张维群,杨澜泳,杨善学[1]（2021）在《抽样框总体容量变动下的复合抽样设计》文中指出考虑到"三新"企业在短时间内新生和消亡的企业数量较大,采用固定的抽样框对"三新"企业进行连续抽样存在代表性较差问题,为解决此问题,提出了基于总体容量变动下的复合抽样设计方法.采用复合抽样设计方法有效解决了总体容量变动下抽样样本的代表性问题,给出了总体总值估计量并验证了其无偏性.结果表明:使用复合抽样设计方法对总体的出生率消亡率估计,能够实现对总体容量变动下抽样框进行更新;复合抽样设计方法比较适合总体总量、单元或单位特征发生变化的调查总体;在总体总量发生变动时,复合随机抽样方法优于传统抽样方法.
张雨薇[2]（2021）在《空间抽样方法在粮食产量调查中的探索研究 ——以内蒙古为例》文中进行了进一步梳理
杨怡[3]（2020）在《基于UAVRS的湿地植物物种多样性真值和抽样方法优化研究》文中研究指明随着人类经济活动对湿地资源的利用强度不断升级,部分湿地资源遭到严重破坏,湿地植物物种多样性也成为了全球关注的热点问题。采集物种多样性信息是研究湿地资源和更好发挥湿地生态、社会经济功能的基础。但是,由于湿地生态系统自身的复杂性、数据挖掘工具的局限性和基础数据采集方法的主观性等原因,湿地资源研究仍然缺乏高质量的物种多样性数据。因此,为了保证物种多样性测度抽样数据既能反映湿地植物群落总体特征,又能节省人力、物力、财力和时间,选择合适的抽样方法至关重要。本文于2019年8月在南昌市扬子洲洲滩湿地选择了一个“群丛”大小的四边形（边长分别为158m、145m、152m和162m）研究样地,使用Phantom 4Pro进行航拍。共计飞行4个架次,飞行高度10米,获得1477张相片,空间分辨率高达3mm,在图形工作站上使用Pix4D软件生成试验区湿地植物群落正射影像,然后重新划定空间抽样框范围,实际计算面积为4304m2。以获得的人工实地植物调绘信息为基础,结合可见光影像中的形状、纹理、位置和颜色特征,将获得的样地无人机遥感影像,通过目视解译生成不同植物物种矢量图层。共计调查了研究区15种植物,分属12科14属,以多年生草本植物占据主导,其中以水花生、狗牙根为优势种,苍耳、水寥为研究区常见种,多数物种频度小于0.1,重要值较低。基于15种植物物种分布的矢量图层为基础,以1m × 1m尺寸（湿地草本抽样调查的常用样方尺寸）创建植物分布格网图层,并计算每个栅格的Shannon-Wiener物种多样性指数,共计4304个栅格或样方。计算得到各样方的Shannon-Wiener指数在0～1.301之间,表明试验区植物物种丰富程度较低,物种相对单一。以获得的湿地植物物种多样性理论真值（空间抽样框中所有抽样单元的Shannon-Wiener指数均值）为基础,在可靠性95%和允许误差15%条件下,得到简单随机抽样、系统抽样和主观抽样的Shannon-Wiener物种多样性指数的参数估计结果。简单随机抽样、系统抽样和主观抽样的绝对误差分别为0.0217、0.0253、0.0135;相对误差（Erα=Zα/2（?）/Y）分别为 15.32%、14.17%、14.35%。结果表明:未做均值处理情况下,简单随机抽样的绝对误差波动最大,说明该方法在湿地植物物种多样性抽样中稳定性较差,且相对误差略微偏大,不建议直接应用在物种多样性调查中;系统抽样整体上抽样效果较好,抽样相对误差较小,绝对误差变化小,稳定性较好;主观抽样的结果优于简单随机抽样和系统抽样。把三种抽样方法获得的样本参数进行平均化处理以后,主观抽样优势显得更加明显,绝对误差仅为0.0135,即所得的Shannon-Wiener指数最接近理论真值。本次研究表明:借助无人机遥感有助于获取高质量、高分辨率的物种多样性数据,省时省力。相对于简单随机抽样与系统抽样,在调查者经验丰富时,采用主观抽样能显着提高物种多样性的抽样调查精度。
马金[4]（2020）在《基于计算机模拟的河口渔业资源抽样调查设计比较与优化 ——以长江口为例》文中研究表明渔业资源调查是开发和保护渔业生物资源的基础,是掌握渔业资源动态的前提,对渔业资源保护、管理策略的制定以及资源可持续利用具有重要意义。目前,在长江口及其邻近海域,有关抽样调查设计优化的研究仅有潮间带底栖生物断面抽样调查比较、长江口鱼类群落定点抽样调查设计的评价,仍缺乏不同抽样调查设计在不同渔业资源生物类群抽样调查上的比较研究,长江口渔业资源科学调查体系仍待完善。所以,有必要从抽样调查设计优化方面开展长江口渔业资源抽样调查设计的相关研究,以满足“十年禁渔”等“长江大保护”政策逐步实施背景下的科学研究、政策制定和实施的需要。因此,本文使用2006-2017年长江口渔业资源定点拖网调查数据,选择资源密度为调查目标,基于模型预测的资源密度值作为“真实”总体的假设,运用计算机模拟方法比较了三种经典抽样方法?简单随机抽样（simple random sampling,SRS）、系统抽样（systematic sampling,Sy S）、分层抽样（stratified sampling,St S）在各季节长江口拖网调查总种类、鱼类、虾类和蟹类抽样调查中的表现,并分析了连续抽样努力量（站位）对最佳抽样调查设计准确度和精密度的影响;同时,基于河口盐度梯度变化特征划分抽样断面,分析研究了整群抽样在河口渔业资源抽样调查中的应用,并从实际采样方案设计角度,探讨分析了适于假设采样站位数量的断面—站位数量组合。研究结果如下:（1）长江口渔业资源生物种类组成及环境特征。各年度,在各季节渔获生物中,鱼类的种类数最多,其次为蟹类和虾类,软体动物等其他渔业资源生物种类数较少。各季节,长江口水温在夏季最高,然后依次为春季、秋季和冬季。春季,长江口水温介于17?24°C之间,平均水温为21°C;夏季,长江口水温范围为26?31℃,平均水温为28℃;秋季,长江口水温介于10?20°C,平均水温为14°C;冬季,长江口水温范围为6?11°C,平均水温为7°C。2006-2017年各季节,自西向东（即口内向口外）,长江口盐度未呈现逐渐增加的趋势,但121°48′E以西的研究水域,其盐度皆为0,而在121°48′E以东的研究水域盐度变化较大,存在盐度高值（>20）和盐度零值。以2017年四个季节的盐度观测值为例,121°48′E以东的水域,高盐度水域主要分布在研究水域的北部,长江口南支及其自然延伸水域盐度较低。（2）长江口渔业资源生物类群资源密度时空分布特征。