科学网—标签

相关帖子	版块	作者	回复/查看	最后发表

Babituo 2020-6-20 10:47

用一个函数来刻画的橡皮筋的形状，就得到一个有结构的空间。那么，对函数又能怎么理解？变量被固定端点拉直的橡皮筋，会和一根直线重叠，以这根直线为数轴，橡皮筋可沿直线无限拉伸，所以橡皮筋本身就可以代表一个数轴：一个一维的平直空间。以橡皮筋上的一个参考点为原点 0，那么，橡皮筋上任意一点的位置可用变量X来表示。 X点离原点的距离x，那么X = x就可代表这个1维平直空间上的任意一个位置。所以，一个变量，就可以代表一根拉直的橡皮筋：一个平直的一维空间。分布假设在拉直的一条橡皮筋 A的基础上，再来一根橡皮筋拉直的B与之重合。那么 B橡皮筋上的每一点与A橡皮筋的重合点之间的距离等于0。如果认为 B是A上的一个分布，那么，A上的每一个点都对应“分布”着B的一个点；也就是 A的每个点都分布着一个距离值，总是0。也就是 A上的每一个点，移动这个分布的距离值0，就会和B上的对应点重合。函数用变量 Y来表示B上每一点和A的重叠点的距离，那么Y=0，就是B橡皮筋的位置。假若 B整体在A上方距离为1的位置，那么，Y=1,才是B橡皮筋的位置。那么， A上的每一点都移动距离y=1，才和对应B上的点重合，也就是 A的每一点分布数值1，就得到B对应点的位置。假若 A上的每一点移动的距离都不同，都等于该点到原点的距离x。那么， y=x,就是B橡皮筋每一点的位置。这里，我们就得到一个函数： y=x。变换从表面的理解：函数是变量之间的计算约束关系的表示。用分布来理解，函数是空间上的一个分布关系。用变换来理解，函数是空间的一个变换关系。由此可以得知：任何空间，都可以是在基本的空间上的一个分布；任何空间，都可以是相对基本空间的一个变换。决定这个分布或变换的关系，就是函数。几何空间由于最基本的空间是拓扑空间，拓扑空间没有函数。所以，拓扑空间每 “附体”一个函数，就是用该函数来约束点间的位置关系；就是用该函数来规定一种变换规则；就是用该函数来计算一个分布；就得到一以该函数为结构的几何空间。由于函数是一种可计算的关系（公式），所以，几何空间是可计算的。

个人分类: 虚构开放世界|2358 次阅读|0 个评论

0.999…=1的赞歌

hangmegn 2020-6-17 13:43

0.999…=1的赞歌大罕每一个9，都饱含深情，无穷个9，朝理想挺进。量变，终有质的飞跃，变量，在数学天地升腾。一尺之棰，日取其半，万世不竭… 无穷小量，化曲为直，美妙绝伦。微微积积，大珠小珠落玉盘。寂寂廖廖，野渡无人舟自横。一沙一石，摩天大厦巍峨立，万紫千红，回眸一笑百媚生。 2020-6-20

个人分类: 数学诗|1768 次阅读|0 个评论

提取变量中的字符

tao164411096 2018-7-8 22:15

_Year=2016 _yr=${_Year:2:2} //第一个2表示从变量{_Year}中左边第三个开始提取,第二个2表示总共提取2个字符运行结果：_yr=16 例： #!/bin/bash var=123456789 echo ${var:0:4} 运行结果：1234

个人分类: shell/bat|1565 次阅读|0 个评论

Linux awk: print中存在变量的情况

zhoufcumt 2017-5-22 17:33

对于awk '{print $icol}' temp.txt打印文件中第icol（icol为变量）列的情况，可通过下述方法实现： @ icol = 8 awk -v t= ${icol} '{print $t}' temp.txt

个人分类: LINUX|3276 次阅读|0 个评论

[转载]变量值交换

xyzg198891 2016-11-2 17:20

这篇文章主要介绍了Python中变量交换的例子,Python中的变量交换不需要临时变量,一个等号即可实现变量的交换,非常方便,需要的朋友可以参考下 Python追求简洁，诞生不少运算赋值规则，力求从简，其中就包括两个或者多个变量交换值。普通语言中复制代码代码如下: # 声明变量 a=50 b=10 # 开始交换，先把其中一个值赋给临时变量，然后才能实现交换变量。 tmp = a a = b b = tmp 在Python中，实现两个变量值交换非常方便复制代码代码如下: # 声明变量 a=50 b=10 # 开始交换变量 a,b = b,a 甚至可以多个变量同时交换复制代码代码如下: a=50 b=10 c=20 c,b,a = a,b,c 一个运算符就搞定多个变量值互换！

