COVID-19疫情在我国的空间特征及影响因素分析

探究了新型冠状病毒肺炎(COVID-19)在我国传播中的空间特性,并深入分析了各类因素对其传播的影响。首先基于全国COVID-19累计确诊数据计算Moran指数,验证了疫情传播具有空间集聚性。通过LISA图确定集聚区域:四川为HL,湖北、湖南、江西、安徽、重庆和河南为HH,新疆和青海为LL。之后充分考虑地缘因素,在普通最小二乘(OLS)、空间滞后(SLM)和空间误差(SEM)3个模型中,优选出空间误差回归模型分析本次疫情传播的影响因素。回归结果显示,在人口、经济、医疗和迁徙4大方面中,共8个因素在95%置信区间显著影响了确诊人数。其中正影响因素有4个,负影响因素有4个。根据SEM模型结果,为了尽快控制疫情传播,应大力推行医疗保险,更加严格地对出入境货物进行检验检疫。同时不鼓励居民在疫情期间进行消费,不鼓励普通本专科学生开学,进一步减少人口的流动性。需着重注意:因为此次疫情情况较为特殊,“分地区普通本专科学生情况”和“医疗卫生与计划生育支出”2个因素产生了与普遍研究结果相反的影响。

基于人机交互仿真实验的起重违规作业影响因素分析

违规作业是起重机械事故高发的重要原因,但限于危险性、经济性等诸多因素,很难在工地现场搭建专门深入研究起重违规作业的真实环境。基于人机交互仿真实验,探究起重违规作业的影响因素。首先收集19项潜在的起重违规作业影响因素,通过人机交互仿真实验,记录不同影响因素下的起重违规作业情况;然后基于独立样本t检验、方差分析、秩和检验、回归分析等方法,综合探究起重违规作业的有效影响因素。结果表明:起重违规作业强影响因素有音乐种类、疲劳程度、工作难度、BMI和风速;中等影响因素有性别、尿意和实验时长;而手套佩戴、睡眠质量、外界天气、起重机种类、温度和噪音等对起重违规作业并无显著的影响。

我国自然灾害风险预警模型

自然灾害风险的预警对防灾减灾有重要意义,做好风险预警除了要考虑常规的相关因素外,更要考虑自然灾害在大跨度时间区域内的变化趋势。该文基于时间序列ARIMA模型,分析全国31个省75个月(2014年3月至2020年5月),由自然灾害造成的直接经济损失和受灾人口情况,得出其依照时间线的规律,并预测未来12个月直接经济损失和受灾人口的发展情况。结果表明,我国自然灾害造成的直接经济损失和受灾人口的变化趋势基本相同,在一年内均有两次较大起伏,最高值分别处于夏季的7月份和冬季的1月份,最低值则分别处于春季的3月份和秋季的11月份,最高值约为最低值的2~4倍。