以渔业资源总种类为研究对象,时间尺度上,2017年冬季,长江口渔获生物的资源密度最低,秋季最高,春季和夏季次之;空间分布上,各季节,在长江口南支的自然延伸水域存在渔获生物资源密度的相对低值,资源密度的相对高值出现在31.5°N以北的研究水域范围;总体上,除冬季外,资源密度在其它三个季节皆呈现出北支河口略高于南支河口的现象;各季节,在121°50′E以东的研究水域,渔业资源密度预测值相对较高,长江口外侧水域的资源密度高于长江口内侧水域。以鱼类资源为研究对象,时间尺度上,2017年夏季,长江口鱼类资源密度最高,其它三个季节的鱼类资源密度相对较低;空间分布上,各季节,在长江口南支的自然延伸水域存在鱼类资源密度的相对低值,在崇明岛外围、向海自然延伸方向的水域则存在鱼类资源密度的相对高值;总体上,除冬季外,鱼类资源密度在其它三个季节皆呈现出北支河口略高于南支河口的现象。以渔获虾类为研究对象,时间尺度上,2017年秋季,长江口虾类资源密度最高,冬季虾类资源密度最低;空间分布上,各季节,在长江口南支及其自然延伸水域存在虾类资源密度的相对低值,虾类资源密度的相对高值出现在31.5°N以北的研究水域范围;总体上,除冬季外,虾类资源密度在其它三个季节皆呈现出北支河口略高于南支河口的现象;各季节,在121°50′E以东的研究水域,虾类资源密度预测值相对较高,长江口外侧水域的资源密度高于长江口内侧水域。以渔获蟹类为研究对象,时间尺度上,2017年秋季,长江口蟹类资源密度最高,其它三个季节的蟹类资源密度相对较低,冬季最低;空间分布上,各季节,在长江口南支的自然延伸水域存在蟹类资源密度的相对低值,蟹类资源密度的相对高值出现在31.5°N以北的研究水域范围;总体上,除冬季外,蟹类资源密度在其它三个季节皆呈现出北支河口略高于南支河口的现象。（3）长江口拖网渔业资源抽样调查设计比较。选择资源密度为调查目标,以相对误差（relative error,REE）、相对偏差（relative Bias,RB）和抽样效率（design effect,deff）为评价指标,比较了SRS（Design1）、Sy S（Design2）和基于比例分配、平均分配和抽样成本最优分配方式的St S（分别记作Design3、Design4和Design5）共5种抽样方法在抽样站位数量为12、15和18时对各渔业资源生物资源密度总体的模拟抽样表现。总体上,在估计各渔业资源生物类群资源密度总体均值时,5种抽样调查设计的deff顺序为Design2>Design3>Design4>Design5>Design1,即Sy S>St S>SRS,但在估计秋季虾类和春、秋季蟹类资源密度总体均值时,Sy S的deff比St S略差。总体上,Design2在估计各渔业资源类群资源密度总体均值时有相对较高的精密度和准确度（REE值相对较小）,而后依次为Design3>Design4>Design1>Design5;但在估计秋季虾类和春、秋季蟹类资源密度总体均值时,Design2的精密度和准确度比分层抽样调查设计中的Design3略差。对于不同调查目标,Design1和Design3的RB值均呈现围绕0对称分布状态,对估计值不存在高估或低估;对于总种类和鱼类,Design2的RB值的四分位区间多分布在-5%?2%的范围,相对来讲,易造成对估计值的略微低估,而对于虾类和蟹类,Design2的RB值的四分位区间皆分布在-7%?0%的范围,易造成对估计值的低估。所以,不同季节不同渔业资源生物类群的最佳抽样调查设计是不同的,建议根据调查对象和季节实施动态的调查设计。（4）长江口不同渔业资源生物类群抽样调查设计最佳抽样努力量。对于总种类、鱼类、虾类（春季、夏季和冬季）和蟹类（夏季和冬季）,采用Sy S进行模拟抽样,通过模拟计算得到不同采样努力下（8?30）100次REE值分布变化趋势。总体来说,REE随抽样努力量n的变化可分为8<n<15、15<n<20、20<n<30三个区间阶段:当8<n<15时,REE随n的增加逐渐减小至10%;当15<n<20时,REE随n的增加基本稳定在10%上下;当20<n<30时,REE随n的增加多数呈现逐渐减少趋势,但减小幅度不大;REE在15<n<20范围的变化趋势说明,随着站位数的增加,系统抽样的抽样准确度稳定且相对高效。对于虾类（秋季）和蟹类（春季和秋季）,采用了基于比例分配方式的St S进行模拟抽样,总体来说,当8<n<20时,REE值随着抽样努力的增加减小较快,而当20<n<25时,REE值随着抽样努力的增加减小程度不明显,当25<n<30时,REE值基本趋近于5%或7.5%的数值水平。这一变化趋势说明随着抽样努力的增加,分层抽样的抽样准确度逐渐增加,但在20<n<25的抽样努力区间上,已经达到了相对较高和稳定的准确度水平。因此,针对现行调查方式,15?20个站位数量可作为长江口渔业资源调查的最佳采样站位数量参考范围,但在受天气、海况、预算成本等实际情况影响,选择略少的站位数量也能保证实际调查的精度。（5）断面抽样在长江口渔业资源调查中的应用。基于盐度梯度变化进行断面划分,适宜于不同季节不同渔业资源生物资源密度的断面—站位数量组合是不同的。模拟抽样结果发现,基于划分的31个断面,抽取15个断面时,整群抽样的抽样精度已较高且稳定;对于不同季节不同渔业资源生物类群,REE和RB随断面和站位数量的增加表现出不同的变化规律,抽样估计所需要的适宜断面—站位数量组合也不同;如假设进行10?30个站位数量的实际采样,研究发现,对于不同季节和不同渔业资源生物类群,与假设采样站位数量相适宜的断面—站位数量组合是不同的,但从抽样调查总站位数量上来说,10?20的假设采样站位数量范围内应抽取至少14个站位数,而在20?30的假设采样站位数量范围内应抽取至少24个站位数。在调查设计中很难确定一个最优的调查方案来满足所有的调查目标,因此,在调查中应针对不同的调查目标综合考虑,成本可行的前提下首先满足最重要的调查目标。