个人分类: Python|3 次阅读|0 个评论

[转载]Python变量

xyzg198891 2016-10-18 21:59

一、Python 变量类型简介 1、Python中变量的特点：我们知道，在 Python 中，变量有如下的特点：（1）变量不需要声明 Python的变量不需要声明，你可以直接输入： view plain copy print ? a = 10 那么你的内存里就有了一个变量a，它的值是10，它的类型是integer (整数)。在此之前你不需要做什么特别的声明，而数据类型是Python自动决定的。 view plain copy print ? print a print type(a) 那么会有如下输出： view plain copy print ? 10 type 'int' 这里，我们学到一个内置函数type(), 用以查询变量的类型。（2）回收变量名如果你想让a存储不同的数据，你不需要删除原有变量就可以直接赋值。 view plain copy print ? a = 1.3 print a,type(a) 会有如下输出 view plain copy print ? 1.3 type 'float' 我们看到print的另一个用法，也就是print后跟多个输出，以逗号分隔。总结：在Python中，变量不需要声明，不需要删除，可以直接回收适用。type()用于查询数据类型 2、关于变量类型需要注意以下几点：（1）变量存储在内存中的值。这就意味着在创建变量时会在内存中开辟一个空间。（2）基于变量的数据类型，解释器会分配指定内存，并决定什么数据可以被存储在内存中。因此，变量可以指定不同的数据类型，这些变量可以存储整数，小数或字符。二、变量赋值在Python中，变量赋值需要注意以下几点： 1、Python中的变量不需要声明，变量的赋值操作既是变量声明和定义的过程。 2、每个变量在内存中创建，都包括变量的标识，名称和数据这些信息。 3、每个变量在使用前都必须赋值，变量赋值以后该变量才会被创建。 4、等号（=）用来给变量赋值。 5、等号（=）运算符左边是一个变量名,等号（=）运算符右边是存储在变量中的值。例子： view plain copy print ? #!/usr/bin/python counter = 100 # An integer assignment miles = 1000.0 # A floating point name = John # A string print counter print miles print name 说明：以上实例中，100，1000.0和John分别赋值给counter，miles，name变量。执行以上程序会输出如下结果： view plain copy print ? 100 1000.0 John 三、多个变量赋值 Python允许同时为多个变量赋值。例如： view plain copy print ? a = b =c = 1 以上实例，创建一个整型对象，值为1，三个变量被分配到相同的内存空间上。通过下面的方法可以查看到3个变量分配的内存空间： view plain copy print ? a = b =c = 1 id (a) 149044656 id (b) 149044656 id (c) 149044656 您也可以为多个对象指定多个变量。例如： view plain copy print ? a, b, c = 1 , 2 , john 以上实例，两个整型对象1和2的分配给变量a和b，字符串对象john分配给变量c。四、标准数据类型在内存中存储的数据可以有多种类型。例如，person.s年龄作为一个数值存储和他或她的地址是字母数字字符存储。 Python有一些标准类型用于定义操作上，他们和为他们每个人的存储方法可能。 Python有五个标准的数据类型： 1、 Numbers（数字） 2、String（字符串） 3、List（列表） 4、Tuple（元组） 5、Dictionary（字典）五、Python数字 1、数字数据类型用于存储数值。他们是不可改变的数据类型，这意味着改变数字数据类型会分配一个新的对象。当你指定一个值时，Number对象就会被创建： view plain copy print ? var1 = 1 var2 = 10 您也可以使用del语句删除一些对象引用。 del语句的语法是： view plain copy print ? del var1 ]]] 您可以通过使用del语句删除单个或多个对象。例如： view plain copy print ? del var del var_a, var_b 2、Python支持四种不同的数值类型：（1）int（有符号整型）（2）long（长整型）（3）float（浮点型）（4）complex（复数） 3、实例一些数值类型的实例： int long float complex 10 51924361L 0.0 3.14j 100 -0x19323L 15.20 45.j -786 0122L -21.9 9.322e-36j 080 0xDEFABCECBDAECBFBAEl 32.3+e18 .876j -0490 535633629843L -90. -.6545+0J -0x260 -052318172735L -32.54e100 3e+26J 0x69 -4721885298529L 70.2-E12 4.53e-7j 注意：（1）长整型也可以使用小写L，但是还是建议您使用大写L，避免与数字1混淆。Python使用L来显示长整型。（2）Python还支持复数，复数由实数部分和虚数部分构成，可以用a + bj,或者complex(a,b)表示，复数的实部a和虚部b都是浮点型六、Python字符串 1、字符串或串(String)是由数字、字母、下划线组成的一串字符。一般记为 : view plain copy print ? s= a1a2···an (n= 0 ) 它是编程语言中表示文本的数据类型。 2、python的字串列表有2种取值顺序: （1）从左到右索引默认0开始的，最大范围是字符串长度少1 （2）从右到左索引默认-1开始的，最大范围是字符串开头如果你的实在要取得一段子串的话，可以用到变量，就可以截取相应的字符串，其中下标是从0开始算起，可以是正数或负数，下标可以为空表示取到头或尾。比如: view plain copy print ? s = 'ilovepython' s 的结果是love。