课程文献中心 更多>>

关键词： 统计部门   职能定位   统计新质生产力  

摘要： 当前统计部门在数据要素市场中扮演着多重关键角色,新时代大数据的发展给统计部门带来了新机遇,但统计部门运用大数据逻辑改进工作时仍掣肘于数据安全与隐私问题、数据质量与标准差异、统计人才与技术瓶颈。本文建议通过提升数据资源归集能力、数据资源运用能力以及数据资源管理能力,以提升统计部门数据资源驾驭能力,培育统计新质生产力。

关键词： 遥感智能解译   自然资源   优化样本抽样设计   形态转换   复杂场景  

摘要： 【目的】随着遥感分类解译技术的发展,复杂场景下自然资源遥感智能解译已成为研究的焦点。在这一背景下,遥感样本的获取和选择对提高解译的准确性和可靠性至关重要。我国地形地貌多样,气象条件复杂,地表结构细碎,导致复杂地表具有时空分异性,直接影响遥感样本的选择和质量。传统抽样方法所选样本对总体特征的代表性较差,进而影响解译效果。【方法】为解决这一问题,本研究总结了遥感分类标记样本抽样方法、多尺度形态转换扩充样本以及标记样本质量评估的关键要点,从理论上阐述了样本优选以减少偏差的必要性,并提出了基于地表复杂度的分区/层和加权样本优化方法。该方法通过考虑地形的复杂性和多样性,优化了样本的抽样过程,减少了因抽样偏差带来的解译误差。【结果】通过遵循这些要点和技术,可以获得高质量且有强代表性的标记样本,从而提高遥感分类建模解译精度和/或效益。本研究总结了3个基于复杂度的样本优选的实验结果,并为未来遥感智能解译技术的发展提供了坚实的理论和技术基础。【结论】这项研究对于通过样本优选推动复杂场景下遥感自然资源分类建模及智能解译的研究和实际应用具有重要的参考价值。

关键词： 农产品质量检测   抽样方法   抽样工具   抽样环境  

摘要： 农产品质量检测的关键环节之一是抽样,抽样过程较为复杂。面对种类繁多且分布广泛的农产品,传统抽样方法较难平衡样品代表性与检测效率。在这一背景下,必须进一步优化农产品质量检测抽样方法并完善各项细节。针对农产品质量检测抽样方法和抽样细节问题进行了分析,提出了农产品质量检测的抽样优化策略。

关键词： 进口旧光伏组件   固废鉴别   抽样方法   梯次利用  

摘要： 通过对旧光伏组件固废鉴别抽样方法的研究,从进口旧光伏组件的现状和其预期使用分析,阐述了加强进口旧光伏组件监管措施研究的必要性,并提出相关建议,为后续进口旧光伏组件的监管提供理论指导。

关键词： 食品抽样   误差   抽样方法  

摘要： 食品安全一直是公众关注的重点,食品质量检测在保障食品安全中起着重要作用。抽样作为质量检测的基础,其准确性直接影响到检测结果的可靠性。然而,在实际抽样过程中,常常会由于多种因素引发误差,准确的抽样方法是确保食品检测结果科学、公正的关键。文章主要研究了食品抽样误差来源以及精准抽样方法,旨在有效减少误差,确保检测结果的可靠性。

关键词： 核桃   风选   高速摄像   悬浮速度   区间估计  

摘要： 壳仁分离是核桃深加工的首要环节,针对核桃壳仁物料较不规则、空气动力学关键参数难以准确测量等问题,该研究采用仿真分析与区间估计相结合的方法,研究核桃壳仁物料的气动特性并进行试验。首先,采用CFDDEM(Computational fluid dynamics,Discrete element method)方法仿真模拟了壳仁物料在气流中的运动,根据壳仁物料的运动轨迹和流场的流速分布,得出了二分壳、四分壳、八分壳、二分仁、四分仁、八分仁,6类物料的仿真悬浮速度范围。其次,以仿真结果为参考搭建试验台架,在台架试验中利用高速摄像技术记录壳仁物料的运动情况,并对物料在不同风速区间内的分布情况进行统计分析,经K-S检验,腔体内6类物料在气流中的位置分布均呈正态分布。最后,基于各类物料统计数据进行高斯拟合,并根据区间估计方法统计得出各类物料的悬浮速度范围为:二分壳7.25~9.50 m/s、四分壳6.90~8.95 m/s、八分壳6.20~7.75 m/s、二分仁9.20~14.85 m/s、四分仁9.60~14.55 m/s、八分仁9.30~11.45 m/s。通过对试验结果的分析,得到壳仁风选设备的较佳风选速度范围为9.0~9.4 m/s;同时,对悬浮速度的理论计算公式进行了修正,得到适用于漾濞核桃的形状修正系数为:二分壳3.82、四分壳3.06、八分壳2.80、二分仁1.49、四分仁1.12、八分仁1.17。此外,结合仿真和台架试验,研究分析了壳仁堆叠现象的成因及其对风选分离效果的潜在影响。研究表明:通过增加壳、仁物料在气流中的旋转运动,可减少堆叠现象的发生,有助于提升壳仁分离效率。该研究提出的悬浮速度区间估计方法可为不规则农业物料的气动特性分析及其关键参数测量提供参考。

