摘要：采用机器学习中的支持向量机(SVM)方法,建立以适应区域尺度生产指导为目的的水稻发育期预测模型。通过整合水稻发育期数据和气象数据,构建训练集与测试集,并应用SVM算法建立针对5个不同发育阶段,应用2种不同样本构建方法的10个发育期预测模型。对其逐一进行评估,最终挑选出具有最佳预测效果的模型作为研究成果。结果表明:采用第1类样本(提前150d的样本)生成策略的5个发育期模型,其预测精度均大于80%,甚至达到95%的水平;而采用第2类样本(提前30d的样本)生成策略的5个发育期模型,其精度普遍在80%左右。与此同时,对这2种样本构建方法分别进行了敏感性及假阳性比较。结果表明:虽前者敏感性高于后者,但其假阳性也高,预测误差在9d左右,而第2类样本的预测误差则能控制在4～5d内,更符合模型构建的要求。采用第2类样本生成策略进行发育期模型的研究可获得更准确的预测结果。

摘要：尝试用"幸福指数"这一新的理论研究国内正在发展中的生态旅游,构建了详细的社区居民幸福指数指标体系。通过满意度信息的收集方式和样本量作为确定依据,提出了计算社区居民满意度的方法。同时选择对四川省德阳市罗江县生态旅游村凤雏村社区居民进行幸福指数测评,统计计算出该区居民的幸福指数,验证了引入的幸福指数这一新概念可以解决衡量社区居民获得的利益,生活是否幸福这一课题。通过分析其结果还可以为社区生态旅游的可持续发展提供一些建议或指导。