当使用以冒号分隔的字符串，python返回一个新的对象，结果包含了以这对偏移标识的连续的内容，左边的开始是包含了下边界。上面的结果包含了s 的值l，而取到的最大范围不包括上边界，就是s 的值p。加号（+）是字符串连接运算符，星号（*）是重复操作。 3、实例： view plain copy print ? #!/usr/bin/python str = 'Hello World!' print str # 输出完整字符串 print str # 输出字符串中的第一个字符 print str # 输出字符串中第三个至第五个之间的字符串 print str # 输出从第三个字符开始的字符串 print str * 2 # 输出字符串两次 print str + TEST # 输出连接的字符串以上实例输出结果： view plain copy print ? # ./test5.py Hello World! H llo llo World! Hello World!Hello World! Hello World!TEST 七、Python列表 List（列表）是 Python 中使用最频繁的数据类型。关于列表需要注意的事项如下： 1、列表可以完成大多数集合类的数据结构实现。它支持字符，数字，字符串甚至可以包含列表（所谓嵌套）； 2、列表用标识。是python最通用的复合数据类型； 3、列表中的值得分割也可以用到变量，就可以截取相应的列表，从左到右索引默认0开始的，从右到左索引默认-1开始，下标可以为空表示取到头或尾。 4、加号（+）是列表连接运算符，星号（*）是重复操作。如下实例： view plain copy print ? #!/usr/bin/python list = tinylist = print list # 输出完整列表 print list # 输出列表的第一个元素 print list # 输出第二个至第三个的元素 print list # 输出从第三个开始至列表末尾的所有元素 print tinylist * 2 # 输出列表两次 print list + tinylist # 打印组合的列表以上实例输出结果： view plain copy print ? # ./test6.py abcd 八、Python元组元组是另一个数据类型，类似于List（列表）。元组用()标识。内部元素用逗号隔开。但是元素不能二次赋值，相当于只读列表。例子： view plain copy print ? #!/usr/bin/python tuple = ( 'abcd' , 786 , 2.23 , 'john' , 70.2 ) tinytuple = ( 123 , 'john' ) print list # 输出完整列表 print list # 输出列表的第一个元素 print list # 输出第二个至第三个的元素 print list # 输出从第三个开始至列表末尾的所有元素 print tinylist * 2 # 输出列表两次 print list + tinylist # 打印组合的列表以上实例输出结果： view plain copy print ? ( 'abcd' , 786 , 2.23 , 'john' , 70.200000000000003 ) abcd ( 786 , 2.23 ) ( 2.23 , 'john' , 70.200000000000003 ) ( 123 , 'john' , 123 , 'john' ) ( 'abcd' , 786 , 2.23 , 'john' , 70.200000000000003 , 123 , 'john' ) 以下是元组无效的，因为元组是不允许更新的。而列表是允许更新的： view plain copy print ? #!/usr/bin/python tuple = ( 'abcd' , 786 , 2.23 , 'john' , 70.2 ) list = tuple = 1000 # 元组中是非法应用 list = 1000 # 列表中是合法应用九、Python元字典字典(dictionary)是除列表意外python之中最灵活的内置数据结构类型。列表是有序的对象结合，字典是无序的对象集合。 1、字典与列表的区别在于：字典当中的元素是通过键来存取的，而不是通过偏移存取。 2、字典用{ }标识。字典由索引(key)和它对应的值value组成。例子： view plain copy print ? #!/usr/bin/python dict = {} dict = This is one dict = This is two tinydict = { 'name' : 'john' , 'code' : 6734 , 'dept' : 'sales' } print dict # 输出键为'one' 的值 print dict # 输出键为 2 的值 print tinydict # 输出完整的字典 print tinydict.keys() # 输出所有键 print tinydict.values() # 输出所有值输出结果为： view plain copy print ? This is one This is two { 'dept' : 'sales' , 'code' : 6734 , 'name' : 'john' } 十、Python数据类型转换有时候，我们需要对数据内置的类型进行转换，数据类型的转换，你只需要将数据类型作为函数名即可。以下几个内置的函数可以执行数据类型之间的转换。这些函数返回一个新的对象，表示转换的值。函数描述 int(x ) 将x转换为一个整数 long(x ) 将x转换为一个长整数 float(x) 将x转换到一个浮点数 complex(real ) 创建一个复数 str(x) 将对象 x 转换为字符串 repr(x) 将对象 x 转换为表达式字符串 eval(str) 用来计算在字符串中的有效Python表达式,并返回一个对象 tuple(s) 将序列 s 转换为一个元组 list(s) 将序列 s 转换为一个列表 set(s) 转换为可变集合 dict(d) 创建一个字典。d 必须是一个序列 (key,value)元组。 frozenset(s) 转换为不可变集合 chr(x) 将一个整数转换为一个字符 unichr(x) 将一个整数转换为Unicode字符 ord(x) 将一个字符转换为它的整数值 hex(x) 将一个整数转换为一个十六进制字符串 oct(x) 将一个整数转换为一个八进制字符串

