清新福建气象条件贡献率评价指标系统设计

为响应“清新福建”生态文化旅游品牌建设的要求,设计开发了清新福建气象条件贡献率评价指标系统。该系统基于Web Service、JavaEE、Oracle数据库、WebGIS等技术开发,集成气象条件贡献率评价体系和“清新指数”晴天、雨天预测模型等关键技术,实现“清新指数”服务产品的标准化发布和自动业务化运行。系统实现了负氧离子浓度监测、数据分析、数据可视化展示、“清新指数”预报、系统管理等功能设计,具有功能多、数据类型多、数据量大的特点,同时具备较高的效率性和可扩展性,具备硬件设备运行情况监测及异常状态报警等重要功能。自投入业务应用以来,系统运行稳定、可靠,“清新指数”产品制作发布与品牌宣传效果良好,以科学量化的数据支撑“清新福建—全福游,有全福”的品牌宣传,能够有效提升福建省旅游气象业务服务能力,以智慧气象助力生态文明和现代化旅游事业的发展。

百香果寒冻害低温等级指标研究

根据2016—2021年的38例百香果寒冻害灾情样本资料,结合百香果寒冻害受害症状分级标准,采用回归分析方法,确定基于极端最低气温的百香果寒冻害等级指标。各级寒冻害低温等级指标分别为:T_(min)>2.5℃,无寒冻害;0℃<T_(min)≤2.5℃,轻度;-2.0℃<T_(min)≤0℃,中度;-3.0℃<T_(min)≤-2.0℃,重度;T_(min)≤-3.0℃,极重。研究的等级指标利用典型寒潮过程11例灾情样本验证准确率达90%以上,利用人工气候室低温致灾试验64例灾情样本验证准确率达84.4%。研究结果对百香果的合理布局、适时定植和寒冻害监测预警具有实际的参考价值。

基于区间型数据计量的我国粮食产量研究

采用4种区间型数据计量建模方法,综合分析我国8个省份城市1993—2018年气候变化和农业生产投入要素对粮食产量影响。采用5个评价指标衡量4种建模方法的预测精度,给出4种方法的回归结果并进行比较分析,应用最优回归方法对我国粮食产量变化进行预测。研究结果表明:我国粮食产量存在地域性差异,部分省份2009以年前单位面积粮食产量变化幅度较大,但近10年我国8大产粮省份的单位面积粮食产量趋于稳定。同时,气候变化和农业生产投入要素均对我国粮食产量起显著作用。最后,本文对提高粮食产量给出相应政策建议。

PCA-ELMBJ算法下右删失生存数据分析

针对右删失不完全数据,通过Buckley-James估计器(BJ)进行无偏变换.同时,将主成分分析(PCA)方法与算法相结合,提出了PCA-ELMBJ集成算法.通过随机生成不同删失率下的模拟数据,采用C-index评价指标,验证了PCA-ELMBJ集成算法比原先的ELMBJ集成算法预测效果更好,运行时间更短.最后,通过对带有右删失的TCGAmirna和EMTAB386基因特征数据的实证分析,进一步说明了所提出的PCA-ELMBJ集成算法的准确性和有效性.

地质灾害气象预警预报系统的设计与实现

文章基于B/S网络架构,构建了漳州市地质灾害气象预警预报系统。该系统运用地理信息系统(GIS)、Web Service标准、XML数据格式等相关技术,实现了气象信息内外交换和数据展示,并通过对地质灾害因子系数指标的归类梳理,动态配置地质灾害敏感度风险区划,实现了地质灾害自动化监测预警功能,系统的顺利运行提升了漳州市地质灾害预警预报能力。

多尺度决策系统中测试代价敏感的属性与尺度同步选择

属性与尺度同步选择方法可有效解决涉及代价因素的多尺度决策系统的知识约简问题,然而在现有研究中,少有基于代价进行属性与尺度的同步选择,并且大多数算法只针对协调的多尺度决策系统或不协调的多尺度决策系统.为了解决这一问题,文中以最小化数据处理的总测试代价为目标,提出测试代价敏感的属性与尺度同步选择算法,同时适用于协调的多尺度决策系统和不协调的多尺度决策系统.首先,构造基于粗糙集的理论模型,模型中的概念及性质同时考虑属性因素和尺度因素.其次,基于粗糙集的理论模型,设计启发式算法,能基于测试代价对多尺度决策系统同时进行属性约简与尺度选择,并且不同的属性可选择不同的尺度.最后,在12个数据集上的实验验证文中算法的有效性、实用性及优越性.