闫丽俊[5]（2020）在《基于交通运输企业一套表数据的道路货物运输量抽样方法研究》文中提出道路货物运输量作为道路运输量的重要组成部分,是交通运输统计工作中的重点难点。受传统道路运输量抽样调查方法的局限,道路货物运输量统计工作存在诸多问题,社会各界对道路货运统计数据也存在较多质疑,如何科学合理地推算道路货物运输量一直是学界和业界较为关注的问题。探讨考虑空间信息的平衡抽样设计方法,可以提高货物运输量估计精度,较为准确的把握道路货物运输的发展特征,更好地推动交通运输行业高质量发展和交通强国建设目标的实现。交通运输企业一套表作为国家统计局提出的“四大工程”之一,是交通运输统计数据生产方式的创新,能够为道路交通运输统计提供新的数据来源,充分利用交通运输企业一套表联网直报的数据进行道路货物运输量统计分析,具有十分重要的现实意义。为此,本文基于交通运输企业一套表对道路货物运输量抽样调查方法展开研究。本文首先从国内外关于道路货物运输量统计调查的研究及发展现状出发,对货物运输量专项调查面临的问题和交通运输企业一套表存在的问题进行分析,在此基础上,阐述了空间平衡抽样设计的相关基础理论;其次,对规模以上道路货运企业运输量进行了空间统计分析,研究规模以上道路货运企业运输量空间分异特征,论证对道路货物运输量抽样调查方法进行改进的重要性和必要性;最后以交通运输企业一套表联网直报系统中C省规模以上道路运输企业为研究对象,探讨了道路货物运输量空间平衡抽样方法,并对道路货物运输量统计调查提出改进意见。研究结果表明:规模以上道路货运企业货物运输总量、以车辆为单位的货物运输量以及以吨位为单位的货物运输量在空间上呈现显着正相关,以车辆为单位的货物运输量以及以吨位为单位的货物运输量空间正相关性及空间集聚性与货物运输总量相比更加明显。在进行道路货物运输量抽样调查方案设计时,应考虑空间信息的抽样设计方法,以提高货物运输量估计精度。实证分析表明,在对规模以上道路货运企业进行抽样时,使用以车辆数、标记吨位数为辅助变量的立方体法和以车辆数、标记吨位数、经纬度坐标为辅助变量的空间双重平衡抽样法进行抽样,估计规模以上道路运输企业货物运输量的精度高于传统抽样方法,依据样本推断总体的稳定性也优于传统抽样方法。
叶勒丹·马汉[6]（2020）在《简单抽样与复杂抽样对不同患病率估计的比较研究》文中提出目的:在大型抽样调查研究中,比较不同患病率情况下简单抽样与复杂抽样对患病率估计的准确性和抽样误差的大小,为研究者在调查研究中采用合适的抽样方法估计患病率提供理论依据。方法:以2017年新疆维吾尔自治区某地州参加全民健康体检>15岁的常住人口381499人作为抽样总体,选择患病率不同的三种疾病（高血压22.35%,糖尿病13.86%,贫血0.95%）,从总体中分别采用简单随机抽样（简单抽样）和分层三阶段PPS抽样（复杂抽样）模拟抽样100次。通过患病率的估计,比较患病率和总体率、抽样误差和95%置信区间（CI）包含总体参数的概率,评价两种抽样方法的适用性。结果:1.患病率为22.35%的情况下,简单抽样患病率估计的均值为22.11%,有一定低估;复杂抽样采用传统分析方法（不考虑抽样权重,方差估计采用wald法）时患病率估计的均值为21.65%、抽样误差为0.65%、95%CI包含总体率的概率为54%,出现了明显的低估;复杂抽样采用泰勒法（考虑抽样权重,方差估计是通过线性化获得统计量的线性近似值来估计方差）和刀切法（考虑抽样权重,方差估计是通过删除样本将剩余的样本构建为刀切样本,由这些刀切样本估计方差）时患病率估计的均值与总体率没有差异,泰勒法的抽样误差和95%CI包含总体率的概率有低估。2.患病率为13.86%的情况下,采用简单抽样患病率估计的均值为13.91%,与总体率没有差异;复杂抽样采用传统分析方法时患病率估计的均值为14.79%,出现了明显的高估,而抽样误差为0.42%、95%CI包含总体率的概率为38%,出现了明显的低估;复杂抽样采用泰勒法和刀切法时患病率的估计与总体率没有差异,泰勒法的抽样误差和95%CI包含总体率的概率有低估。3.患病率为0.95%的情况下,采用简单抽样患病率估计的均值为0.93%,与总体率没有差异;复杂抽样采用传统分析方法时患病率估计的均值为1.07%,出现了明显的高估,而抽样误差为0.03%、95%CI包含总体率的概率为26%,出现了明显的低估;复杂抽样采用泰勒法和刀切法时患病率估计的均值与总体率没有差异,泰勒法的抽样误差和95%CI包含总体率的概率有明显的低估。结论:大型抽样调查中,在高患病率疾病情况下,研究者应当采用复杂抽样设计,在中、低患病率情况下采用简单抽样也有较好的参数估计结果;在复杂抽样中应当避免使用传统分析方法,方差估计的方法优先选择刀切法。
杨延飞[7]（2019）在《基于超总体模型的设计效应研究》文中认为设计效应是抽样调查中的一个重要指标,是复杂抽样设计中确定样本量的关键。对设计效应的研究存在“基于设计”和“基于模型”两种模式。在基于设计的模式下,总体单元是固定的,样本的随机性来源于样本的随机抽取,设计效应要通过基于设计的方差估计来得到,而在复杂抽样设计下往往无法得到方差的简洁表达,也就无法得到设计效应的计算公式,只能通过重抽样方法（刀切法、自助法等）或泰勒线性化方法得到设计效应的计算结果;在基于模型的模式下,总体被认为是超总体模型的一次具体实现,也具有随机性,设计效应可以由基于超总体模型的方差估计得到,而对于各种抽样设计包括复杂抽样设计,只要得到对应的超总体模型,就能得到方差的简洁表达,也就能得到设计效应的计算公式,而公式的正确性又可通过仿真来验证。基于超总体模型的设计效应研究日益受到国外研究者的重视,但目前国内研究较少。本文首先进行了一些基本的梳理和辨析工作,主要包括:一是通过公式推导和仿真模拟相结合的方法,系统梳理了设计效应的影响因素,明确调查变量、估计量、抽样方法和样本量均可对设计效应造成显着影响;二是对基于设计的设计效应测算进行梳理分析,一方面梳理了基于设计的设计效应基本测算方法,另一方面研究了用复杂抽样的样本估计简单随机抽样下估计量方差的问题,通过仿真对比研究了方差的简单估计和无偏估计,发现文献所给的无偏估计相对于简单估计来说并不存在明显优势,却增加了估计的难度和计算量;三是提出了基于设计的设计效应测算框架,并提出当简单估计不存在时,可采用原始刀切法来估计简单随机抽样下估计量的方差,最后还进行了仿真验证。本文的核心工作:一是丰富发展了抽样方法对应的超总体模型,基于随机效应模型提出了分层、多阶段、不等概率等抽样因素单独存在或同时存在时对应的一系列超总体模型;二是基于所给模型推导出分层、类集、加权单因素设计效应的计算公式和二因素、三因素同时存在时的组合设计效应计算公式,公式表明多因素同时存在的组合设计效应等于对应单因素设计效应的乘积,进一步还通过抽样模拟仿真验证了公式的有效性。所推导出的计算公式,一方面与Kish等人所给传统公式吻合,另一方面,内容也比传统公式更加丰富。