对应分析法在武汉市大气污染评价中的应用

以武汉市环境监测中心站2014年8月25日上午09∶00发布的武汉市空气质量实时监测数据为样本,使用SPSS软件的对应分析过程对原数据处理得到惯量和卡方分解等统计量信息,并通过软件绘出行点和列点的散布图。结合按距离解释和按象限解释等方法分析所得图表中的信息,分析了武汉市大气中各污染物的分类情况,并结合地区差异等因素分析得出各观测区域内主要污染物的成因。对比分析因子分析法和对应分析法的处理结果,2种方法所得结论一致,但对应分析方法所得结果更简明直观,更适于分析该类问题,可以为整治城市空气污染问题和制定相关政策法案等提供重要的参考依据。

基于交通流时空特性的道路网动态划分方法

提出了基于交通流时空特性的道路网动态划分方法,首先根据道路网的空间特性,建立度量各断面相近程度的广义空间距离模型。引进R-Q型因子分析法,对道路网进行空间层面上的划分;然后根据交通流时间特性,以实时获取交通流状态信息为输入,实现道路网的动态划分。最后采用城市快速路网进行实例分析,划分结果表明,子路网各断面交通流量之间具有很强的相似性。

专业大户与普通农户农业信息选择行为比较研究——以甘肃省张掖市为例

基于样本区域专业大户和普通农户调查数据,利用"R-Q型因子分析"模型,在对样本农户的农业信息选择行为进行分析的基础上,将当地专业大户和普通农户的农业信息获取渠道和内容选择行为差异化情况进行对比分析,得出专业大户相对于普通农户,其农业信息选择行为更规律且多元;两类农户获取农业信息的"主要渠道"有所差异;传统信息媒介在专业大户信息获取渠道中重要性相对下降;专业大户对"政策信息"具有特殊偏好等研究结论,最后针对研究结果提出相应的对策建议。

面向光伏项目投资风险的大数据监测指标甄选研究——以Solarbao平台为例

【目的】在构建光伏项目投资风险监测模型的过程中,为了甄选面向互联网金融平台的大数据应用监测指标,尝试提出系统的甄选方案并结合实际案例进行验证。【方法】应用大数据监测模型,整合Solarbao平台多源异构数据,以专家判断为项目投资风险分析依据,运用CHAID决策树归纳多维监测指标组合,并运用R-Q型因子分析方法提炼识别投资风险的关键指标。【结果】得到8条监测光伏项目投资风险的指标组合和10项识别投资风险的关键指标。【局限】R-Q型因子分析中的专业指标有待进一步细分并形成动态更新机制。【结论】该甄选方案能够满足大数据监测模型对指标采集的要求,对投资者评估光伏项目风险、平台筛选合适项目以及监管部门排查该领域系统性风险具有借鉴意义。