个人分类: Python|4 次阅读|0 个评论

火灾事故之特殊性

热度 1 dfedhw 2016-3-6 17:55

在各类灾害事故中，从灾害损失与持续时间二者之间的关系来衡量，火灾算得上是一种尤为特殊的现象，也恰恰因为这点特殊性，为火灾事故的减损提供了各种机会及可能。从天灾来看，地震、洪水、台风、海啸、虫灾、疫情、沙尘暴、森林火灾、火山喷发等，在强大的自然力面前，人们用以应对的技术和能力确实有限。人为灾害按照专业类别大致可分为机械力学事故（如交通、坠落、坠物、淹溺、机械挤压撞击、坍塌倾倒等，均可视作违背了力学原理），电气事故（如短路和触电，均可视作违背了电学原理）、化学品事故（如爆炸、火灾、中毒及烧烫伤，均可视作违背了化学反应原理）。在大部分人为灾害事故中，物的不安全因素长期存在或是经过长期的演化，在一定外界因素和违章行为的诱发下，突然成灾，事故损失的大小在这一瞬间几乎已成定局，与随后持续的时间关系不大，也就是说，这类事故一旦发生，所造成的损失立刻呈现，且相对固定，既无法减轻，也不太容易继续扩大。那么对于这类事故的防范重点更多地体现在提前预防事故发生及后续的人员防护及救治方面，也就是在通常所称的事故前和事故后两个时间段有所作为。而火灾非常特殊的一点在于：一起火灾最终的损失大小与其持续时间成正比甚至是指数级关系，也就是说：火灾事故一旦发生，并不可怕，可怕的是其持续时间无休止的延长，而在这个未知的时间段里，反过来就为事故减损提供了无限可能，这也正是火灾同一般事故的区别所在。一般事故的防范重心在事故前，因为事故一旦发生，灾难的后果瞬间涌现，几乎不会再有回旋的余地；而火灾事故的灾难后果是与时间密切相关的变量，因此从防范策略来看，有别于一般事故，防范重心完全可以向后移，兵来将挡水来土掩，从日常根本性地杜绝火灾现象转变为加强起火过程控制，无需过多在意“兵”和“水”来或不来，从而在控制其燃烧持续时间的过程中做文章。

