基于随机效用的稻农有机肥替代化肥行为研究

基于鄱阳湖流域水稻主产区10个县(区)的571份有效样本数据,在有机肥替代化肥的行为分析框架下采用随机效用理论构建双变量Probit模型,实证分析期望收益、风险态度等因素对稻农用有机肥替代化肥行为的影响,并通过分组回归讨论技术培训和成本感知对这一替代行为的调节效应。结果表明:1)减施化肥和使用有机肥行为存在相关性,减施化肥的稻农使用有机肥的概率为0.56,使用有机肥的稻农减施化肥的概率为0.41,稻农用有机肥替代化肥的概率约为0.21。2)期望收益、风险厌恶、小概率偏好越高,稻农使用有机肥替代化肥的概率越低,而损失厌恶程度越高,稻农使用有机肥替代化肥的概率越高。3)参加过施肥技术培训的稻农更倾向于使用有机肥替代化肥,化肥感知成本的提升会增加稻农使用有机肥的概率。据此,从保障绿色施肥收入、降低绿色施肥成本和加强技术宣传推广等方面提出政策建议。

“互联网+”辩证行为疗法干预模式在青少年非自杀性自伤干预中的应用研究

背景青少年非自杀性自伤已成为日益严重的精神卫生问题,其病程迁延,对患者、家庭、社会造成沉重负担。对青少年非自杀性自伤干预需要采用综合干预模式,我国线上干预管理实践尚处于起步阶段。目的探讨“互联网+”辩证行为疗法(DBT)干预模式对青少年非自杀性自伤患者自杀意念、认知情绪调节、缓解抑郁等方面的干预效果。方法选取2021年5月—2022年5月新乡医学院第二附属医院系统中出院的青少年非自杀性自伤患者120例为研究对象,采用随机对照单盲法,分为对照组(n=60)和干预组(n=60)。对照组进行药物干预、电话随访及心理咨询,干预组在对照组的基础上实施为期1年的“互联网+”DBT训练,分为4个模块,分别是正念训练、人际效能训练、情绪调节训练和忍受痛苦训练。在干预前及干预6、12个月后,分别采用青少年自杀意念自评量表(SIOSS)、认知情绪调节问卷(CERQ-C)、Montgomery-Asberg抑郁量表(MADRS)评价两组患者的自杀意念、认知情绪调节、抑郁状态。采用重复测量方差分析对不同时间点两组患者健康状态进行比较。结果最终对照组57例、干预组55例完成研究。组间与时间对SIOSS、CERQ-C、MADRS评分有交互作用(P<0.05);组间对SIOSS、CERQ-C、MADRS评分主效应显著(P<0.05),时间对SIOSS、CERQ-C、MADRS评分主效应显著(P<0.05)。其中干预组组内干预前后SIOSS、CERQ-C、MADRS评分比较,差异有统计学意义(P<0.001);对照组组内前后SIOSS评分、MADRS评分和CERQ-C评分中积极重新关注、重新关注计划、积极重新评价、理性分析、灾难化、责难他人维度比较,差异无统计学意义(P>0.001),对照组组内前后CERQ-C评分中自我责难、接受、沉思维度比较,差异有统计学意义(P<0.001)。结论“互联网+”DBT干预模式可以有效降低青少年非自杀性自伤患者的自杀意念,提高情绪控制水平,缓解抑郁状态,改善患者生存质量和社会功能。

再生粗骨料混凝土应力-应变关系

再生粗骨料混凝土应力-应变关系是实现其材料到结构力学分析的桥梁纽带,成为再生粗骨料混凝土结构基础理论的基石。介绍了作者团队多年来在再生粗骨料混凝土应力-应变关系方面取得的研究进展:采用模型化再生粗骨料方法,研究了复杂界面过渡区对再生粗骨料混凝土破坏行为的影响,揭示了再生粗骨料混凝土细观损伤本质与演化机理;从静力作用到动力作用,系统地开展了不同工况下再生粗骨料混凝土应力-应变行为试验研究,探明了载荷条件对再生粗骨料混凝土应力与变形的影响规律并建立了相适应的力学与数学模型;进一步考虑再生粗骨料性能时空变异性,发现了再生粗骨料混凝土力学响应的概率分布特征,提出了再生粗骨料混凝土随机损伤本构关系;基于获得的本构模型,完成了再生粗骨料混凝土构件时变可靠度分析和结构动力非线性分析,为再生粗骨料混凝土在实际工程中的安全应用提供了理论支撑;提炼了相关研究结论并对未来研究工作进行了展望。

