-
题名季风常绿阔叶林建群种的死亡动态格局
被引量：4
- 1
-
-
作者
李林
伍婵翠
莫德清
魏识广
黄忠良
-
机构
桂林电子科技大学生命与环境科学学院
中国科学院华南植物园
-
出处
《西南林业大学学报（自然科学）》
CAS
2014年第6期29-34,共6页
-
基金
国家自然科学基金项目(31200326
31200412)资助
桂林市研究开发项目(20130116-3)资助
-
文摘
鼎湖山季风常绿阔叶林的建群种黄果厚壳桂，在近20年的监测过程中出现了死亡个体数量明显大于新增的现象。为此以黄果厚壳桂12 a的连续监测数据为依据，根据群落受到的干扰程度划分为重度干扰和轻度干扰2个阶段，统计其死亡动态。分干扰阶段，采用空间二元点格局L12方程分析，检测新增个体与死亡个体之间的关系。结果显示，重度干扰阶段，死亡个体48．2％是4 cm以下小树；而轻度干扰阶段，10 cm以上的死亡个体数占到死亡总数的80．5％。1992年新增个体，与1999年死亡和2004年死亡个体之间有较大尺度的正相关性，而1999年新增个体与2004年死亡个体间，仅在取样尺度1m时表现出空间显著正相关。先亡个体与后增个体的空间关联检测，仅发现1999-2004年死亡个体与2004年新增个体之间，小尺度上（取样尺度＜5 m，6～8 m）有显著正相关性。12年间死亡个体数量是新增数量的2.29倍，死亡个体主要是1992年以来的新增个体。严重的干扰加速了季风常绿阔叶林的演替进程，在以后的监测过程中，应严防重度干扰的出现，确保地带性植被季风常绿阔叶林群落正常的发展和演替。
-
关键词
黄果厚壳桂
季风常绿阔叶林
干扰程度
死亡动态
空间关联
-
Keywords
Cryptocarya concinna
monsoon evergreen broad leaved forest
interference
dead dynamics
spa-tial association
-
分类号
S718.54
[农业科学—林学]
-
-
题名动态死亡率模型的研究进展
被引量：8
- 2
-
-
作者
王晓军
路倩
-
机构
中国人民大学应用统计科学研究中心
中国人民大学统计学院
-
出处
《应用概率统计》
CSCD
北大核心
2020年第4期415-440,共26页
-
基金
国家社科基金重大项目(批准号:13&ZD164)
教育部人文社会科学重点研究基地重大项目(批准号:16JJD910001)资助。
-
文摘
死亡率的预测是人口预测的基础.近年来,死亡率建模方法不断取得新的进展,从最早的静态死亡率模型开始,死亡率模型不断发展为包括时间项的动态预测模型,如Lee-Carter族模型、CBD族模型等.本文对死亡率预测模型的相关文献进行了回顾和梳理.随着动态模型的发展,一些学者从死亡率改善水平入手,发展出一系列死亡率改善模型.另外,随着死亡率研究的深入,多人口死亡率的建模引起了研究者的重视,多人口预测模型迅速发展和完善.随着死亡率模型的研究方法不断丰富和创新,新兴统计学方法(如机器学习等)已经在死亡率建模中有所应用,拟合和预测准确度不断提升.除了经典的建模方法的扩展外,例如小区域人口或数据缺失的人口、高龄人口、相关人口等死亡率建模问题仍值得研究.
-
关键词
动态死亡率
预测
死亡率改善
单人口
多人口
-
Keywords
dynamic Mortality
prediction
mortality improvement
single population
multiple population
-
分类号
F840.67
[经济管理—保险]
-
-
题名基于动态死亡率模型的长寿风险指数递延年金研究
- 3
-
-
作者
邹小芃
杨芊芊
杨亚静
-
机构
浙江越秀外国语学院
浙江大学经济学院
-
出处
《统计与决策》
CSSCI
北大核心
2018年第2期47-51,共5页
-
基金
国家社会科学基金重大项目(13&ZD163)
-
文摘
步入老龄化社会后,人群未来的平均实际寿命高于预期寿命产生的长寿风险是政府、企业及个人面对的新型的日益严峻的问题。文章运用Lee-Carter模型对中国人口死亡率数据进行拟合和预测,在年金定价模型中引入长寿风险指数,测算了一系列不同购买时间、不同递延期、不同利率、不同性别情况下的长寿风险指数递延年金的价格和风险转移程度。结果表明,此款年金产品相比普通的定额即期年金在价格上更有优势,并能帮助年金提供者实现部分系统性长寿风险的转移,是进行长寿风险管理的有效工具。
-
关键词
死亡率动态预测
长寿风险
指数递延年金
-
分类号
F840.67
[经济管理—保险]
-
-
题名CCU数据的多模态融合在动态死亡风险预测中的应用
被引量：2
- 4
-
-
作者
李然
邱皖
娄岩
-
机构
大连海洋大学信息工程学院
中国医科大学智能医学学院
-
出处
《天津工业大学学报》
CAS
北大核心
2022年第6期76-82,共7页
-
基金
河南省科技厅科技攻关项目(212102210379)
中国医药教育协会重大科学攻关问题和医药技术难题课题(2020KTE010)
教育部行指委职业教育改革创新课题(HBKC217010)。
-
文摘
针对冠心病监护室(CCU)患者的死亡风险预测集中在重症监护室(ICU)的患者,并且CCU患者的大量多模态数据不能被充分地利用的情况,提出一种动态预测CCU患者死亡风险的多模态融合方法。首先分析了CCU多模态数据的特点,从结构和时间2个维度提出了一种分类模式,使用卷积神经网络(CNN)和文本数据聚类的方法处理心脏超声报告(ECHO),使用信号处理方法处理高频波形数据心电图(ECG),将这2种方法提取的特征与其他结构化数据相结合,通过加入时间维度的决策树模型进行预测,决策树模型根据时间戳区分不同时期生成的数据。在MIMIC-Ⅲ数据集上的实验表明:与基准的机器学习方法支持向量机(SVM)相比,本研究在AUC-ROC/AUC-PR上分别获得11.36%和25.31%的改进,与基于线性分类的机器学习方法相比,在AUC上获得11.42%的改进。
-
关键词
多模态融合
动态死亡率预测
冠心病监护室(CCU)
死亡风险预测
-
Keywords
multimodal fusion
dynamic mortality risk prediction
coronary care units(CCU)
mortality risk prediction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