3294 次阅读|2 个评论

马尾松毛虫精细化预报建模变量筛选

zhguoqin 2015-6-28 14:02

点击下载原文： 01 马尾松毛虫精细化预报建模变量筛选.doc 马尾松毛虫精细化预报建模变量筛选张国庆（安徽省潜山县林业局安徽 246300 ） 1. 马尾松毛虫发生概况（ 1 ）潜山县自然概况潜山县位于安徽省西南部，大别山东南麓，总面积 1696km 2 ，辖 16 个乡镇、 1 个国家级风景名胜区、 2 个省级经济开发区和 1 个省级旅游度假区， 185 个村（居）。潜山地处中纬度地带，属北亚热带季风侯区，四季分明，气候温和，雨量充沛，年平均温度 16.4 ℃ ，一月份平均气温在 3.7 ℃ ，七月份平均气温在 28.4 ℃ 。年降水量为 1368.4mm 。潜山县典型地带性的植被类型为中亚热带常绿阔叶林带，属于华东植物区系，地带性的植被型为中亚热带常绿阔叶林带，是垂直带谱的基带。全县主要植被分为常绿阔叶林，常绿、落叶阔叶混交林，针阔混交林，针叶林，灌丛及人工植被。潜山县森林资源丰富，林业用地总面积 93883.9hm 2 ，有林地面积 86608 hm 2 ，林木总蓄积量 374.59 万 m 3 ，森林覆盖率 51.33% 。在有林地中，松林面积 69841.8 hm 2 ，占有林地的 80.64 ％，松林蓄积量 334.09 万 m 3 ，占活立木总蓄积的 89.19% 。（ 2 ）马尾松毛虫历年发生情况潜山县属于马尾松毛虫 2 ～ 3 代类型区，马尾松毛虫是潜山县历史性森林病虫害。据潜山县志记载，建国前， 1746 年（乾隆十一年）、 1920 年、 1931 年、 1941 年潜山县松毛虫大发生， “ 毛虫身长三寸许，食针叶，树死如烧 ” 。建国后，潜山县每年均有马尾松毛虫发生，其中大发生面积超过 1 万 hm 2 的年份有 1953 年、 1963 年、 1977 年～ 1988 年、 1994 年、 1996 年、 2002 年、 2003 年、 2010 年。（ 2 ）马尾松毛虫发生区域潜山县南部丘陵地区为马尾松毛虫常灾区，一般年份都有低虫口存在，但不形成灾害，其中黄铺镇的陈桥村、云峰村和痘姆乡的求知村虫口密度较高，采取一定的防治措施后，也不成灾。在大发生年份，潜山县的北部低山区，危害比较严重，为偶发区。在距丘陵地区较远的深山区为安全区，松毛虫不会发生危害。（ 2 ）马尾松毛虫发生周期由于传统的化防对环境，尤其是松毛虫天敌造成的伤害，在潜山县，马尾松毛虫呈周期性大发生，大发生周期一般为 7~11 年，随着气温的升高，马尾松毛虫发生期稍稍提前。（ 3 ）潜山县马尾松毛虫生活史按照 20 世纪海拔 100m 处观测数据，潜山县马尾松毛虫第一代在 6 月 6 日开始出现少数幼虫， 6 月 15 日卵孵化基本结束。卵孵化高峰期在 6 月 9 至 12 日。 7 月 20 日老熟幼虫开始结茧，结茧盛期在 8 月 1 日至 3 日， 8 月 10 日结茧基本结束。 8 月 6 日少数成虫出现。成虫高峰期（羽化、产卵期）在 8 月 11 日至 13 日。 8 月 16 日产卵基本结束。第二代幼虫于 8 月 28 日少数出现。 9 月份各虫态都有，但大部分都是一至二龄幼虫。霜降后幼虫早晚或气温低于 10 ℃ 时停止取食，三龄幼虫钻树皮缝或树梢群集或在幼树基部草丛中越冬。上一年第二代幼虫于第二年春气温高于 10 ℃ 以上开始上树取食，因此，在第二年，这一代马尾松毛虫又叫越冬代马尾松毛虫。 4 月 30 日越冬代少数幼虫开始结茧，结茧盛期在 5 月 14 日至 16 日， 5 月 20 日结茧基本结束。 5 日 18 日少数成虫出现，成虫高峰期在 5 月 28 日至 30 日。 6 月 6 日第一代幼虫开始再现。海拔每升高 100 米，虫态变化向后推迟 1 天左右。 2. 数据来源马尾松毛虫发生量、发生期数据来源于潜山县监测数据，气象数据来源于国家气候中心。 3. 数据预处理为了体现马尾松毛虫发生发展时间上的完整性，在数据处理时，将越冬代数据与上一年第二代数据合并，这样，就在时间上保持了一个马尾松毛虫世代的完整性，更便于建模和预测。（ 1 ）气象数据处理根据《松毛虫综合管理》、《中国松毛虫》等学术资料以及近年来有关马尾松毛虫监测预报学术论文，初步选择与松毛虫发生量、发生期有一定相关性气象因子，包括卵期极低气温，卵期平均气温，卵期积温（日度），卵期降雨量，第 1 、 2 龄极低气温，第 1 、 2 龄平均气温，第 1 、 2 龄积温（日度），第 12 龄降雨量，幼虫期极低气温，幼虫期平均气温，幼虫期积温（日度），幼虫期降雨量，世代极低气温，世代平均气温，世代积温（日度），世代降雨量共 16 个变量。将来自于国家气候中心的气象原始数据，按年度分世代转换成上述 16 个变量数据系列，如表 2 。（ 2 ）发生量数据处理为了在建模时分析发生强度，在对潜山县 1983 ～ 2014 年原始监测数据预处理时，按照“轻”、“中”、“重” 3 个强度等级，分类按世代逐年汇总，如表 3 。（ 3 ）发生期数据处理首先，在对潜山县 1983 ～ 2014 年原始发生期监测数据按世代逐年汇总，如表 4 。然后，对表 4 中日期数据转换成日历天（如表 5 ），使之数量化，以便于建模分析。 4. 相关性分析对有害生物来说，温度、湿度、降水、光和风等气候因子对有害生物各有特殊的的作用方式，它们对有害生物的影响不是孤立地，而是在其相互作用下，与天敌、寄主等因子在一起，共同影响着有害生物的发生发展进程。据陈昌杰、薛贤清、张国庆、李新航等研究，对马尾松毛虫发生起主导影响作用的气象因子是平均气温、降水量、相对湿度，而且平均气温＞降水量＞相对湿度。其中温度直接影响马尾松毛虫的世代、生长发育、栖息、繁殖以及生存，而且还间接作用于天敌因子的消长、食料植物的生理代谢以及环境条件的变化，还影响到马尾松毛虫的数量变动和地理分布。宋宏伟、莫建华、张国庆、易明生等通过马尾松毛虫生命表研究表明，湿度和降雨则作用于马尾松毛虫的生长发育、繁殖力和死亡率，一般地说，低湿能抑制虫体新陈代谢而延滞发育，高湿能促进新陈代谢而加速发育。