【目的】探索立地因子与桉树Eucalyptus适宜性之间的关系,开展树种适宜性研究,为桉树适宜性研究提供新思路,为科学造林提供支持。【方法】以广西桉树人工林为研究对象,选取广西国有高峰林场的1 883个森林资源小班调查数据,分别运用朴素贝叶斯、支持向量机、随机森林算法作为树种适宜性评价方法,构建桉树适宜性分类模型。输入为地貌类型、海拔、坡向、坡位、坡度、凋落物厚度、腐殖质层厚度、土层厚度、石砾含量、成土母质,土壤类型等11个立地因子信息,输出为桉树适宜性。【结果】3种算法构建的模型拟合精度依次为63.18%、69.73%、 78.03%,泛化精度依次为64.33%、 67.93%、 78.18%。相比于朴素贝叶斯、支持向量机算法,随机森林算法分类效果更好。立地因子重要性排序由高到低依次为:海拔、土层厚度、坡向、坡度、石砾含量、凋落物厚度、坡位、腐殖质层厚度、土壤类型、地貌类型、成土母质。200～350 m海拔、 80～100 cm土层厚度的地区比较适宜桉树生长。【结论】基于机器学习算法构建的桉树适宜性评价模型可以较好地对桉树的适宜性做出预测。图2表4参19

研究目的：避免城镇建设适宜性评价指标及其权重体系建立的主观性，通过“数据海选—非线性认知—线性规则转化”的方式，探索能反映城镇建设适宜性影响因素之间真实联系、评价结果易于理解、便于落地实施的城镇建设适宜性评价方法。研究方法：非线性机器学习、贝叶斯网络模型。研究结果：贝叶斯网络非线性结构学习出的有向无圈网络(DAG)揭示了城镇建设适宜性评价指标影响的线性主次性，贝叶斯网络非线性参数学习出的各评价指标重要度映射出城镇建设适宜性评价指标的线性重要度。研究结论：对比“专家经验线性评价”、“非线性贝叶斯网络评价”“转化线性规则评价”三种方法评价结果，非线性贝叶斯网络评价结果的合理性大大高于专家经验线性评价结果，转化线性规则评价结果的准确性不如非线性贝叶斯网络评价，但误差在可接受范围内，评价出的城镇建设适宜用地更加集中连片，评价结果易于感知、理解，可行性强。

目的】建立苹果原料制干适宜性评价模型,实现基于苹果原料指标预测干制品品质的目标,为苹果制干专用化原料的筛选提供方法依据,为明确苹果干制品品质形成的基础物质提供数据支持。【方法】以来自7个不同主产区的21个主栽品种,共34份苹果鲜果样本为研究对象,运用多种数据处理方法建立苹果脆片品质综合评价模型与苹果原料制干适宜性评价模型。(1)利用压差闪蒸干燥方法制备34份苹果鲜果的脆片样本,测定苹果脆片17项品质指标,采用因子分析进行降维并筛选得到苹果脆片品质评价核心指标,运用层次分析法得到脆片核心指标权重值,构建脆片品质综合评价模型并计算得到脆片综合评价得分。(2)测定34份苹果鲜果样本22项品质指标,与脆片核心指标进行相关性分析并筛选出与脆片品质相关的果实特征指标。选用29个样本以果实特征指标为输入,对应脆片综合评价得分为输出,利用误差反向传播(Error Back Propagation,BP)神经网络算法构建学习模型;其余5个样本为验证样本,评价学习模型的预测准确性。变换3组学习样本构建3个学习模型,对比3个模型的预测准确性,验证建模方法的合理性与稳定性。【结果】苹果脆片L*值、脆度、膨化度、可滴定酸含量、可溶性糖含量和粗蛋白含量被确定为不同样本脆片品质综合评价的核心指标,构建的苹果脆片品质综合评价模型为Y_(综合得分)=L*值×0.3724+脆度×0.2665+膨化度×0.1583+可滴定酸含量×0.0890+可溶性糖含量×0.0569+粗蛋白含量×0.0569。34个苹果鲜果样本制得的脆片综合得分范围为0.2069—0.7933,存在较大差异,得分排名前3的苹果样本为‘辽宁华红’‘辽宁华金’和‘山东烟富6号’,排名最后的苹果样本为‘陕西秦冠’。基于脆片核心指标与苹果果实品质指标相关性分析结果,筛选出苹果果实的果形指数、果肉a*值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉b*值、密度、可溶性固形物含量、粗纤维含量、总糖含量12项指标作为果实制干适宜性评价的特征指标。以果实特征指标值为输入层,对应苹果脆片综合评分为输出层,建立BP神经网络学习模型,可实现苹果原料制干适宜性的定量预测。该方法建立的学习模型有较高的预测准确性与稳定性,变换学习样本得到的3个学习模型的预测值与实际值相对误差均不超过10%,实际值与模型预测值线性拟合后决定系数R~2均大于0.95。【结论】苹果制干适宜性可由果实的果形指数、果肉a*值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉b*值、密度、可溶性固形物含量、粗纤维含量、总糖含量12项指标进行评价,建立的适宜性评价模型可实现基于苹果原料指标定量预测其制干适宜性。