基于网络货运平台司机驾驶行为的信用评价体系构建

我国网络货运平台市场规模快速增长,道路货运数字化、规范化、集约化水平不断提升,然而运输过程中部分司机有不良驾驶习惯、服务质量低、运输风险高,导致平台与货主对司机信用评价不高,构建基于网络货运平台司机驾驶行为的信用评价体系有利于降低运输风险,保障司机安全、货物安全和道路交通安全,同时能够提升司机信用水平,提升网络货运平台服务水平。首先,基于司机驾驶行为选择评价指标,通过因子分析提取四类公共因子建立司机信用评价体系;其次,基于SOM-k-means算法对司机驾驶行为进行聚类,从服务质量和运输风险两个角度将司机划分为九种信用等级;最后,通过随机森林模型对不同信用等级进行分值评定,最终确定高价值、中等价值、低价值司机的分数区间,并对不同信用等级的司机提出治理建议。

基于VMD分解和随机矩阵理论的异常用电状态检测

【目的】目前需要快速准确地判别用户异常用电行为。【方法】基于智能电表数据,提出了一种结合数据分解和随机矩阵理论的异常状态检测模型,实现了对用户用电异常行为的识别。通过变分模态分解算法(variational mode decomposition, VMD)剔除电力数据噪点,消除噪点数据影响。并将随机矩阵理论(random matrix theory, RMT)与自回归滑动平均模型(auto-regressive moving average model, ARMA)相结合,提高RMT对时间序列的适用性,实现了对用电异常状态的判定。【结果】以某地区的实际用电数据为例进行实验,验证了该方法针对数据样本较大且非高斯分布的情况具有便捷性和高效性,为用电异常行为的识别提供了新方向。

聚苯基硅氧烷微球对聚丙烯结构与性能的影响

以无规共聚聚丙烯(PPR)树脂为基体,聚苯基硅氧烷微球(PPSQ)为改性剂,采用注塑成型工艺制备PPSQ/PPR复合材料。通过傅里叶变换红外光谱(FTIR)、差示扫描量热法(DSC)、扫描电镜(SEM)等表征技术,考察PPSQ微球对PPSQ/PPR复合材料化学组成、力学性能、耐热性能、熔融行为及微观结构的影响。结果表明,当PPSQ改性剂添加量为6%时,相较于纯PPR,复合材料弯曲模量提高14.08%、冲击强度降低0.80%、热变形温度提高7.80℃以及结晶度提高8.70%。PPSQ微球可在不基本影响PPR冲击性能基础上,有效改善PPR的耐热性能和刚性。

哪些因素对农村寄宿生越轨行为的影响更大?——基于随机森林的变量重要性排序

我国农村寄宿生的全面发展情况是值得关注的现实问题,越轨行为作为影响学生全面发展的重要因素之一,需要对其予以关注。基于中国教育追踪调查数据,运用多元回归分析和随机森林回归分析的方法探究了农村寄宿生越轨行为的影响因素和各因素的重要性排序,结果发现:(1)个体因素及人际关系因素均能影响农村寄宿生的越轨行为;(2)教师支持、同伴支持对农村寄宿生越轨行为的影响更为重要;(3)亲子关系对农村寄宿生越轨行为的影响需引起重视。据此,提出构建和谐师生关系、打造良好同伴关系、注重家庭支持、提高农村寄宿生自身情绪控制力和自制力等对策建议,以期帮助农村寄宿生预防或矫正越轨行为。

水产养殖中水质与鱼类行为双向映射模型研究

在水产养殖中,水质参数与鱼类活动之间有着密不可分的相互映射关系。过去的监测更多偏向于单向映射,一般都是通过鱼类的行为表明水质的情况。针对仅仅通过鱼类行为反映水质情况会产生误判和滞后的问题,本文构建一种基于随机森林的鱼类行为与水质情况双向映射模型。双向映射模型不仅可以提供更多的信息从而提高预测的准确性,而且也可以通过相互验证提高模型的可靠性。首先,通过引入可变形卷积模块对YOLO v7进行改进,利用改进模型检测出视频中鱼类的位置再通过前后帧的坐标量化出鱼的游动参数。随后,将采集到的鱼类游动参数及对应的水质参数作为输入,使用随机森林模型进行分类、回归,分别完成鱼类游动参数和水质参数具体数值的预测以及指标异常级别的预测,从而得到双向映射关系。为了表明模型的泛化能力,分别在黎安港和新村港渔场2个数据集下进行实验。实验结果表明:提出的方法可以较好地实现鱼类行为与水质关系的双向映射,其中,分类实验平均准确率可以达到90.947%,回归实验决定系数R^(2)的平均值可以达到0.801。