具体于潜山县马尾松毛虫监测数据来说，由于第一代与第二代之间同一虫态气温数据差异性较大，所以在进行相关性分析与建模时，将两个世代分开进行，以减少数据间不必要的噪音干扰。此外，对于第一代来说，“卵期极低气温”与“世代极低气温”、“第 1 、 2 龄极低气温”与“幼虫期极低气温”基本相同，在建模时只采用前者，即“卵期极低气温”与“第 1 、 2 龄极低气温”，对于第二代来说，“幼虫期极低气温”与“世代极低气温”基本相同，在建模时只采用“幼虫期极低气温”。（ 1 ）第一代发生量 - 气象因子相关性分析根据上述前人研究成果，结合潜山县防治实践，我们对第一代发生量与上一代防治面积，上一代防治效果，卵期极低气温，卵期降雨量，第 1 、 2 龄极低气温，第 1 、 2 龄降雨量，幼虫期降雨量，世代降雨量相关性进行分析： PARTIAL CORR /VARIABLES= 发生面积合计上一代防治面积上一代防治效果卵期极低气温卵期降雨量第 12 龄极低气温第 12 龄降雨量幼虫期降雨量世代降雨量 BY 轻度发生中度发生重度发生 /SIGNIFICANCE=TWOTAIL /STATISTICS=DESCRIPTIVES CORR /MISSING=LISTWISE. 分析结果如表 6 、表 7 ：从表 6 、表 7 中，我们发现，对于第一代发生量来说，其相关性绝对值第 1 、 2 龄极低气温卵期极低气温上一代防治效果上一代防治面积第 1 、 2 龄降雨量幼虫期降雨量卵期降雨量世代降雨量，基于潜山县监测数据的相关性分析结果与上述前人研究结论基本一致。（ 2 ）第二代发生量 - 气象因子相关性分析同样地，我们对第二代发生量与上一代防治面积，上一代防治效果，卵期极低气温，卵期降雨量，第 1 、 2 龄极低气温，第 1 、 2 龄降雨量，幼虫期降雨量，世代降雨量相关性进行分析： GET FILE='F:\ 精细化课题 \2015 年度成果 \ 建模数据 \01 相关分析数据 \ 相关分析发生量数据第 2 代 .sav'. DATASET NAME 数据集 1 WINDOW=FRONT. PARTIAL CORR /VARIABLES= 发生面积合计上一代防治面积上一代防治效果卵期极低气温卵期降雨量第 12 龄极低气温第 12 龄降雨量幼虫期极低气温幼虫期降雨量世代降雨量 BY 轻度发生中度发生重度发生 /SIGNIFICANCE=TWOTAIL /STATISTICS=DESCRIPTIVES CORR /MISSING=LISTWISE. 分析结果如表 8 、表 9 ：从表 8 、表 9 中，我们发现，对于第二代发生量来说，其相关性绝对值世代降雨量第 1 、 2 龄极低气温幼虫期降雨量上一代防治面积卵期极低气温幼虫期极低气温上一代防治效果第 1 、 2 龄降雨量卵期降雨量，与第一代发生量略有不同。（ 3 ）第一代发生期 - 气象因子相关性分析我们对第一代发生期与卵始见期，卵高峰期，幼虫始见期，幼虫高峰期，蛹始见期，蛹高峰期，成虫始见期，成虫高峰期，卵期极低气温，卵期平均气温，卵期积温，第 1 、 2 龄极低气温，第 1 、 2 龄平均气温，第 1 、 2 龄积温，幼虫期平均气温，幼虫期积温，幼虫期降雨量相关性进行分析： GET FILE='F:\ 精细化课题 \2015 年度成果 \ 建模数据 \01 相关分析数据 \ 相关分析发生期数据第 1 代 .sav'. DATASET NAME 数据集 1 WINDOW=FRONT. PARTIAL CORR /VARIABLES= 卵始见期卵高峰期幼虫始见期幼虫高峰期蛹始见期蛹高峰期成虫始见期成虫高峰期卵期极低气温卵期平均气温卵期积温日度第 12 龄极低气温第 12 龄平均气温第 12 龄积温日度幼虫期平均气温幼虫期积温日度幼虫期降雨量 BY 世代平均气温世代积温日度 /SIGNIFICANCE=TWOTAIL /STATISTICS=DESCRIPTIVES CORR /MISSING=LISTWISE. 分析结果如表 10 、表 11 。对于精细化预报来说，除了预测预报要精准之外，还要易于操作，“化繁为简”，这也是精细化管理中 “四化”（复杂的事情简单化，简单的事情流程化，流程化的事情定量化，定量化的事情信息化）的基本要求，也是精细化管理“精”、“细”、“简”的基本目标。对于马尾松毛虫防治来说，对防治具有较高指导意义的是幼虫高峰期的预报；而对于虫期监测而言，就目前技术来说，成虫始见期的监测最易于实现，可以采用性诱或灯诱获取数据，相对于人工地面调查而言，所或取得监测数据成本低，可靠性高，其它虫期监测劳动量大，数据可靠性较低。此外，成虫始见期的预报，可以用于指导性诱或灯诱开始时间，具有较高的生产指导意义。因此，选取幼虫高峰期和成虫始见期作为预测因子。我们从表 10 、表 11 中，我们可以看出，对于第一代发生期来说，幼虫高峰期与其它因子之间相关性绝对值成虫始见期幼虫期平均气温、幼虫期积温第 1 、 2 龄平均气温、第 1 、 2 龄积温第 1 、 2 龄极低气温卵期极低气温卵期平均气温、卵期积温。成虫始见期与其它因子之间相关性绝对值幼虫期平均气温、幼虫期积温第 1 、 2 龄平均气温、第 1 、 2 龄积温第 1 、 2 龄极低气温卵期极低气温卵期平均气温、卵期积温。（ 4 ）第二代发生期 - 气象因子相关性分析我们对第二代发生期与卵始见期，卵高峰期，幼虫始见期，幼虫高峰期，蛹始见期，蛹高峰期，成虫始见期，成虫高峰期，卵期极低气温，卵期平均气温，卵期积温，第 1 、 2 龄极低气温，第 1 、 2 龄平均气温，第 1 、 2 龄积温，幼虫期平均气温，幼虫期积温，幼虫期降雨量相关性进行分析： GET FILE='F:\ 精细化课题 \2015 年度成果 \ 建模数据 \01 相关分析数据 \ 相关分析发生期数据第 2 代 .sav'. DATASET NAME 数据集 1 WINDOW=FRONT. PARTIAL CORR /VARIABLES= 卵始见期卵高峰期幼虫始见期幼虫高峰期蛹始见期蛹高峰期成虫始见期成虫高峰期卵期极低气温卵期平均气温卵期积温日度卵期降雨量第 12 龄极低气温第 12 龄平均气温第 12 龄积温日度第 12 龄降雨量幼虫期极低气温幼虫期平均气温幼虫期积温日度幼虫期降雨量 BY 世代降雨量世代积温日度世代平均气温 /SIGNIFICANCE=TWOTAIL /STATISTICS=DESCRIPTIVES CORR /MISSING=LISTWISE. 