关键词： 锂电池   健康状态   高斯过程回归   区间估计   组合核函数  

摘要： 锂电池健康状态(state of health, SOH)的退化过程在一定程度上是一个非平稳随机过程,使得当前多数点估计机器学习方法在实际应用中受到限制。基于贝叶斯理论的高斯过程回归(Gaussian process regression,GPR),因可输出估计结果的不确定性,近年来在锂电池SOH区间估计中得到广泛应用。然而,GPR的性能很大程度上取决于其核函数的选择,当前研究多凭借经验选用固定单一核函数,无法适应不同的数据集。为此,本文提出一种基于自适应最优组合核函数GPR的锂电池SOH区间估计方法。该方法首先从电池充放电数据中提取出多个健康因子(health factor, HF),并采用皮尔森相关系数法优选出6个与SOH高度相关的健康因子作为模型的输入。然后,在当前常用的7个核函数集合上,通过两两随机组合构造新的组合核函数,并利用交叉验证自适应优选出最优组合核函数。采用3个不同数据集对所提方法进行了验证,结果表明:本文方法具有出色的SOH区间估计性能。在3个公开数据集上,平均区间宽度指标在0.0509以内,平均区间分数大于-0.0004,均方根误差小于0.0181。

关键词： 咳嗽变异性哮喘   呼出气一氧化氮   小气道功能   诊断价值  

摘要： 目的探讨呼出气一氧化氮(FeNO)联合小气道功能指标检测对咳嗽变异性哮喘(CVA)的诊断价值。方法选择2023年3月至2024年2月在广西壮族自治区人民医院呼吸与危重症医学科门诊就诊的慢性咳嗽患者140例为研究对象,根据疾病诊断结果将其分为CVA组(43例)和非CVA组(97例)。比较两组基线资料、FeNO水平和小气道功能,分析FeNO联合小气道功能指标检测对CVA的诊断效能。结果CVA组呼气流速在50 mL/s时测定的NO浓度(FeNO 50)(53.00 ppb vs 19.00 ppb)、呼气流速在200 mL/s时测定的NO浓度(FeNO 200)(19.00 ppb vs 8.00 ppb)、肺泡一氧化氮(CaNO)(5.20 ppb vs 3.30 ppb)水平高于非CVA组,差异有统计学意义(P<0.05)。CVA组中合并小气道功能障碍患者比无小气道功能障碍者FeNO 50水平显著增高(64.50 ppb vs 26.00 ppb,P<0.05)。受试者工作特征(ROC)曲线分析结果显示,FeNO联合小气道功能指标最大呼气中期流量(MMEF)、肺活量25%时的最大呼气流量(MEF 25%)对CVA有一定的诊断价值(P<0.05),其中FeNO 50联合MMEF对CVA的诊断价值更优[曲线下面积(AUC)(95%CI)=0.79(0.70,0.87)]。结论CVA患者FeNO水平明显高于非CVA患者,FeNO联合小气道功能指标检测对CVA有较高的诊断价值。

关键词： 2型糖尿病   血压变异性   肾脏病   肾小管  

摘要： 目的通过对无高血压及蛋白尿的2型糖尿病(T2DM)患者的血压变异性及尿中肾小管损伤相关指标的观察,探讨血压变异性对T2DM患者肾小管损伤的影响。方法选取2021年1月至2023年6月在潍坊内分泌与代谢病医院治疗的129例T2DM患者作为研究对象,根据24 h动态血压监测中夜间血压下降比值分为非杓型组(68例)和杓型组(61例)。比较两组患者尿中N-乙酰-β-D-氨基葡萄糖苷酶(NAG)、β_(2)-微球蛋白(β_(2)-MG)、视黄醇结合蛋白(RBP)与肌酐(Cr)比值的差异,同时分析24 h收缩压变异性(24 h SBPV)、白天收缩压变异性(dSBPV)、夜间收缩压变异性(nSBPV)及24 h舒张压变异性(24 h DBPV)、白天舒张压变异性(dDBPV)、夜间舒张压变异性(nDBPV)与尿中NAG、β_(2)-MG、RBP之间的相关性。结果杓型组24 h SBPV、24 h DBPV、dSBPV、dDBPV、nSBPV、nDBPV高于非杓型组,差异有统计学意义(P<0.05)。杓型组尿中NAG、β_(2)-MG/Cr、RBP/Cr均低于非杓型组,差异有统计学意义(P<0.05)。T2DM患者的24 h SBPV、dSBPV、nSBPV、24 h DBPV、dDBPV、nDBPV均与尿NAG、β_(2)-MG、RBP呈正相关(P<0.05),且nSBPV、nDBPV与尿NAG、β_(2)-MG、RBP呈中度正相关(0.3

关键词： Python语言   概率分布   参数估计   区间估计  

摘要： Python是一种解释型的高级语言,具备入门容易,资源丰富和开源等特点。Python有很多免费的科学计算与数据分析方面的库,其中一些库能够用来处理概率论当中的问题。论文给出了应用Python程序画出离散型和连续性概率分布图的例子,还例举了Python用于参数估计和区间估计的代码及计算结果。概率论与Python都是理工科专业的必修课,将Python应用于概率论问题的解决,可以同时促进对这两门课程知识的理解和掌握。