【目的】对中国滇重楼进行基于地形土壤因子的生态适宜性等级划分。【方法】利用最大信息熵模型(Max Ent)和Arc GIS软件空间分析功能,结合影响中国滇重楼潜在分布的地形、土壤因子,研究了中国滇重楼潜在分布区的生态适宜性并构建了我国滇重楼潜在分布与地形、土壤因子的关系模型。【结果】影响中国滇重楼潜在分布的主导因子为海拔、有机碳含量、土壤阳离子交换能力、土壤含粘土量、土壤有效水含量等级、土壤质地分类,它们对滇重楼潜在分布的累积贡献率达到了潜在生态因子的97.1%,利用所建模型给出的滇重楼在待预测地区的存在

土地适宜性评价是土地利用总体规划的一项基本工作和重要内容。随着全球人口的增长及环境问题的日益加剧,研究探讨土地适宜性是处理好人口与资源、走可持续发展之路的重要课题。通过对大量文献的检索,较为系统地总结了国外学者有关基于GIS的土地适宜性评价的观点,按照土地适宜性评价方法的发展历程,将其分为三个方面:计算机辅助叠加制图、基于GIS多指标决策方法和人工智能建模。对于目前常用的基于GIS多指标决策和人工智能建模两种方法进行了评析;并提出评价方法正向精确化、综合化和动态化的方向发展,建议注重土地适宜性评价方法的空间尺度转换,力争在未来实现网络化、可视化。

远程工作在实践中的普及度远低于预期,给企业和员工所带来的影响在已有研究结论中也相互矛盾,这些都与忽视了不同性质的工作其远程适宜性不同有关。本文通过深度访谈与资料搜集,应用扎根理论研究提出影响工作远程适宜性的三个特征维度:生产资料的可得性、工作过程的依存性与任务绩效的可视性。其中生产资料的可得性是远程工作的先决条件,而工作过程的依存性与任务绩效的可视性所构建的判别矩阵可较为有效地判别工作的远程适宜性,进而可以延伸至对岗位远程适宜性的判别。本研究对远程工作的实践有指导意义,也为远程工作的后续细致深入研究提供了理论基础。

新型城镇化要求优化国土空间格局,粗放、低效、拼资源型的传统城镇化发展模式已难以为继。按照综合效益最优和合理、高效、集约利用土地的目标,运用层次分析法在自然地理、经济发展、社会需求和生态保护层面构建了宏观的、分用途的低效用地适宜性评价指标体系,利用多因素综合评价模型计算4类用地的综合适宜值,根据土地用途最适合、优先级排序和邻域协调的配置规则,融合低效用地基础数据库与宏观确定的综合适宜值实现低效用地再开发方向优选。结果显示优化选择后土地利用组合类型依次为居住—商服—工业—公共服务设施—绿地。低效用地"宏微观基础数据库—宏观评价体系标准—宏微观数据融合"的再开发方向优选方法将为其他发达城市提供借鉴。

建立了一套国土开发适宜性三级评价指标体系。应用层次分析法和德尔菲法相结合确定权重,选取基于ArcGIS的多因子加权叠加方法进行评价,将结果分为适宜开发、较适宜开发、较不适宜开发、不适宜开发四类区,其间引入"一票否决"原则,将特殊地区进行处理后直接划入不适宜开发区。选择河南省中原城市群进行了实证研究,结果表明本指标体系评价成果可以反映该地区国土环境情况。