一种动态自适应麻雀搜索算法及在车联网驾驶行为识别中的应用

针对麻雀搜索算法(SSA)跟随者接近种群内个体最佳位置时收敛速度过快而导致易陷入局部最优的问题,文中提出一种基于动态自适应的改进型麻雀搜索算法(ASSA)。首先,在搜索寻优过程中,对发现者位置和跟随者位置进行动态更新,为保证算法在迭代后期的收敛速度,警戒者的个数采用线性递减的方式;其次,为防止算法陷入局部最优而导致的迭代中断,通过高斯随机分布形成新的发现者;最后,为验证改进算法的有效性,利用4种典型的函数进行测试,测试结果与SSA进行对比。结果表明:ASSA能够有效解决SSA易陷入局部最优的问题,并在收敛速度等性能上得到了有效提升。在此基础上,将ASSA算法应用到车联网驾驶行为识别中,通过优化BP神经网络,使得网络具有更高的识别准确率和性能。

基于随机巡视机制的电力物联网安全技术研究

电力物联网的建设促进了电力系统各个方面的数据集成,但对电网系统的网络安全提出了较高要求,因此在电力物联网安全技术的基础上,提出了一种基于随机巡视的电力物联网安全行为异常检测方法。通过对网络节点进行编号管理,为不同信誉值的节点设计了不同的随机巡视频率,汇聚节点检测异常行为。通过仿真分析了文中方法在安全性和恶意节点检测方面的性能。结果表明,文中提出的检测方法能够及时有效地检测异常行为和恶意节点,降低了网络能耗,满足电力物联网的安全需求。

异常驾驶行为数据驱动的高速公路实时事故风险预测

为研究事故风险的关键致因,建立高速公路实时事故风险预测模型,探究异常驾驶行为对事故风险的影响,采集了G25高速公路长兴段7日的交通事故及4种异常驾驶行为,即急左变道、急右变道、急加速与急制动行为的数据。基于随机森林模型,对事故前一段时间内上游及下游各250 m内4种驾驶行为的频数与该路段事故风险的关系进行拟合,建立了高速公路实时事故风险预测模型,并使用特征重要度图和部分依赖图(PDP)对模型进行了解释。采用受试者工作特征曲线下面积(AUC)与精度对模型预测效果进行了评价,通过特征重要度评价各变量对事故风险的影响。研究发现,该模型具有良好的泛化性能与准确率,在验证集上的AUC和精度分别可达到0.809和0.821。其PDP表明事故前15 min及30 min内上下游急加速和急制动行为的频数对事故风险的影响较大,且两者之间存在非线性关系,其中,急制动行为的数量与事故风险的部分依赖图均具有S形曲线特征。综上,使用异常驾驶行为数据作为变量建立的事故预测模型具有良好的预测性能与可解释性,可用于事故风险预测与预防,助力事故致因研究。该方法具有辅助管理部门进行风险预警的实用价值,为高速公路实时事故防控提供参考。

久坐行为与肠易激综合征的因果关系及失眠的介导作用:孟德尔随机化研究

目的通过两样本孟德尔随机化(MR)法探究久坐行为和肠易激综合征(IBS)之间的因果关系,并且量化失眠作为潜在中介因素的作用。方法利用久坐行为的三个表型,即看电视时间、用电脑时间和驾驶时间与IBS的全基因组数据进行两样本MR分析,通过逆方差加权法(IVW)、加权中位数法(WM)、MR-Egger等方法分析暴露与结局之间的风险。然后通过多变量孟德尔随机化(MVMR)量化失眠介导的看电视时间对IBS的影响比例,探究失眠对其的介导作用。结果看电视时间的增加可能会增加IBS的风险,但用电脑时间和驾驶时间与IBS无明显关联。校正失眠后,看电视时间与IBS存在正相关的因果关系;校正看电视时间后,失眠与IBS存在正相关的因果关系,并且失眠的介导比例为21%。结论看电视时间与IBS的发病风险呈正相关,并且可以部分通过失眠来介导,但并未发现用电脑时间和驾驶时间与IBS发生风险相关。