分析结果如表 12 、表 13 。我们从表 10 、表 11 中，我们可以看出，对于第二代发生期来说，幼虫高峰期与其它因子之间相关性绝对值成虫始见期幼虫期积温幼虫期平均气温幼虫期极低气温卵期平均气温、卵期积温第 1 、 2 龄极低气温第 1 、 2 龄平均气温、第 1 、 2 龄积温卵期极低气温。成虫始见期与其它因子之间相关性绝对值幼虫期积温幼虫期平均气温第 1 、 2 龄平均气温、第 1 、 2 龄积温第 1 、 2 龄极低气温幼虫期极低气温卵期极低气温卵期平均气温、卵期积温。 5. 结论基于上述分析中相关性的排序，表 7 、表 9 、表 11 、表 12 中相应因子的显著性，以及考虑到过多的相关性不高因子会对建模产生干扰，结合精细化预报中的 “精”、“细”、“简”要求和生产实践，建议建模选用如下因子：（ 1 ）第一代发生量预测预报模型可以选择第 1 、 2 龄极低气温，卵期极低气温，上一代防治效果，上一代防治面积，以及第 1 、 2 龄降雨量，卵期降雨量作为预报因子变量。由于发生量预报主要用于指导防治实践，而防治关键期在幼虫期，因此，幼虫期降雨量和世代降雨量属于过时数据，对生产实践没有实际意义，予以排除。此外，第 1 、 2 龄极低气温和第 1 、 2 龄降雨量可以用于临灾预报，或者使用气象部门提供的周、旬的气象预报数据，进行周或旬的短期预报。（ 2 ）第二代发生量预测预报模型可以选择第 1 、 2 龄极低气温，上一代防治面积，卵期极低气温，上一代防治效果，第 1 、 2 龄降雨量，卵期降雨量作为预报因子变量。世代降雨量、幼虫期降雨量、幼虫期极低气温属于过时数据，予以排除。同样地第 1 、 2 龄极低气温和第 1 、 2 龄降雨量可以用于临灾预报，或者使用气象部门提供的周、旬的气象预报数据，进行周或旬的短期预报。（ 3 ）第一代幼虫高峰期预测预报模型可以选择成虫始见期，第 1 、 2 龄平均气温，第 1 、 2 龄积温，第 1 、 2 龄极低气温，卵期极低气温，卵期平均气温，卵期积温作为预报因子变量。幼虫期平均气温、幼虫期积温属于过时数据，予以排除。第 1 、 2 龄平均气温，第 1 、 2 龄积温，第 1 、 2 龄极低气温可以用于临灾预报，或者使用气象部门提供的周、旬的气象预报数据，进行周或旬的短期预报。（ 4 ）第一代成虫始见期预测预报模型可以选择幼虫期平均气温，幼虫期积温，第 1 、 2 龄平均气温，第 1 、 2 龄积温，第 1 、 2 龄极低气温，卵期极低气温，卵期平均气温，卵期积温作为预报因子变量。（ 5 ）第二代幼虫高峰期预测预报模型可以选择成虫始见期，卵期平均气温，卵期积温，第 1 、 2 龄极低气温，第 1 、 2 龄平均气温，第 1 、 2 龄积温，卵期极低气温作为预报因子变量。幼虫期积温、幼虫期平均气温、幼虫期极低气温属于过时数据，予以排除。第 1 、 2 龄极低气温，第 1 、 2 龄平均气温，第 1 、 2 龄积温可以用于临灾预报，或者使用气象部门提供的周、旬的气象预报数据，进行周或旬的短期预报。（ 6 ）第二代成虫始见期预测预报模型可以选择幼虫期积温，幼虫期平均气温，第 1 、 2 龄平均气温，第 1 、 2 龄积温，第 1 、 2 龄极低气温，幼虫期极低气温，卵期极低气温，卵期平均气温，卵期积温为预报因子变量。参考文献侯陶谦，中国松毛虫，北京：科学出版社， 1987:10 ～ 127 陈昌杰，松毛虫综合管理，北京：中国林业出版社， 1990:3 ～ 103 薛贤清， 1983 ，大区域气候对马尾松毛虫发生规律影响的探讨，南京林产工业学院学报，（ 3 ）： 44 ～ 53 张真，李典谟， 2008 ，马尾松毛虫暴发机制分析 . 林业科学， 44 （ 1 ）： 140 ～150 李新航， 2009 ，马尾松毛虫种群暴发过程及机制的突变理论模型分析 . 北京林业大学张国庆， 2010 ，马尾松毛虫自然种群生命表与防治关键期研究，科学网 http://www.sciencenet.cn/blog/user_content.aspx?id=370458 况荣平，施仲美，黄荫规，1988，天敌对马尾松毛虫自然种群的影响 .9（3）：291～298 宋宏伟， 1996 ，分布于中国北界的马尾松毛虫生命表 . 昆虫知识， 33 （ 2 ）： 94 ～96 莫建华， 1991 ，利用多重降解生命表分析马尾松毛虫自然种群的死亡原因 . 林业科技通讯，（ 1 ）： 22 ～25 易明生， 1990 ，马尾松毛虫自然种群生命表 . 昆虫知识， 27 （ 3 ）： 151 ～152 刘光华，古德祥，蒲蛰龙， 1995 ，马尾松毛虫自然种群生命表研究 . 中山大学学报论丛，（ 1 ）： 125 ～128 苏世友，田光合，周波，焦书法，姚克全， 1989 ，信阳地区马尾松毛虫自然种群生命表的研究及种群消长关键因子的初探 . 河南林业科技，（ 1 ） 11 ～ 13 刘兴平，温小遂，李冬，吴自荣， 2010 ，不同受害类型松林中马尾松毛虫自然种群生命表研究 . 环境昆虫学报，32（2）：210～214 张国庆，气候变化对生物灾害发生的影响及对策，现代农业科技， 2011 ，（ 1 上）： 318 ～ 321 张国庆，马尾松毛虫暴发年份的自然种群生命表研究，四川林业科技， 2011 ， 32 （ 1 ）： 108 ～ 112 张国庆，马尾松毛虫暴发年份自然种群生命表研究，现代农业科技， 2010 ，（ 24 ）： 149 ～ 151 张国庆，气候变化对生物灾害发生的影响及对策，现代农业科技， 2011 ，（ 1 上）： 318 ～ 321 张国庆，马尾松毛虫防治关键期与防治历研究，现代农业科技， 2010 ，（ 24 ）： 142 ～ 144 基金项目：林业公益性行业科研项目“全国林业生物灾害精细化预报及管理基础应用研究”（ 201404410 ）

