmland density and temporal change）. The GWR model has smooth process when constructing the farmland spatial model. The coefficients of GWR model can show the accurate influence degrees of different driving factors on the farmland at different geographical locations. The performance indices of GWR model showed that GWR model produced more accurate simulation results than other models at different times,and the improvement precision of GWR model was obvious. The global and local farmland models used in this study showed different characteristics in the spatial distributions of farmland indices at different scales,which may provide the theoretical basis for farmland protection from the influence of different driving factors.     

基于PCA和LOGIT模型的网络入侵检测方法

针对高维度网络数据进行多类攻击行为检测的需求,提出一种基于PCA和Logit模型的网络入侵检测方法,通过PCA对网络数据降维、简化数据集和多项式Logit模型实现对不同攻击行为的识别并判别其类型。实验结果表明,方法在网络入侵识别上具有较理想的效果。     

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。     

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!