基于行为交互的集群编队网络自组织算法

针对恶劣条件下对集群编队网络自组织构建的要求,对无线自组织网络组网算法进行了研究,将几种媒体接入控制(Medium Access Control, MAC)协议进行深度融合,提出了基于行为交互的集群编队网络自组织算法。该算法通过随机竞争的方式来竞争主节点,避免装订节点身份过程繁琐或主节点被损毁导致网络陷入瘫痪的问题,提升编队组网的安全性;通过行为交互,每个节点获得专有的传输时隙,实现全网节点无冲突的数据传输,最终达到固定分配MAC协议的传输性能。最后,通过仿真对算法进行验证,结果表明16个节点在6s内完成组网,可有力支撑未来协同探测、协同制导等典型场景下对编队网络自组织构建的需求。

基于随机森林的个体锻炼意愿-行为鸿沟预测变量与组合路径

身体活动水平低下是全球共同关注的公共健康问题,实现身体活动促进的挑战之一在于消除锻炼意愿-行为鸿沟。基于对2024年上海市杨浦区的调研数据,建立随机森林模型并进行特征重要度分析,发现:当个体对锻炼行为的感知障碍较小、对缺乏身体活动的感知严重性较大时,出现锻炼意愿-行为鸿沟的概率较低。认为:感知障碍是预测个体锻炼意愿-行为鸿沟存在与否的首要变量,感知严重性以及移动媒介的使用同样有助于消除意愿-行为鸿沟。在此基础上,提出通过降低感知障碍、增强感知严重性,推广移动媒介的使用,进一步开展因果机制研究等策略缓解并消除个体锻炼意愿-行为鸿沟,实现促进身体活动的目标。

限行政策对外地牌照车主出行选择行为的影响研究——以深圳市为例

根据国内典型限行政策的内容,分析了外地牌照车主在限行政策下的应对行为,在此基础上研究了他们在限行时段的出行决策过程。以深圳市外地牌照车主为调查对象,进行出行选择行为问卷调查。基于随机效用理论,建立外地牌照车主出行选择行为的两阶段Logit模型,同时对外地牌照车主的“改变出行方式”与“改变出行时间”的选择行为进行分析,结合个体社会经济属性、出行属性分析两阶段出行行为选择的影响因素。模型可为限行政策效果的评估及优化提供依据和参考。

基于参数优化随机森林模型的消费行为预测算法

在大数据与线上营销的影响下,零售企业也积极采取大数据智能营销方案。为了提高零售企业在消费行为预测中的精准率,从而提高企业销售额获取更大利润,从消费数据、会员数据和商品数据中通过信息增益的方法提取特征,构建基础特征群,挖掘潜在信息。利用遗传算法对随机森林的参数进行优化,建立基于参数优化的随机森林消费行为预测模型,实验数据来自某线下连锁药店37天的消费记录。将实验模型和原始随机森林模型、决策树模型、支持向量机模型和XGBoost模型进行实验对比,实验结果表明遗传算法参数优化后的随机森林消费行为预测模型的精准率和AUC值均高于其他四种模型。

