基于因子分析与IPA分析文化创意园满意度影响因素研究——以广州红专厂为例

本文以广州文化创意产业园区代表之一的红专厂为例,通过实地问卷调查与访谈相结合的方式,采用因子分析和IPA分析法对文化创意园满意度影响因素进行了研究。研究发现设施与环境、餐饮与购物、交通与服务、娱乐与知识和文化创意景观是影响文化创意园游客满意度的五大主因子。并在IPA分析基础上,提出有针对性的建议措施,以提高文化创意园区游客满意度,并希望能对文化创意园区的更好发展提供参考。

普洱市不同产茶区普洱生茶香气成分差异性分析

采用顶空固相微萃取(headspace solid-phase microextraction,HS-SPME)结合气相色谱-质谱联用仪(gas chromatography-mass spectrometry,GC-MS)分别对普洱市5个产茶区的普洱生茶香气组分进行分析。结果表明,42个普洱生茶样品中共检测出83种香气成分,其中醇类化合物23种,碳氢类化合物20种,酯类化合物12种,甲氧基苯类化合物8种,酮类化合物8种,酸类化合物4种,酚类化合物3种,醛类化合物3种,含氮类化合物2种。不同产茶区普洱生茶中醇类、碳氢类和醛类化合物相对百分含量差异均不显著,甲氧基苯类化合物含量差异显著性比例较大,酯类、酮类、酚类、酸类和含氮类化合物含量差异显著性比例较小。以83种香气成分相对百分含量为变量进行偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA),不同产茶区的普洱生茶样品呈现明显的分离趋势,变量重要性因子(variable importance in the projection,VIP)分析,33种香气成分对不同产茶区普洱生茶样品区分起主要作用(VIP> 1),33种香气成分中甲氧基苯类、酮类、酯类和醇类物质占比最大。

基于信息量-机器学习耦合的野火灾害易发性评估

为充分发挥统计学和机器学习模型在野火灾害易发性分析和评估中的优势,以森林资源丰富且深受野火灾害困扰的桂林市为研究区,分别从气候、地形、水文以及人文等方面选取16个评价因子。将信息量(IV)模型分别与逻辑回归(LR)、人工神经网络(ANN)、随机森林(RF)和极致梯度提升(XGBoost)4种机器学习(ML)模型相耦合,对桂林市野火灾害易发性进行评价分析。结果表明,IV-XGBoost模型的AUC和准确率分别为0.957和0.921,具有最佳的预测性能,能够有效评估野火灾害的易发性,并为当地野火灾害的防治提供有价值的参考。

基于人工神经网络的ChinaFLUX观测站CO_2模拟研究通量

涡度相关技术的发展,为准确获取区域尺度的CO2通量分布格局提供了数据基础．但由于涡度相关技术自身的局限性,需要利用模型模拟作为获取区域CO2通量的重要手段．可是CO2通量和其他微气象变量之间的非线性关系给模拟CO2通量的时空动态变化带来了一定的困难．人工神经网络模型为模拟CO2通量与其他微气象变量的非线性关系提供了一种新的手段．在ChinaFLUX三个不同类型(农田、森林、草地)生态系统中,基于2003年6～8月的半小时涡度相关观测数据,采用BP人工神经网络模型,以能量通量(净辐射、潜热、显热和土壤热通量)以及温度(空气温度、土壤温度)和表层土壤水分作为输入变量,模拟了CO2通量的动态变化．结果表明,人工神经网络模型具有较好的模拟结果,其R2系数在0．75与0．866之间．RMSE在0．008μmol／m2与0．012μmol／m2之间,MAE在1．38μmol／m2与3．60μmol／m2之间,其中农田和森林生态系统的模拟精度略高于草地生态系统．其次,通过比较土壤水分要素是否参与模拟的结果表明,在生长季期间,不存在土壤水分胁迫的情况下,土壤水分的参与并不能显著提供模型模拟的精度．最后,应用连接权重方法进行了神经网络模型不同输入变量的重要性分析,指出神经网络模型不完全是一个黑箱模型,也可以有效地揭示出某些机理性现象．该研究证明,神经网络模型不仅可以有效地模拟CO2通量,也可以揭示出一些机理现象,为通过涡度相关观测与遥感反演技术的集成途径,利用已获取的区域尺度能量通量数据,模拟分析区域尺度的CO2通量分布格局提供了一种有效的方法．