面向大数据的数据库划分FP-Growth改进算法

提出了一种基于Hadoop架构和MapReduce编程模型实现的面向大数据的FP-Growth频繁项集挖掘的改进算法。首先将事务数据库按每个频繁1项进行抽取,生成对应的投影数据库,并将这些投影数据库分发到一个个节点机上;再由节点机对投影数据库进行划分,生成一个个规模更小的子数据库,并由节点机使用改进后的算法并行挖掘生成部分频繁项集;最后归并所有部分频繁项集得到全部的频繁项集。该算法无需像传统的FP-Growth算法一样为事务数据库生成庞大的FP树,有效解决了传统FP-Growth算法及其一些改进算法中因单机内存存储不下庞大的FP树而导致算法失效的问题。同时,由于所划分的子数据库规模接近,分发到各节点机上的负载更均衡,使得算法效率更高。

多粒度粒球粗糙集模型

基于粒球计算的粗糙集理论作为知识发现和数据挖掘的重要工具之一,已成功地应用于标记预测、属性约简等。而现有的粒球粗糙集模型仅仅是从单粒度出发,无法从多粒度角度对数据进行分析和处理,实际生活中仍有很多应用场景需从多粒度角度进行思考。将粒球计算思想结合到多粒度粗糙集模型,提出了多粒度粒球粗糙集模型,并讨论了该模型的相关性质。该模型通过纯度的设定对数据进行粒球划分,能够有效地刻画数据之间的内在联系,以此设计多粒度粒球粗糙集的正域生成算法。实验分析表明该模型的可行性和有效性。

集成学习在车险欺诈识别预测中的应用探讨

针对车险欺诈问题,文章提出了一种引入权重的Stacking融合模型对欺诈进行识别预测。对预处理后的车险欺诈数据集利用过滤法和嵌入法进行特征筛选,再采用SMOTE-Tomek Links相结合的采样方法平衡数据集。文章基于机器学习算法建立SVM、KNN、随机森林和XGBoost模型,并以此为基模型,建立传统的Stacking融合模型、引入不同指标作为权重的Stacking融合模型。结果表明:以F_(1)加权的Stacking融合模型的Pre值为91.7300%,与其他指标进行加权的Stacking模型预测效果相比,以F_(1)加权的Stacking融合模型对车险欺诈行为具有较好的识别预测能力。

黄金百香果低温寒(冻)害气象等级指标初探

为确定黄金百香果低温寒(冻)害指标,通过分析2020年12月30日-2021年1月3日的寒潮过程特点,调查漳州市7个不同小气候区的黄金百香果受寒潮影响的情况,并收集同期的低温资料,采用归类法初步确定黄金百香果低温寒(冻)害指标。结果表明:此次寒潮过程极端最低气温越低,低温的持续时间也越长,黄金百香果受害症状越严重;13个调查点的极端最低气温在-6.4~1℃,结合3个调查地的往年寒(冻)害情况,采用归类法初步确定的黄金百香果果树的无、轻、中、重寒(冻)害对应的极端最低气温分别为高于4℃、0~3.0℃、-2.0~0.0℃、不高于-2.0℃。该研究成果对黄金百香果的合理布局和低温灾害预警具有重要意义。

计数区间的模糊相关系数研究

随着大数据时代的来临,数据生成的形态也随之趋于多元化,从过去单一数值演变成多数值的呈现方式,以此贴近社会实践。在统计数据的生成过程中,多值逻辑反映的模糊数据分析方法已逐渐被广泛应用。文章在计数值模糊区间数据形态的条件下,提出测量两个计数区间随机变量的模糊相关系数,并且透过模拟分析及个案数值分析加以验证模糊相关系数的效果,以此为企业经营或政府部门提供政策拟订参考。

《粗糙集理论及其应用》研究生课程教学改革与实践

随着信息大数据时代的到来,与其相关的各种学科越来越受到广泛的重视.粗糙集理论及其应用在人工智能中发挥着非常重要的作用,并已获得巨大的经济效益.“粗糙集理论及其应用”课程对于不确定理论及其应用方向的硕士研究生,是一门应用价值较强的专业基础必修课程.文章探讨了该课程当前的教学现状,讨论了提高该课程教学效果的一些方案,并就粗糙集理论及其应用课程的改革与实践提出了一些相应的策略.

