基于混合效应模型的大兴安岭地被可燃物含水率模型

基于黑龙江省大兴安岭林区南瓮河生态站的落叶松(Larix gmelinii)林、蒙古栎(Quercus mongolica)林、落叶松白桦(Betula platyphylla)混交林3种典型林分的288组可燃物含水率数据,选择基于平衡含水率的可燃物含水率实时变化模型为基础模型,采用非线性混合效应(NLME)模型方法,以林分因子作为随机效应,建立具有混合效应的可燃物含水率的实时变化预测模型,并通过给残差方差增加权重的方法解决异方差性问题。结果表明:考虑随机效应和异方差结构的可燃物含水率实时变化NLME预测模型的拟合效果(M_(AE)=0.716 7,M_(RE)=0.026 6)优于不含随机效应的可燃物含水率实时变化预测模型(M_(AE)=0.815 6,M_(RE)=0.031 2);其中以常数加幂函数作为异方差结构的模型精度最高(AIC=547.72,BIC=581.29,-2LL=527.72)且明显优于未给残差方差增加权重的可燃物含水率实时变化NLME预测模型(AIC=961.65,BIC=988.50,-2LL=945.65)。利用独立样本数据对模型进行检验,检验结果表明,对于可燃物含水率实时变化的预测,考虑随机效应和异方差结构的NLME模型的检验精度(M_(AE)=0.495 8,M_(RE)=0.034 2)比利用最小二乘法拟合的多元非线性回归模型(M_(AE)=0.588 5,M_(RE)=0.588 5)有所提高,说明基于混合效应模型的可燃物含水率实时变化模型可以很好地描述区域尺度上不同林分类型的可燃物含水率实时变化规律。     

生物量模型方差非齐性研究

以长白落叶松（Ｌａｒｉｘ ｏｌｇｅｎｓｉｓ）为实例,验证树木生物量模型中存在方差非齐性,并提出以模型自身作为权函数来消除方差非齐性的参数估计方法。     

论加权回归与建模

以加权回归估计方法为核心,对林业上常用的模型的异方差性进行了研究,提出了能彻底消除异方差的最佳权函数,并对模型的评价指标进行了探讨,提出了评价通用性回归模型的３大指标,并分析了加权回归估计与这些评价指标之间的关系,最后对样本资料的收集进行了讨论,提出了收集建模样本应遵循的基本原则。     

兴安落叶松材积模型中的异方差研究

为进一步提高兴安落叶松材积模型估计精度,文章选择V=aDbHc为材积模型形式,对模型的异方差性进行了研究。文章分别使用了图示法及戈德菲尔特-夸检验方法证实模型中存在较强的异方差性,并分别以因变量,自变量及模型本身构造权函数,以加权回归估计和普通非线性回归估计方法结果进行对比分析。研究结果表明:加权回归估计优于普通非线性回归估计;在构造的众多权函数中,以权函数1/D2H为最优;并进一步证实不同的模型有不同的最优权函数形式。     

影响我国税收增长的经济因素分析

税收作为政府参与社会产品分配、实施宏观调控的重要手段,是我国财政收入的基本因素,直接影响着经济发展。文中试图通过建立数学模型,对影响我国税收增长的经济因素进行定量分析,为运用政策工具对税收结构进行优化提供帮助。     

作物肥料效应函数模型研究进展与展望

在过去四十年里,肥料效应函数模型研究和应用取得重要进展,业已成为我国测土配方施肥的主要技术依据和一个分支体系,其中二次多项式是研究和应用最多的肥效模型。本文对经验肥效模型的类型及其适用性、试验设计、参数估计、类特征肥效模型、非典型式推荐施肥优化方法以及函数法与土测值的结合等方面的研究进展进行了简要综述。在此基础上,分析了问题产生原因和主要诊断方法。为此,建议:未来要深入探讨消除或缓解多元肥效模型多重共线性和异方差危害的补救措施及其有效应用条件;研发非结构肥效模型,克服经验肥效模型专业假设的不合理性;在大量"3414"试验资料基础上开展作物肥效参数识别技术研究,为肥效模型实现微观指导和推荐施肥软件系统研发提供理论模型依据。     

基于可加模型方差齐性检验的研究

研究了在回归分析中可加模型的方差齐性检验问题,得到了方差齐性检验的Score统计量,并利用随机模拟,说明了检验方法的有效性。     

基于树干不同高度直径的落叶松立木材积方程

以大兴安岭兴安落叶松为研究对象,基于树干15个不同相对高度处直径和1.3 m处胸径分别建立一元和二元材积方程。利用S-PLUS软件的广义非线性GNLS模块对各模型进行拟合。采用指数函数、幂函数和常数加幂函数对立木材积模型拟合过程中产生的异方差现象进行校正。采用确定系数(R2)、均方根误差(ERMS)、平均误差绝对值(B_(MA))和相对误差绝对值(B_(MP))4个指标对模型进行评价。结果表明,基于树干相对高度30%处直径的一元和二元模型拟合效果最好。模型检验结果表明:相对于传统的一元模型,基于相对树高30%处直径的一元模型的ERMS、B_(MA)和B_(MP)分别降低了25.6%、24.7%、24.7%;相对于传统的二元模型,基于相对树高30%处直径的二元模型的ERMS、B_(MA)和B_(MP)分别降低了55.6%、41.2%、41.2%。二元模型的检验精度明显优于相应的一元模型。