通过这些公式,本文实现了对设计效应的分解,也使得对设计效应的内部结构和规律的认识更加深入。本文还基于超总体模型,研究了一些特定情形下设计效应的计算问题。具体来说,一是针对极致的分层和加权同时存在的情况下设计效应计算公式低估真实设计效应的问题,给出了修正因子表达式,并通过大量仿真得到了修正因子的简洁的近似表达;二是针对权与调查变量相关的情况下,设计效应计算公式失效的问题,采用非线性函数泰勒展开的思路,基于超总体模型推导得出了权与调查变量相关情况下设计效应的计算公式,并进行了仿真验证;三是针对类集效应计算公式在三阶段抽样下无法使用的问题,基于超总体模型推导得出了与传统公式形式一致但更具一般性的类集效应计算公式,同样也进行了仿真验证;四是基于超总体模型研究了多层估计情况下,各域或层对应的设计效应和总体对应的设计效应之间的关系,给出了关系表达式,并进行了仿真验证。最后,本文还探讨了所推导出的设计效应的一系列计算公式的估计和应用问题。一方面,探讨了仅有抽样设计和样本信息的情况下设计效应计算公式中参数的估计问题,梳理给出了每个公式的估计方法,并对自己所提出的估计方法进行了仿真验证;另一方面,基于湖北省武汉“1+8”城市圈育龄妇女信息数据库,以其中潜江市育龄妇女为总体,进行了多种抽样设计,并计算了对应的设计效应,从而对实际总体下估计量的设计效应有了直观的认识。最后,还提出了在实际抽样中减小设计效应的具体意见建议。本文的创新之处在于:第一,丰富发展了抽样方法对应的超总体模型。本文在文献所给的简单随机抽样和二阶段抽样对应的超总体模型的基础上,提出了超总体模型的设计思路,并依据思路设计出分层、多阶段、不等概率等抽样因素单独存在或同时存在时对应的一系列的超总体模型。第二,初步建立起基于超总体模型的设计效应测算体系。基于超总体模型,不但推导出分层、类集、加权单因素设计效应和多因素同时存在时组合设计效应的计算公式和估计公式,并且推导出权与变量相关时的加权效应、三阶段抽样下的类集效应的计算公式和估计公式,以及多层估计时设计效应的合成公式和估计公式。这些公式初步构成了基于超总体模型的设计效应测算体系。第三,发现并初步解决了一些设计效应相关问题。比如,发现极致分层和加权同时存在时设计效应的低估问题,并通过设计修正因子初步解决了该问题;再比如,针对类集效应计算公式在三阶段抽样下不适用的问题,给出了三阶段抽样下类集效应的计算公式;又比如,针对分层抽样下各层对应设计效应和总体对应设计效应之间关系问题,给出了简洁的关系表达式。
张曦曈[8]（2019）在《SCPSA抽样法及其在VGI质量评价中的应用》文中研究指明近年来,一类被称为Volunteered Geographical Information（VGI）的地理信息引起了人们的广泛关注。作为一种信息源,VGI自身最大的不足就是缺乏可靠的质量保证,因此,建立一个关于VGI的质量评价体系十分重要,空间抽样方案的设计是建立这个质量评价体系的第一步。以开放街景地图（OpenStreetMap,OSM）为代表的许多VGI项目中保留的历史数据可以作为抽样之前的先验信息,它们往往和该地区的VGI质量有某种非线性的关系,比如某地区参与的志愿者人数越多,该地区地图质量越高。如何利用VGI中的这类先验信息作为辅助变量来设计抽样方法是一个具有现实意义和实际价值的新课题。空间均衡抽样（Spatially Balanced Sampling）是基于设计的空间抽样法中近年来较为热门的一类方法,典型的空间均衡抽样法有Generalized Random Tessellation Stratified（GRTS）抽样法和Spatially Correlated Poisson Sampling（SCPS）法等。本文在现有SCPS法的基础上,将与总体不成比例的辅助变量用于衡量总体分布的各向异性,提出了新的Spatially Correlated Poisson Sampling with Anisotropy（SCPSA）法。现有SCPS法在将样本点均匀而随机地分散于研究区域时,只考虑了样本点之间距离的绝对值,新的SCPSA法还考虑了距离的方向,进一步减少了所抽取样本之间的自相关性,从而达到降低估计方差的目的。接着讨论了SCPSA法的方差估计问题,采用了自助法来估计方差。数值实验的结果显示,在辅助变量与总体不成比例的情况下,相比于使用辅助变量来构造不等概率的SCPS法,新的SCPSA法均方误差更低,验证了改进后算法的可行性和有效性。最后将SCPSA法用于OSM的质量评价问题。从OSM的历史数据中提取出贡献者人数这一指标,将其作为先验信息,利用SCPSA法抽取样本,估计整个香港九龙半岛地区OSM的平均位置准确度,为进一步评价该地区的OSM质量提供了依据。
谢锦瀚[9]（2019）在《超高维复杂数据的变量筛选及模型预测》文中指出超高维数据的统计分析是近年来统计学研究中的热点问题之一.在超高维数据中,协变量的维数会随着样本量的增长呈指数级增长,通常假设只有少数的协变量对响应变量有重要影响,变量筛选就是要找这些极少数重要的协变量,这一方面的研究受到国内外学者的广泛关注.但是当总体具有异质性,数据不平衡且存在高维分类响应变量时,对这类高维数据的统计分析提出了巨大挑战.同时,在回归建模中,模型选择和模型平均是提高预测精度的两种常用的方法.然而,在实际应用中,由于各种原因,例如:一些被问卷调查的人不愿意回答敏感性问题,或一些不可控因素导致信息丢失,一些个人在定期的访问中退出,经常遇见缺失数据.忽略缺失数据可能导致预测偏差或估计偏差.为此,在超高维数据框架下,本文对大规模非平衡数据和异质性数据,提出了变量筛选的两种新方法,并且研究了分位数回归模型和带有缺失数据回归模型的预测问题.论文的研究内容包括:1.对大规模超高维非平衡数据,在案例对照抽样框架下,提出了筛选变量的一种稳健的秩筛选方法.为了使该秩指标对单个的案例对照抽样设计有较小的敏感性,通过重复多次抽样提出了一种融合的边际秩筛选方法.在一些正则条件下,证明了该方法具有sure screening和秩相合性质.模拟研究和实例分析验证了所提出方法的有效性和可行性.2.对超高维异质性数据,提出了一种分类自适应筛选方法.通过定义与每个分类水平相关的哑变量,在给定预测变量下,提供了不同分类响应变量异质性的完整图像.这是一种不假设任何模型的变量筛选方法,它不受回归模型假设的限制,是一种自适应方法,即允许活跃变量集在不同类别之间是不同的,从而使其更灵活地适应异质性.