Oswestry功能障碍指数评分中久坐和体力活动水平与椎间盘退变的因果关系

背景:观察性研究表明,椎间盘退变会影响久坐和体力活动水平,然而Oswestry功能障碍指数评分中久坐和体力活动水平与椎间盘退变之间的因果关系尚不明确。目的:通过孟德尔随机化方法探讨Oswestry功能障碍指数评分中久坐和体力活动水平与椎间盘退变的因果关系。方法:从大规模人群全基因组关联分析中选择5个与Oswestry功能障碍指数评分中行为学相关的特征:看电视的时间、用电脑的时间、轻度/中度/剧烈体力活动,分别提取这些行为学相关特征的工具变量。结合Finn Gen最新第9版数据库中提取椎间盘退变作为结局,进行孟德尔随机化分析。使用逆方差加权法、MR-Egger回归、简单中位数法、加权中位数法、加权中值法等回归模型OR值和95%CI评估Oswestry功能障碍指数评分中久坐和体力活动水平与椎间盘退变的因果关系。使用Cochran’s Q检验异质性、MR-Egger截距检验多效性、“留一法”检验单核苷酸多态性观察暴露因素和椎间盘退变因果关系的敏感性。结果与结论:孟德尔随机化逆方差加权法结果显示,看电视/用电脑的时间与椎间盘退变发病风险呈正向因果关联(OR=1.775,95%CI:1.418-2.221,P<0.001)/(OR=1.384,95%CI:1.041-1.839,P<0.001),轻度体力活动与椎间盘退变发病风险呈反向因果关联(OR=1.000,95%CI:0.999-1.000,P=0.020);MR-Egger截距分析轻度体力活动与椎间盘退变存在潜在的水平多效性(P=0.005),看电视的时间、用电脑的时间与椎间盘退变不存在水平多效性(P=0.521,P=0.851)。Cochran’s Q异质性分析看电视的时间、用电脑的时间与椎间盘退变存在异质性(P=3.33×10^(-11),P=0.001),轻度体力活动与椎间盘退变没有观察到显著的异质性(P=0.186)。以上结果表明:Oswestry功能障碍指数评分中久坐和体力活动水平与椎间盘退变存在双向因果关系,即不仅椎间盘退变会影响Oswestry功能障碍指数评分中久坐和体力活动水平,Oswestry功能障碍指数评分中久坐和体力活动水平也会影响椎间盘退变。补充了轻度体力活动对椎间盘退变积极影响的遗传证据,表明中度/剧烈体力活动与椎间盘退变没有显著的因果关系,并扩大了长时间看电视/用电脑的久坐行为是椎间盘退变危险因素的证据基础。

基于属性意义的约简及其在驾驶行为中的应用

针对常见属性约简算法常会误删除具有实际意义属性这一问题,文章提出一种改进的属性约简算法。该算法通过对权重低属性进行隐含关系挖掘,找出具有隐含关系的属性进行分析融合,得到新的属性。属性约简算法在保证对属性约简的同时还能保留属性的实际意义。实验结果表明,新的属性约简算法在UCI公共数据集上得到的分类结果相较于传统随机森林算法和SVM算法精度分别提升4%和7%;在驾驶行为数据集上得到的结果相较于传统随机森林算法和SVM算法分类精度分别提升6%和8%。

基于深度学习的电力设备智能运行方式研究

在电力系统中对用户行为数据的分析过程存在主观性强的问题,且在复杂电网环境下难以做出准确的判断。对此,文中提出一种基于改进K-means聚类算法和深度学习相结合的分析算法。在改进K-means聚类算法的基础上构造出用户行为数据分析模型,实现了对行为数据的自适应学习。通过HRF-TCN预测模型筛选出用户行为数据的关键特征,降低数据维度后利用时间卷积网络进行预测,并将预测结果传递给电力系统中的设备,使其智能化地调整运行方式。基于公开用电数据集对算法进行的可行性验证结果表明,所提算法能够对用户的行为数据进行准确分析,数据分类效果指标DBI、SC分别为0.826 4和0.440 1,预测指标Ac和F1分别为96.8%、0.967 8,与同类算法相比,其分类效果更好、精度更高。

考虑多模态数据的重载货车危险驾驶行为识别方法

综合考虑货车操纵数据、驾驶员眼动数据和心电数据,本文提出一种多模态的重载货车危险驾驶指标构建和行为识别方法。首先,设计自然驾驶实验,利用车辆惯导、眼动仪及心理数据记录仪这3种设备采集车辆运行、眼动及心电等多模态驾驶数据,通过多设备时间同步及数据清洗,构建多模态驾驶数据集。其次,将重载货车危险驾驶行为分为危险驾驶操纵行为和疲劳驾驶行为两类,通过提取数据特征,构建9种危险驾驶行为指标,表征超速、速度不稳、急变速、急换道及疲劳驾驶这5种危险驾驶行为。针对危险驾驶操纵行为,组合文献调研、指标计算及四分位差法确定危险行为特征参数阈值;针对疲劳驾驶行为,通过因子分析和K均值聚类法划分疲劳驾驶类型。最后,构建重载货车危险驾驶行为数据集,采用随机森林分类模型识别危险驾驶行为,并与BP神经网络、K近邻及支持向量机等分类模型对比。结果表明,随机森林模型对于5种危险驾驶行为的分类准确率均在90%以上,整体优于其他分类算法,能够较高精度地识别驾驶中出现的危险驾驶行为。本文的多模态重载货车危险驾驶指标构建和分类方法能够用于危险驾驶行为识别,为驾驶员多模态危险驾驶行为预警提供思路和理论依据。