[目的]科学合理的适宜性评价是确保耕地整理能够有效开展的前提条件,同时对于我国的耕地保护与粮食安全保障也具有极为重要的意义。[方法]该研究首先选取可以反映区域耕地整理适宜性的指标因子,然后参考胡学东提出的约束条件评价模型,引入区域生态安全和社会经济双重约束,对研究区域在双重约束下的耕地整理适宜性进行评价,并通过K-Means聚类法将研究区域的耕地整理适宜性分区进行合理划分。[结果]生态安全约束和社会经济约束对区域耕地整理适宜性水平具有重大影响,高生态安全约束与高社会经济约束会降低耕地整理的适宜性,低生态安

工业化城市化不断促进经济发展的同时,也带来了无序、过度开发、生态环境破坏等问题。特别是小尺度地域单元,缺乏科学的开发分区引导,陷入了生态保护与开发时序安排的矛盾之中。基于GIS空间分析技术,以生态与经济因素为双导向,探讨打破行政边界的网格评价单元划分、评价指标的选择和处理等技术方法,通过开发约束和开发潜力两方面指标的叠合分析,实现小尺度地域的空间开发适宜性分区。将仪征市划分为优先开发、适度开发、限制开发、适度保护和优先保护等5种类型区,引导开发向生态约束小、发展潜力大、发展基础好的区位发展,并降低生态价值高、建设难度大的区位的开发力度,协调地区健康发展。

近年来,我国各地养老地产的开发呈上升趋势。为协助养老地产的科学决策,构建熵权-TOPSIS(逼近理想解排序)的评价模型,对我国30个二线城市的养老地产开发适宜性进行评价。研究方法和结论对养老地产的开发实践工作有一定参考价值。

文章建立城市服务视角下适宜性评价指标体系,基于网络分析法(ANP)系统评估了我国31个省会城市的适宜性。研究表明:天津、上海等5个城市属于高度适宜等级,海口、北京等5个城市属于比较适宜等级,西安、武汉等8个城市属于一般适宜等级,沈阳、济南等10个城市属于临界适宜等级,兰州、呼和浩特等3个城市属于不适宜等级。

我国是青蒿素的主产国之一,全国范围内有青蒿分布的地区均在大力发展青蒿产业,但是在青蒿规范化种植过程中,青蒿人工种植基地的选取,依然是有待于进一步研究的科学问题。针对青蒿规范化种植过程中,种植基地选择的困惑,本课题组用统计分析方法对青蒿素含量、青蒿的生物量与生态因子之间的关系进行了研究,并构建逐步回归模型。用Gis地理空间分析功能,根据青蒿素含量、生物量、产量和土地利用情况对青蒿种植基地的生产适宜性进行了分析,结果发现:生长在冲积土上和石灰土上的青蒿比生长在红壤土上的青蒿的生物量要高,青蒿素含量与土壤类型无关,采收期的气象因子是影响青蒿素含量的主导因子,桂东北到西南一带青蒿中青蒿素含量较高,桂东...

本文整理了2006—2021年证监会行政处罚涉及的股票市场操纵案例，并通过Wilcoxon秩和检验来筛选构造解释变量，之后综合运用各种过采样算法和机器学习模型对其进行实证分析。研究发现：第一，经过过采样算法扩充样本的模型预测精度明显大于样本不平衡的模型；第二，综合比较各种过采样算法，Borderline-SMOTE过采样算法的预测精度大于SMOTE和ADASYN过采样算法；第三，综合比较各类机器学习分类模型，SVM模型的预测精度明显大于其他机器学习分类模型。本文结论对股票市场操纵的及早识别预测，促进资本市场良性发展具有一定的理论意义和实践价值。

在应用机器学习构建数据模型的过程中,经常会面临类不平衡性的问题,在许多研究中,降低数据集的不平衡性多采用欠抽样法来进行处理,再应用C4.5、NB、LR、RF、KNN等机器学习算法进行数据建模。实验结果往往表明,欠抽样法得到的模型准确度并不尽如人意,原因是这种方法是在牺牲负样本的预测精度前提下来提高整体精度的,因此,文章试图在尽量不减少原数据集中有用信息丢失的前提下采用重复抽样法进行数据处理可以有效弥补欠抽样法所带来的信息损失,进而提高模型精度。