同时,该方法不需要任何修正就可以直接用于响应有偏抽样的数据中,是一种有效的分类信息提取方法.在一些正则条件下,证明了该方法基于前瞻性或者响应有偏抽样设计下具有sure screening和秩相合的性质.模拟研究和实例分析验证了所提出方法的有效性和可行性.3.对超高维数据,研究了分位数回归模型中的预测问题.结合序列筛选和模型平均的方法,提出了一种序列分位数模型平均方法（SQMA）.该方法的主要思想是在每个序列中考虑大小为1的候选模型,然后通过贝叶斯信息准则得分估计每个预测变量的权重.此方法不仅有效而且利用序列技术节约了计算机运行的损耗,更提高了模型预测的准确性和稳定性.在一些正则条件下,证明了该方法具有较好的拟合能力,减小了过度拟合问题.模拟研究和实例分析验证了所提出方法的有效性和可行性.4.对可忽略缺失数据,研究了超高维线性回归模型中的预测问题.为了提高响应变量的均值预测的准确性,提出了两步模型平均的方法.第一步是寻找候选模型,在此步中,利用逆概率加权的秩相关系数（IPWRC）,提出了一种新的筛选重要变量的方法,然后利用IPWRC值分组产生候选模型;第二步借助加权的交叉核实验证（WDCV）准则寻找每个候选模型的最优权.在一些正则条件下,证明了该筛选方法具有sure screening筛选和秩相合的性质.同时,证明了所提出的加权的交叉核实验证准则的最优性.模拟研究和实例分析验证了所提出方法的有效性和可行性.
陈萨如拉[10]（2019）在《跨季节埋管蓄热系统不同运行模式下的热特性研究》文中认为跨季节埋管蓄热技术（Borehole Thermal Energy Storage,BTES）以建筑周边地下岩土作为蓄热介质,以埋管换热器作为中间热交换设备,在非供暖期将适宜性建筑可利用低品位热源输送至地下空间进行收集蓄存,并在供暖期对所蓄存热量进行提取和跨季节利用。不同建筑体量、场地环境、水文地质等条件下,BTES建筑供热系统在具体设计上千差万别。不同类型影响因素与BTES建筑供热系统性能间存在复杂的非线性关系,井群蓄热体单元（单井）间的热交互作用及井群蓄热体与周围传热边界的热交互作用也不可避免对井群长期热特性产生影响。本文深入调研了国内外BTES建筑供热技术研究应用现状,明晰了应用中存在的一些关键科学问题,理论分析、建立并验证了BTES系统单井和井群蓄热体三维瞬态传热数学模型。同时,围绕BTES系统的设计、运行和岩土物性3类参数,筛选出共计7个因素及相应50组随机抽样设计组合。最终采用定性定量相结合的全局敏感性分析（GSA）方法,结合8种共计11个BTES系统热特性评价指标,分析并揭示了不同影响参数及组合对BTES系统蓄热、取热以及蓄热体内部复杂热交互作用影响机制。在此基础上,探索出BTES系统的应用和优化设计策略,并以北方严寒气候区典型绿色农业大棚建筑为载体,开展BTES系统实体项目设计和应用,验证上述理论、方法与相关数据的鲁棒性。首先,基于BTES系统单井蓄热体传热理论,在不同蓄热运行条件下展开单井蓄热体瞬态热特性研究。结果表明:蓄热温度对换热性能以及岩土温度变化影响程度最大,相同蓄热温度下随流速增大换热量增加幅度大幅衰减;地下岩土在径向方向上温度梯度远大于轴向方向,蓄热过程中热损失主要通过径向远边界散失。热扩散半径主要随运行时间变化,且随着运行时间变长热扩散速度变得缓慢。其次,BTES系统井群蓄热体GSA研究结果表明不同影响因素对各热特性指标影响及交互作用机制较为复杂。蓄热温度（Ti）是影响蓄热体能量密度和平均换热量的关键因素,可解释上述指标90%以上变化。Ti和井深（Dp）是影响总注入热量的主要因素,两者之和决定注入热量95%以上变化。蓄热量和取热量受Dp和井间距（Sp）影响最为明显,Dp和Sp同时解释二者约50%变化。首要关键因素Sp与蓄热率呈正相关,与热损失率呈负相关;次要关键因素岩土导热系数（Sc）与蓄热率呈负相关,与热损失率呈正相关。Ti、Sp、蓄热时间间隔（CT）和Sc四个影响因素不同形式和不同程度影响着取热率。此外,CT与注入热量和热损失呈非线性关系,当CT处于5～11.5h或大于20h时,注入热量随CT变长而增大;当CT位于11.5～15h时,热损失随CT变长而下降。顶部保温层导热系数（Uc）一阶效应指数（Sj）最大仅为0.03,说明室外环境对采取保温措施的BTES系统影响较小,上述结果可用于指导不同气候区BTES系统的设计与优化。最后,本文以典型严寒气候区农业大棚建筑为载体,进行了BTES建筑供暖系统适宜性设计和实践应用。项目所在场地条件下,技术经济性指标较优的设计方案为:蓄热温度20℃、井深70m、间距3.5m、井数为42口（6×7布置形式）,集热器面积280m2。该设计方案与传统地源热泵方案相比可将地下岩土维持在设计蓄热温度范围,有效克服了地下岩土因取排热极度不平衡导致的地温逐年下降、系统效率低下和钻孔需求量大等诸多问题,在提升BTES系统整体性能的同时大幅降低了初始投资和运行成本。
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.2 国内外研究现状与进展 |
| 1.2.1 无人机遥感在湿地植物中的应用 |
| 1.2.2 植物群落物种多样性及空间抽样方法 |
| 1.2.2.1 植物群落物种多样性测度研究现状 |
| 1.2.2.2 植物群落空间抽样设计研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容与拟探究的关键科学问题 |
| 1.3.1.1 研究内容 |
| 1.3.1.2 拟探究的科学技术问题 |
| 1.3.2 技术路线 |
| 第二章 研究区概况与研究方法 |
| 2.1 研究区概况 |
| 2.1.1 南昌市概况 |
| 2.1.2 扬子洲简介 |
| 2.2 研究数据采集 |
| 2.2.1 航拍与实地采样 |
| 2.2.2 物种重要值计算说明 |
| 2.3 研究方法 |
| 2.3.1 基于RS/GIS的数据获取与分析方法 |
| 2.3.2 数量生态学方法 |
| 2.3.3 空间抽样调查方法 |
| 2.3.4 抽样精度评估 |
| 第三章 基于UAVRS的物种多样性指数真值研究 |
| 3.1 数据采集与预处理 |
| 3.1.1 以植物物种图斑为单位的数据采集方法 |
| 3.1.2 植物栅格图层中植物高度和盖度定义 |
