恶臭污染精准模拟的峰/均值因子研究进展

大气扩散模型是进行恶臭污染管理的有效工具,它可以评估恶臭污染的影响范围和影响程度.然而,由于恶臭污染的特殊性,通常使用的大气扩散模型模拟结果是小时均值浓度,不能满足恶臭污染评估对瞬时最大值的需求,所以,需要引入峰/均值因子,将扩散模型计算结果从均值浓度(如1 h均值)转换到短时间峰值浓度(如1 s峰值).通过研究国内外峰/均值因子相关文献,以及国内外恶臭标准、评估技术中峰/均值因子的相关规定,对峰/均值因子的研究理论、影响因素和计算方法进行系统地分析、总结和评述.现阶段的研究表明,峰/均值因子受大气稳定度、距离、地形、污染源类型等多种因素的影响.然而,由于影响峰/均值因子的因素较多,大部分国家和地区只能在其恶臭环境影响评价导则中将峰/均值因子设置为一个或一组固定值,与实际情况不符,因此具有一定的局限性.结合我国的恶臭污染评价现状,建议将峰/均值因子理论引入我国,综合考虑我国的恶臭污染特点、气象特征、地形等,探讨建立适用于我国的不同地区不同污染源类型的峰/均值因子.峰/均值因子的研究可为我国恶臭污染的精准模拟、恶臭防护距离的制订、恶臭暴露-效应关系的研究提供基本理论与技术支持.

基于均值因子的科研论文评估研究——以山东大学与C9高校联盟2009—2013年的科研产出为例

针对科研论文的评价指标众多且计量单位不一的问题,提出了基于均值因子的科研论文评估方法,以山东大学与C9高校联盟2009—2013年的科研产出为例,利用Sci Val平台统计分析了10所高校的科研论文指标,计算了部分指标的均值因子,对其进行了聚类分析,再结合国内外排名、归一化影响因子FWCI、h指数以及论文的引用国家分布等指标的分析,探讨了众多科研指标的潜在价值,为学校的科研决策提供了客观参考。

影响因子分数平均值:一个评价学术论文质量的新指标

介绍影响因子分数平均值的概念,并用2004年SCI收录的我国大学、科研机构和医疗机构的科技论文数据进行分析讨论。认为影响因子分数平均值比较适于评价不同学科间的研究工作,是一个新的评价学术论文质量的较好的量化指标。

基于软加权k-均距异常因子的雷达数据剔野方法

针对雷达测量数据的特点,提出一种基于软加权k-均值距离异常因子的雷达数据剔野方法。对测量序列进行软性加权,再将序列映射到特征空间通过计算异常因子来对野值进行检测,并以某型雷达在某次任务中的一段测量数据进行实验。实验结果表明:该方法能很好地识别野值,最大限度地保持轨迹测量数据的完整性。

基于时间序列趋势外推改进模型的SISE预测

基于SISE的分布特性和时间序列趋势外推理论,选择了三次多项式时间序列趋势外推模型预测SISE,结果表明该模型可行。为进一步提高预测精度,引入均值平衡因子,改进三次多项式时间序列趋势外推模型,试验证实该算法能有效提高SISE的预测精度。

企业管理者元胜任力研究

以Cheetham和Chivers的研究成果为理论基础,结合国外学者的理论成果,通过实证研究证明了元胜任力模型的三维结构。多组验证性分析证明了该模型具有行业和管理层级可转移性的特点。因子均值比较表明,高层管理者应该更加注重思维能力的提升,中层管理者需要具备较高的学习运用能力,基层管理者更加关注自我发展能力的提升。

基于多种预测模型的玉米低温冷害预测集成模型

引入大气环流特征量因子、500hPa高度场因子、太平洋海温因子以及预报量本身的均值周期因子等四类因子的低温冷害预测子模型来建立玉米低温冷害预测集成模型。利用该集成模型预报下一年温度等级时,将上一年的实况资料输入预测模型,滚动预测,克服了统计模型预报时效短的缺点,且试报准确性高,无错报。

SCI收录论文的文献计量分析与学科评估研究——以天津工业大学为例

本文以天津工业大学为例,采用文献计量法统计了其1998-2006年度SCI论文。着重以学科建设为主线,分析了论文的期刊分布和主题分布特征。通过计算各学科领域内所有发表论文的影响因子分数平均值(IFPA)之总和,使得不同学科研究成果具有可比性,在此基础上评估了该校不同科研领域的发展状况并尝试给出相应的学科发展策略。

Model On Suspicion Deciding

First. we use graph theory to further clarify information of nodes and topics. Next, our paper analyzes the factor which affects the nodes probability of being conspirators. According to requirement 1, each node is given an initial probability in being a conspirator on the basis of the acquired information.Then we conduct calculations with the iterative equation produced by factor analysis to get the priority list of the 83 given nodes. In addition, according to requirement 2, we make some changes of the nodes information before solving the iterativc modcl above. Compared with former result, some changes of priority and probability of being conspirator emerges.Finally, based upon requirement 3, we pick out some infomaation from some certain topic by semantic analysis and text analysis. A new group of indexes are solved out with TOPSIS to finish the information-gathering period. The terminal indicator, containing the information of nodes and topics, is a weighted average value of the indexes obtained above and the indexes obtained in requirement 1 with the method of the variation coefficient.