基于相依区间值数据的EWMA FIMSE控制图

对于具有相依性的数据,指数加权移动平均(EWMA)方法是控制图领域中的实用方法 .其中,指数加权移动平均均方误差(EWMA MSE)控制图对相依单一值数据的监控性能较好.随着测量技术的发展,往往会监测到相依区间值数据,传统的方法只能将其转化为单一值数据再计算,这样会造成信息丢失.为此,提出指数加权移动平均模糊区间均方误差(EWMA FIMSE)控制图,通过数值模拟和漳州市一氧化碳浓度数据的实证分析,证实它可以比传统的控制图更快地监测到过程的异常波动.

带自环的无向网络的同步研究

网络中普遍存在自环,对带有自环网络的研究,如网络同步还鲜有结果.利用Lyapunov稳定性理论研究带自环的网络的同步问题,分别研究了存在部分自环和全自环情形下网络的同步态、同步准则和同步性能,并通过数值仿真验证了相关结果.

台湾凤梨释迦主要生育期的气象条件分析

通过对凤梨释迦的物候观测、枝梢生长状况和同期气象条件的平行观测,结合相关文献资料,进行凤梨释迦主要生育期的气象条件分析。研究主要结果:(1)台湾凤梨释迦在漳州低海拔地区一般2月底3月上旬叶芽出现,4月上旬抽梢并伴随花芽出现,5月中、下旬开花及幼果形成,约需经历120-150d大于0℃积温达3600~3800℃果实才开始成熟,果实于9月下旬开始成熟;(2)台湾凤梨释迦叶芽出现稳定通过温度为10℃、抽梢和花芽出现为14℃、始花期和幼果形成期为20℃;(3)凤梨释迦春梢生长量与当天和前一天的平均气温、最高气温、最低气温和日照时数成正相关,与降水量成反相关,其中与平均气温和最低气温的相关关系达到极显著水平。

白芽奇兰产区气象因子分析

通过对选育出白芽奇兰的平和县崎岭乡7年(2009-2016年)区域自动气象观测站的气象资料统计分析,得出白芽奇兰适宜生长的温度、降水等气候条件,同时阐述该乡易发生的气象灾害如低温和暴雨等,以期为白芽奇兰的科学发展提供参考依据。

基于生成对抗网络的服装图像分类方法的研究

首先,为了实现无监督数据的增强,利用生成对抗网络方法生成服装图像数据;然后,通过判别网络中的卷积神经网络对图像数据进行特征提取,实现对生成网络产生的图像进行判别,提升了模型对数据图像分布的影响,从而实现了构建卷积神经网络对产生样本图像的质量进行测试的目标。并进行了相关的实验,实验结果表明该方法生成的服装图像能够有效地提高卷积神经网络的分类准确率。

基于FAR（1）模型的PM2.5浓度预测研究

首先利用函数重构理论,表示了漳州2017年11月1日至2018年5月5日PM2.5浓度数据的函数特征.然后对重构好的函数曲线进行主成分分析,得到PM2.5浓度曲线的3个函数主成分,代表PM2.5浓度曲线的主要变异特征.最后利用函数主成分投影法估计PM2.5浓度FAR(1)模型的算子,并进行样本外的短期预测,预测效果相对较好,其结果可为决策者提供参考.

协调多尺度决策系统中基于测试代价的属性与尺度选择

对多尺度决策系统进行处理可以使复杂的问题简单化,属性与尺度的同步选择是该处理过程中一个重要方法.此外,现实中数据处理经常需要考虑代价因素的影响,但是,目前研究还没有在属性与尺度的同步选择中考虑代价因素.为了解决这一问题,文中基于测试代价,研究协调多尺度决策系统的属性与尺度选择.首先,构造相应的粗糙集理论模型,模型中的定义及性质同时考虑属性和尺度这两个要素,并给出基于测试代价的属性-尺度重要度函数.然后,基于适用于多尺度决策系统的粗糙集概念及性质,提出属性与尺度同步选择的启发式算法.在UCI数据集上的实验表明,文中算法可大幅降低总测试代价,提升计算效率.

基于属性加权的概念认知学习模型

现有概念认知学习模型往往存在忽略属性与决策间的相关性、涉及的概念空间存在冗余性、学习效果有限等问题.因此,文中提出面向属性加权的概念认知学习模型(Weighted Attributes-Based Concept-Cognitive Learning Model,WACCL).首先,探讨属性与决策之间的相关性,提出属性的加权机制.考虑到概念空间冗余性问题,探索不同概念的地位,实现概念空间压缩.然后,结合概念间的相似性,实现概念聚类,为线索的学习提供依据.最后,在13个数据集上的实验验证WACCL的有效性.