| 3.2 湿地植物群落物种多样性测度研究 |
| 3.2.1 无人机遥感影像解译标志建立 |
| 3.2.2 研究区植物概况 |
| 3.2.3 Shannon-Wiener物种多样性指数H'计算 |
| 3.2.3.1 植物物种重要值图层建立 |
| 3.2.3.2 Shannon-Wiener指数真值图层创建 |
| 3.3 小结 |
| 第四章 物种多样性指数抽样调查方法的对比研究 |
| 4.1 抽样调查的基本概念 |
| 4.1.1 总体(参数)和样本(统计量) |
| 4.1.2 样本容量 |
| 4.1.2.1 样本可能数量 |
| 4.1.2.2 必要样本容量 |
| 4.1.3 抽样误差 |
| 4.1.4 抽样估计 |
| 4.2 物种多样性指数描述性统计特征 |
| 4.3 物种多样性指数主客观抽样方法的对比研究 |
| 4.3.1 简单随机抽样方法 |
| 4.3.1.1 空间抽样框 |
| 4.3.1.2 简单随机抽样样本容量的确定 |
| 4.3.2 系统抽样方法 |
| 4.3.3 主观抽样方法 |
| 4.4 不同抽样方法结果比较 |
| 4.5 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 不足与展望 |
| 5.3.1 研究不足 |
| 5.3.2 展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的论文(着)及科研情况 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 抽样调查设计国内外研究进展 |
| 1.2.1 基于模型的抽样调查设计 |
| 1.2.2 抽样调查及基本抽样方法 |
| 1.2.3 计算机模拟在抽样调查设计比较与优化中的应用 |
| 1.2.4 我国在渔业资源抽样调查设计中的研究现状、应用及存在的问题 |
| 1.3 研究内容、框架和技术路线 |
| 1.3.1 研究内容和框架 |
| 1.3.2 技术路线 |
| 第二章 长江口渔业资源种类组成、环境及其季节变化 |
| 2.1 材料与方法 |
| 2.1.1 数据来源 |
| 2.1.2 研究方法 |
| 2.2 结果 |
| 2.2.1 长江口渔业资源生物种类分类学组成 |
| 2.2.2 长江口渔业资源生物种类数季节变化 |
| 2.2.3 长江口水温和盐度特征及季节变化 |
| 2.3 分析与讨论 |
| 2.3.1 种类组成与季节变化 |
| 2.3.2 水温和盐度 |
| 第三章 基于GAM模型的长江口渔业资源时空分布预测 |
| 3.1 材料与方法 |
| 3.1.1 数据来源 |
| 3.1.2 GAM |
| 3.1.3 资源密度分布预测 |
| 3.2 结果 |
| 3.2.1 预测变量的共线性检验 |
| 3.2.2 模型选择及资源密度与环境因子之间的关系 |
| 3.2.3 最佳模型的预测性能 |
| 3.2.4 资源密度时空分布预测 |
| 3.3 分析与讨论 |
| 3.3.1 GAM方法分析 |
| 3.3.2 长江口渔业资源生物资源密度空间分布及影响因素 |
| 第四章 经典抽样方法在长江口渔业资源抽样调查设计中的应用 |
| 4.1 材料与方法 |
| 4.1.1 数据来源 |
| 4.1.2 渔业资源生物类群资源密度“真实”分布 |
| 4.1.3 抽样调查设计方案 |
| 4.1.4 抽样调查设计评价指标 |
| 4.1.5 模拟过程 |
| 4.2 结果 |
| 4.2.1 不同抽样调查设计的抽样效果 |
| 4.2.2 不同抽样调查设计的相对误差 |
| 4.2.3 不同抽样调查设计的相对偏差 |
| 4.3 分析与讨论 |
| 4.3.1 最优抽样调查设计 |
| 4.3.2 抽样努力量对抽样调查精度的影响 |
| 4.3.3 调查目标的选择 |
| 第五章 基于经典抽样调查方法的最佳抽样努力量研究 |
| 5.1 材料与方法 |
| 5.1.1 数据来源 |
| 5.1.2 分析方法 |
| 5.2 结果 |
| 5.2.1 基于系统抽样的相对误差和相对偏差 |
| 5.2.2 基于分层抽样的相对误差和相对偏差 |
| 5.3 分析与讨论 |
| 5.3.1 基于系统抽样的最佳抽样努力量 |
| 5.3.2 基于分层抽样的最佳抽样努力量 |
| 第六章 断面抽样在长江口渔业资源调查中的应用 |
| 6.1 材料与方法 |
| 6.1.1 数据来源 |
| 6.1.2 分析方法 |
| 6.2 结果 |
| 6.2.1 断面数优化结果 |
| 6.2.2 断面—站位数量优化结果 |
| 6.2.3 采样站位数量已知的情况下适宜断面—站位数量组合 |
| 6.3 分析与讨论 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 主要创新点 |
| 7.3 存在的不足及研究展望 |
| 参考文献 |
| 博士期间科研成果 |
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容 |
| 1.4 研究方法 |
| 第二章 相关理论基础 |
| 2.1 空间平衡抽样理论 |
| 2.1.1 基于平衡抽样的立方体法 |
| 2.1.2 基于单元间距离抽样的局部枢轴法 |
| 2.1.3 空间双重平衡抽样法 |
| 2.2 抽样设计方案估计与评价方法 |
| 2.2.1 样本估计效率度量 |
| 2.2.2 样本空间平衡性度量 |
| 2.3 空间相关性分析理论 |
| 2.3.1 空间权重矩阵 |
| 2.3.2 空间相关性检验 |
| 2.4 本章小结 |
| 第三章 道路货物运输量统计调查现状与问题分析 |
| 3.1 道路货物运输量统计调查现状分析 |
| 3.1.1 交通运输企业一套表 |
| 3.1.2 道路货物运输量专项调查 |
| 3.2 道路货物运输量统计调查存在问题分析 |
| 3.2.1 交通运输企业一套表存在问题分析 |
| 3.2.2 道路货物运输量专项调查存在问题分析 |
| 3.3 本章小结 |
| 第四章 规模以上道路货运企业货物运输量的空间统计分析 |
| 4.1 研究总体界定及其概况 |
| 4.2 规模以上道路货运企业营运性货车运输情况分析 |
| 4.2.1 运力情况分析 |
