交通建设项目社会经济环境影响评价指标体系研究

根据交通建设项目社会经济环境影响评价的内涵,从社会环境、经济环境、美学及历史学环境三方面设置指标体系,并探讨了指标的表达方式和估算方法。     

基于神经网络模型的智能产业板块股价探究

针对金融波动性和市场风险,基于A股市场上70余只智能板块的股票近10年的四因子数据,从神经网络模型入手实证分析,利用随机梯度算法对收盘价预测,比较预测值与实际值的模型误差及损失函数,进行因子选取、算法改进及指标择优。结果表明,神经网络模型参数在批次为2、迭代次数为4 150时,MSE(均方误差)、MAPE(平均绝对百分比误差)、MAE(平均绝对误差)分别为60.191 1、30.732 6、4.803 2,收盘价的拟合效果最佳,该参数下的神经网络模型可用于探究股票市场价格趋势,为投资者、金融机构提供一定参考依据。     

少数民族残疾人的社会经济状况

利用2006年第二次全国残疾人抽样调查数据对中国少数民族人群残疾现患率的流行特征、社会经济状况及其与汉族残疾人的差异进行比较分析。少数民族男性的残疾现患率(6.46%)高于女性(6.03%)。初中及以上教育程度的女性少数民族残疾人仅有10.04%。居住在农村的少数民族残疾人,大约有25%生活在国家规定的农村贫困标准以下,71%的农村少数民族残疾人没有参与任何形式的社会保险。农村、女性、老年残疾人是今后少数民族残疾人扶贫和社会保障覆盖重点干预对象;要优先提高女性残疾人的受教育水平。     

剖线强度梯度变化的作物软硬变化区精确划分

[目的]软硬变化区的划分是进行遥感变化检测技术识别农作物的基础。为解决人工判读方法中存在人为主观因素影响以及自动判别和交互式判别方法对不同研究区的适用性问题,该文提出基于剖线梯度变化(Profile based Gradient Change Magnitude,PGCM)进行软硬变化区划分的方法。[方法]该研究选择破碎农业景观种植区域为研究区,计算拔节期Quick Bird影像和播种期模拟影像两个时相的变化强度,从作物地块内部向外绘制剖线,利用剖线强度的梯度变化确定硬变化区(Hard change region,HCR)、软变化区(Soft change region,SCR)和未变化区(Non change region,NCR)3者间的划分阈值。[结果]从识别结果来看,PGCM能够有效在地块边界处探测到软变化像元,进而确定HCR、SCR。像元分辨率在5~60 m不同尺度下,识别HCR区混入比例为11%~16%,混入比例随着分辨率下降而降低;NCR区混入比例为3%~4%,受分辨率尺度影响不大;SCR区识别比例为74%~86%,识别精度较高,识别结果与冬小麦空间分布结果保持一致。[结论]PGCM方法能够自动、便捷地确定阈值,摆脱人工判定的主观性,有效地划分出HCR、SCR和NCR 3个区域,为进一步HCR、SCR区内的作物识别提供基础。     

中部地区承接加工贸易梯度转移探讨

我国加工贸易存在的地区发展不平衡问题,日益成为阻碍中国经济协调发展的重要因素。如何顺应国内、国际经济发展趋势,使加工贸易在地区分布上进行科学合理地调整,形成地区协调梯级发展的态势,是目前亟待研究和解决的问题。     

互通式立交桥的设计要点

本文对互通式立交桥设计阶段进行分析,明确适合的技术指标,匝道设计、平曲线半径、纵坡大小、超高的设计合理与否,都决定线型好坏。     

特低渗透油藏间歇式生产油井产能预测分析

特低渗透油藏产能低,开发难度大已成为共识。为了对特低渗透油藏油井产能和油藏产量进行准确的预测,本文在达西公式的基础上,考虑到特低渗透油藏的渗流受到启动压力梯度的影响,推导出了具有启动压力梯度的间歇式生产的油井产能的预测模型,得出油井间歇式生产过程中采油量与时间存在指数递减关系;还推导得出油井关井时间段井底压力变化的数学模型,分析出其井底压力变化与采油时间段的采油速度有关,并给出了进行计算机迭代运算的求解方法和计算步骤。     

How do income and education affect health inequality: evidence from four developing countries

Using household survey data from four countries ? Albania, Nepal, Tajikistan and Tanzania ? this article calculates income-related inequality in health care utilization. We measure health disparity separately for generally and chronically ill individuals by constructing two models: one for the probability of a visit to a physician and another for the number of visits. Following model-based measurements, we decompose inequality into two major parts: one accounted for by identity-related factors and another by socioeconomic and other factors such as education, geography and distance to a clinic. We propose a new method to quantify the effect of changes in income and education on health disparity. One of our important findings suggests that health disparity is pro-rich in all our sample countries. The pro-rich disparity is prevalent among generally ill as well as chronically ill patients, in both visit probability and visit frequency models. Health inequality seems primarily driven by income differences followed by nonidentity factors. Further, the principle of equal treatment for equal need is not fulfilled in any of our countries. Among policy implications, increasing average income and education in a way that also reduces disparity in income and education, respectively, will substantially shrink inequality in health care utilization.     

无约束优化中几种算法间关系的一点注记

对无约束优化中几种算法间的相互关系进行了一些探讨,这对于了解掌握这些算法和揭示算法的内涵甚为重要。