个人分类: 生物灾害学|858 次阅读|0 个评论

matlab输出文件名中，如何含有变量？

trugle 2014-4-7 17:14

在matlab中，有时候需要重复多组实验，观察结果规律，如果每重复一次实验就需要保存一个结果，常常因忘记及时更改文件名导致上次实验结果被覆盖，影响进度可以使用save函数实现文件名和设置参数的统一，保证无论如何更改参数，都会如实的保存对应的名字。如，par1 = 1.0，par2 = 2.0，得到的结果为数组arr_t则可设置输出文件名 filenm = ; save(filenm, 'arr_t', '-mat'); 这里使用mat为文件格式，也可保存save函数支持的其他文件，注意上下两句格式一致即可。

个人分类: Matlab点滴积累|35159 次阅读|0 个评论

四答吴先生：关于变量独立

TUGJAYZHAB 2010-9-26 01:21

博主回复：草原上的成百种植物物种 , 怎么可能都彼此隔离 ? 而必然会产生某些杂交物种 , 不能认为它们都是彼此线性无关的线性组合 ! 以物种为轴的空间 , 维数愈高 , 即物种愈多 , 愈容易发生杂交 , 而彼此相关 ! 当然 , 若是远缘物种 , 杂交成新物种的可能性就较小 , 对这种情况 , 即使有多个物种 , 也可能不相关 ! 以上引自 http://www.sciencenet.cn/m/user_content.aspx?id=357545 四答吴先生：关于变量独立其实，生殖隔离已经排除了上述的可能性。让我们离开生物学，一般地讨论变量相关的问题。引用（白， 2001 ）：据说数学里有一条定理：在 N 维空间最多只能有 N 支线性无关向量。也就是说，如果在 2 维空间研究 3 个以上的变量，则结论必定是相关，而不论他们是否真正相关。所以对于变量独立的问题，我们只接受在 M 维空间里的研究结果。再进一步说，如果在 1 维空间研究 2 个以上的变量，则结论必定是线性相关，而不论他们是否真正相关。所以，对于变量独立的问题，在 1 维空间里的研究成果，也许是不正确的。比如，在实数集（一维空间）里，我们可以证明一个中国婴儿的体重和北美某棵松树的高度相关，或某只蝴蝶的翅膀搧动和南美的风暴有关，但这很可能是遗忘了数学（见李泳博客）所导致的谬误。我也对我的结论很吃惊，但不知道我的论证哪里出现了逻辑错误？所以写成博文供大家讨论。主要参考文献：白图格吉扎布， 2001 ：关于《多维球面模型应用于草原监测数据分析的探讨》一文中几个问题的讨论。植物生态学报， 25 （ 6 ） 751-753 相关链接：答吴中祥先生 : 关于 Q- 分析 http://www.sciencenet.cn/m/user_content.aspx?id=365984 再答吴先生：变量空间与多维演替系统 http://www.sciencenet.cn/m/user_content.aspx?id=366290 三答吴先生：关于变量空间 http://www.sciencenet.cn/m/user_content.aspx?id=366569

个人分类: 超球面模型讲座|2763 次阅读|1 个评论

讲座(5-2)趋势的定义和计算

TUGJAYZHAB 2010-8-21 02:21

超球面模型讲座5-2 趋势的定义和计算已知多维演替系统两连续状态 A' B'(A ， B 为系统在多维空间的坐标， A', B' 为系统在单位超球面上的投影，即所谓的“状态向量 (State Vector)” 。求：系统变化趋势，也就是求系统的“状态转移”。解：若 A’=B’, 系统在给定的时间段内没有变化，处于稳定状态。下面讨论 A’ 不等于 B’ 的情况。一般来说，时间系列中的连续两投影 A' 和 B' 在多维球面上的不重合，表明在这段时间中系统状态发生了变化。这个变化可以用系统在超球面上的投影的距离 , D =(B’-A’), 或状态向量在多维空间中的偏转 T=(B'/A') 来表示。但，一般来说， T=B ‘ /A ’无解。只有在定义了“向量逆”之后，才有解。由此，向量逆的定义催生了一个新的数学分支，“新向量代数”。我们不在这里探讨。在向量有逆的条件下，以下推导成立：如果,A’B’ ，假定 A'*T=B', 所以 T=B'/A', 其中 A'=A/|A|, B'=B/|B| 。或 T (k) =Y' (k) /Y' (k-1) , 其中T是多维即时趋势，（Multicomponent Instantaneous Trend，简称MIT，或T），Y'是系统状态，用系统在超球面上的投影，或标准化向量表示，下标是时间，k是现在，k-1是过去。公式是多维及时趋势的定义式：趋势向量是对应状态向量的分量的比 , 表示每个分量在系统中的重要值的变化比率。在股市分析中，表示每个股票在股市中的重要值的变化比率，在植被分析中，表示每个植物在植被中的重要值的变化比率。多维即时趋势实际上也就是多维相对增率 ( 见下面计算式 5-2) 。特别命名为“趋势”是因为我们当时是在为美国国防部的“土地条件趋势分析 (Land Condition Trend Analysis ， LCTA) 工作。而且“趋势”有按惯性继续运动的意思 , 而“增率”则没有。根据多维即时趋势的定义式 , 可以推导出即时趋势的计算公式： T (k) =B'/A'=(B/|B|)/(A/|A|) =(B/A)/(|B|/|A|) 。或 T (i,k) =Y (i,k) %/ 向量长度 % 即时趋势向量是对应分量的增率除以向量长度增率的商。在第四讲，我们曾定义向量长度为商高指数 , 因此向量长度的比也称为商高率。在股市分析中，趋势值是用商高率调整后的股票率。计算公式在股市分析的意义比较简单明了 : 用商高率标定 ( 调整 ) 后的股票率。商高率 (SGI%) 表示股市的变化 , 而股票率表明股票的变化 , 所以趋势值包括了股市（系统）和股票（分量） , 今天（现在）和昨天（历史）的信息，是可以比较全面反映系统，分量变化的变量。

个人分类: 第五讲|2401 次阅读|0 个评论

帐号		自动登录	找回密码
密码			注册

关闭安全验证

标签: 变量

相关帖子

相关日志

关闭 安全验证

标签: 变量

相关帖子

相关日志

关闭安全验证