| 4.2.2 自有自营车辆运输生产情况分析 |
| 4.3 规模以上道路货运企业货物运输量空间分异特征 |
| 4.3.1 货物运输量全局空间自相关分析 |
| 4.3.2 货物运输量局域空间自相关分析 |
| 4.4 本章小结 |
| 第五章 规模以上道路货运企业货物运输量的空间平衡抽样设计 |
| 5.1 规模以上道路运输企业货物运输量抽样设计方案 |
| 5.1.1 抽样框 |
| 5.1.2 抽样方案 |
| 5.1.3 样本量的确定 |
| 5.2 规模以上道路运输企业货物运输量抽样结果分析 |
| 5.3 道路货物运输量统计调查改进意见 |
| 5.3.1 交通运输企业一套表发展的改进意见 |
| 5.3.2 道路货物运输量抽样方法的改进意见 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 本论文的创新点 |
| 6.3 不足之处 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 发表论文 |
| 参与项目 |
| 致谢 |
| 摘要 |
| Abstract |
| 前言 |
| 内容与方法 |
| 1 研究对象 |
| 2 基本概念 |
| 2.1 抽样总体、抽样框与抽样单元 |
| 2.2 总体参数与统计量 |
| 2.3 统计量方差与抽样误差 |
| 2.4 抽样权重与设计效应 |
| 2.5 简单抽样与复杂抽样 |
| 2.6 与单元规模大小成比例的概率抽样 |
| 3 样本量计算 |
| 3.1 简单抽样 |
| 3.2 复杂抽样 |
| 4 疾病诊断标准 |
| 4.1 高血压 |
| 4.2 糖尿病 |
| 4.3 贫血 |
| 5 研究方法 |
| 5.1 抽样方案 |
| 5.2 抽样方法的评价标准 |
| 6 质量控制 |
| 7 统计方法 |
| 8 技术路线图 |
| 结果 |
| 讨论 |
| 小结 |
| 致谢 |
| 参考文献 |
| 附录 |
| 综述 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 导师评阅表 |
| 摘要 |
| abstract |
| 导论 |
| 一.研究背景 |
| 二.理论意义 |
| 三.实际意义 |
| 四.国内外研究综述 |
| 五.研究方法和基本框架 |
| 六.研究创新 |
| 第一章 设计效应及其影响因素分析 |
| 第一节 分析框架和术语符号 |
| 第二节 调查变量的影响 |
| 一.调查变量影响的仿真策略 |
| 二.调查变量影响仿真结果 |
| 三.调查变量影响的分析与结论 |
| 第三节 估计量的影响 |
| 一.估计量影响的仿真策略 |
| 二.估计量影响的仿真结果 |
| 第四节 抽样方法的影响 |
| 一.抽样方法影响的分析策略 |
| 二.抽样方法影响的分析结果 |
| 第五节 样本量和量纲的影响 |
| 一.样本量和量纲影响的仿真策略 |
| 二.样本量和量纲影响的仿真结果 |
| 本章小结 |
| 第二章 基于设计的设计效应测算 |
| 第一节 基于设计的方差估计方法 |
| 一.Taylor线性化方法 |
| 二.刀切法 |
| 第二节 复杂样本下简单随机抽样方差的估计问题 |
| 一.基于复杂样本的简单随机抽样方差的简单估计的偏差分析 |
| 二.基于复杂样本的简单随机抽样方差的无偏估计 |
| 三.简单估计和无偏估计的对比 |
| 四.无偏估计的尴尬 |
| 第三节 基于设计的设计效应测算方法 |
| 一.简单估计的适用范围 |
| 二.原始刀切法的新用途 |
| 三.基于设计的设计效应测算框架 |
| 四.仿真研究 |
| 本章小结 |
| 第三章 基于模型的设计效应的分解 |
| 第一节 基本超总体模型 |
| 第二节 单因素设计效应 |
| 一.类集效应 |
| 二.加权效应 |
| 三.分层效应 |
| 第三节 组合设计效应 |
| 一.类集与加权的组合效应 |
| 二.分层与类集的组合效应 |
| 三.分层与加权的组合效应 |
| 四.分层、类集和加权三因素组合效应 |
| 第四节 仿真研究 |
| 一.仿真策略 |
| 二.仿真步骤 |
| 三.仿真结果 |
| 本章小结 |
| 第四章 基本公式不适用的情况下设计效应的计算问题研究 |
| 第一节 分层加权组合设计效应计算公式的修正 |
| 一.低估的定位 |
| 二.低估的原因 |
| 三.组合效应计算公式的修正 |
| 第二节 权与变量相关时的加权效应 |
| 一.加权单因素设计效应公式 |
| 二.加权单因素设计效应公式的仿真研究 |
| 第三节 三阶段抽样下类集效应的计算问题 |
| 一.三阶段抽样下类集效应计算公式 |
| 二.三阶段抽样下类集效应计算公式仿真研究 |
| 第四节 多层估计下设计效应的合成问题 |
| 一.各域采取同类抽样设计时的设计效应合成问题 |
| 二.分层抽样时各层设计效应的合成问题 |
| 三.设计效应合成公式的仿真研究 |
| 本章小结 |
| 第五章 基于模型的设计效应测算和应用 |
| 第一节 设计效应测算问题 |
| 一.基本公式中参数的估计问题 |
| 二.特殊情形下设计效应计算公式中参数的估计问题 |
| 第二节 基于真实数据的设计效应测算 |
| 一.数据介绍和抽样准备 |
| 二.基本抽样方法的设计效应 |
| 三.复杂抽样的设计效应 |
| 四.对减小设计效应的意见建议 |
| 本章小结 |
| 结语 |
| 一.研究结论 |
| 二.不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容和结构安排 |
| 第二章 空间抽样理论基础 |
| 2.1 空间抽样的两种理论框架 |
| 2.2 基于设计的抽样理论基础 |
| 2.3 空间均衡抽样理论 |
| 第三章 SCPSA抽样法及其性质 |
| 3.1 抽样过程的超立方体表示 |
| 3.2 SCPS抽样法 |
| 3.3 空间各向异性 |
| 3.4 SCPSA抽样法 |
| 3.5 SCPSA抽样法的方差估计问题 |
| 3.6 数值实验 |
| 3.6.1 实验设计 |
| 3.6.2 实验结果及分析 |
| 第四章 SCPSA抽样算法在开放街景地图中的应用 |
| 4.1 VGI质量评价指标的计算 |
| 4.2 开放街景地图简介 |
| 4.3 SCPSA算法在OSM中的应用 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题的提出 |
| 1.2 国内外研究现状 |
| 1.2.1 变量选择 |
| 1.2.2 变量筛选 |
| 1.2.3 响应有偏抽样设计 |
| 1.2.4 模型平均方法 |
| 1.3 本文主要工作及创新点 |
| 第二章 超高维大规模非平衡数据的融合变量筛选 |
| 2.1 引言 |
| 2.2 非平衡二分类变量的融合筛选 |
| 2.3 非平衡多分类响应变量的融合筛选 |
| 2.4 模拟研究 |
| 2.5 实例分析 |
| 2.6 定理证明 |
| 2.7 本章小结 |
| 第三章 超高维异质性分类数据的自适应分类变量筛选 |
| 3.1 引言 |
| 3.2 前瞻性样本下自适应分类变量筛选 |
| 3.3 响应有偏抽样下的自适应分类筛选 |
| 3.4 模拟研究 |
| 3.5 实例分析 |
| 3.6 定理证明 |
| 3.7 本章小结 |
| 第四章 超高维分位数回归的模型平均方法 |
| 4.1 引言 |
| 4.2 分位数回归的模型平均方法 |
| 4.3 分位数回归的单变量模型平均方法 |
| 4.4 分位数回归的序列模型平均方法 |
| 4.5 模拟研究 |
| 4.6 实例分析 |
| 4.7 定理证明 |
| 4.8 本章小结 |
| 第五章 带有可忽略缺失数据的超高维回归的模型平均方法 |
| 5.1 引言 |
| 5.2 模型平均方法 |
| 5.3 渐近性质 |
| 5.3.1 惩罚似然估计γ的性质 |
| 5.3.2 模型平均方法的渐近性质 |
| 5.4 逆概率的秩相合筛选 |
| 5.5 模拟研究 |
| 5.6 实例分析 |
| 5.7 定理证明 |
| 5.8 本章小结 |
| 第六章 总结及展望 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 建筑能耗综述 |
| 1.1.2 我国建筑供暖现状与趋势 |
| 1.1.3 跨季节蓄热技术发展 |
| 1.2 地下跨季节蓄热及建筑供热系统 |
| 1.2.1 BTES系统原理及建筑供热系统 |
| 1.2.2 WTES系统原理及建筑供热系统 |
| 1.2.3 ATES系统原理及建筑供热系统 |
| 1.2.4 GWES系统原理及建筑供热系统 |
| 1.2.5 四种地下跨季节蓄热系统对比分析 |
| 1.3 BTES技术关键问题国内外研究现状 |
| 1.3.1 BTES技术应用研究现状 |
| 1.3.2 BTES技术理论研究现状 |
| 1.3.3 BTES系统与GSHP系统边界 |
| 1.3.4 现有研究的借鉴与局限性 |
| 1.4 研究目的与意义 |
| 1.5 研究内容 |
| 1.5.1 课题来源 |
| 1.5.2 主要内容 |
| 1.6 研究方法与技术路线 |
| 1.6.1 研究方法 |
| 1.6.2 技术路线 |
| 第2章 跨季节埋管蓄热系统单井蓄热体模型及热特性分析 |
| 2.1 BTES系统单井蓄热体几何模型 |
| 2.1.1 ANSYS软件介绍 |
| 2.1.2 几何模型 |
| 2.1.3 网格划分 |
| 2.2 BTES系统单井蓄热体数学模型 |
| 2.2.1 单井传热过程 |
| 2.2.2 钻孔内部传热模型 |
| 2.2.3 钻孔外部传热模型 |
| 2.2.4 单值性条件 |
| 2.3 BTES系统单井蓄热体模型验证 |
| 2.3.1 网格独立性验证 |
| 2.3.2 模型简化假设验证 |
| 2.3.3 热响应实验验证 |
| 2.3.4 单井沙箱实验验证 |
| 2.4 BTES系统单井蓄热体热特性结果与分析 |
| 2.4.1 不同运行条件下换热性能分析 |
| 2.4.2 不同运行条件下瞬态温度分布 |
| 2.5 本章小结 |
| 第3章 跨季节埋管蓄热系统的影响因素及敏感性分析方法 |
| 3.1 影响因素筛选与范围确定 |
| 3.1.1 影响因素筛选 |
| 3.1.2 影响因素范围确定 |
| 3.2 抽样设计 |
| 3.2.1 抽样设计方法 |
| 3.2.2 抽样设计结果 |
| 3.3 全局敏感性分析方法选取 |
| 3.3.1 概念及分类 |
| 3.3.2 全局敏感性分析方法选用 |
| 3.3.3 因素间相关性分析 |
| 3.4 全局敏感性分析技术路线与结果表达 |
| 3.4.1 技术路线 |
| 3.4.2 结果表达 |
| 3.5 本章小结 |
| 第4章 跨季节埋管蓄热系统井群模型及其热特性 |
| 4.1 BTES系统井群布置形式 |
| 4.2 BTES系统井群数学模型 |
| 4.2.1 BTES井群几何模型 |
| 4.2.2 单值性条件 |
| 4.2.3 时间步长独立性验证 |
| 4.2.4 井群沙箱实验验证 |
| 4.3 BTES系统热特性评价指标 |
| 4.4 蓄热阶段全局敏感性结果与分析 |
| 4.4.1 总注入热量(IH) |
| 4.4.2 蓄热量(SH)和蓄热率(SE) |
| 4.4.3 热损失(HL)和热损失率(HLP) |
| 4.4.4 能量密度(ED1) |
| 4.4.5 平均换热量(HTR) |
| 4.5 取热阶段全局敏感性结果与分析 |
| 4.5.1 取热量(HE) |
| 4.5.2 取热率-1(EP1) |
| 4.5.3 取热率-2(EP2) |
| 4.5.4 能量密度(ED2) |
| 4.6 本章小结 |
| 第5章 跨季节埋管蓄热建筑供暖系统在农业大棚建筑中的设计应用 |
| 5.1 乌海市某农业大棚BTES建筑供暖项目工程概况 |
| 5.1.1 农业大棚建筑介绍 |
| 5.1.2 DeST-h软件简介 |
| 5.1.3 农业大棚建筑供暖负荷计算 |
| 5.2 BTES供暖末端系统设计 |
| 5.3 BTES供暖系统设计优化 |
| 5.3.1 BTES供热系统工作模式介绍 |
| 5.3.2 基准供暖设计方案 |
| 5.3.3 BTES与热泵耦合系统供暖方案优化设计 |
| 5.4 供暖方案优化结果与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 主要符号及缩略语 |
| 附录 |
| 致谢 |
