目的 建立气象因素和空气污染物对死亡人数的预警预测模型,为公共卫生决策提供科学依据。方法 基于我国某地区2014—2018年死因及环境检测数据,首先采用Spearman和Boruta方法分析气象因素和空气污染物与死亡人数的相关性,筛选死亡人数...目的 建立气象因素和空气污染物对死亡人数的预警预测模型,为公共卫生决策提供科学依据。方法 基于我国某地区2014—2018年死因及环境检测数据,首先采用Spearman和Boruta方法分析气象因素和空气污染物与死亡人数的相关性,筛选死亡人数的关键因素。然后利用深度学习中的LSTM、BP神经网络提取关键因素的隐含特征,并将提取的隐含特征作为新的特征输入随机森林模型(RF),构建了LSTM-RF和BP-RF组合模型。结果 以RMSE、MAE、准确率、精确率、召回率、曲线下面积(area under the curve,AUC)值等指标作为评价标准,与RF、XGBoost、GBDT、BP、LSTM等单一模型进行对比。相比单一的机器学习和深度学习模型,该研究所构建的LSTM-RF和BP-RF组合模型各个评价指标均优于单一模型。LSTM-RF为最优模型,其在测试集上RMSE为2.93,AUC值高达0.941。结论 LSTM-RF更适合作为气象因素和空气污染的预警预测模型。展开更多
目的:设计出一套科学、合理且具有普适性的《学龄前儿童体育活动强度他评量表》,以期能够有效帮助教师和家长掌握幼儿体育活动强度,合理安排体育活动课程。方法:先后选取北京某一级一类幼儿园大班幼儿158人和27人进行量表的检验。为幼...目的:设计出一套科学、合理且具有普适性的《学龄前儿童体育活动强度他评量表》,以期能够有效帮助教师和家长掌握幼儿体育活动强度,合理安排体育活动课程。方法:先后选取北京某一级一类幼儿园大班幼儿158人和27人进行量表的检验。为幼儿佩戴Polar Team 2团队心率表与RT3三轴加速度计,进行室内、外活动的跟踪测试;与此同时教师和研究人员使用《学龄前儿童体育活动强度他评量表》做出选择,并填写《量表》(文字版)。使用spss13.0对数据进行统计分析,检验量表的信度、效度,以及等级设置合理性。结果:经过文字图形转化、校标效度检验(平均心率:r=0.468,P<0.01;Counts,r=0.472,P<0.01),以及教师意见反馈《量表》二稿纳入外观表现维度中呼吸、出汗和脸色3项,共分为6个强度等级。经检验,《量表》二稿评分者间相关系数为0.626(P<0.05),信度良好;评价结果与心率间的Spearman相关系数为0.593(P<0.01),并在不同心率等级分组之间存在显著性差异(P<0.05),具有较好的校标效度和区分效度,将其确定为终稿。大体划分等级1~2、3~4和5~6,分别对应体育活动中的较低、中等和较大强度。结论:本研究研制的《学龄前儿童体育活动强度他评量表》是一个包含6个选项的以图画为主要表现形式的教师他评量表。《量表》对不同幼儿的体育活动强度具有较好的区分度,可使教师能够随时了解幼儿体育活动强度,帮助教师更合理地为幼儿安排体育活动课程。展开更多
文摘目的 建立气象因素和空气污染物对死亡人数的预警预测模型,为公共卫生决策提供科学依据。方法 基于我国某地区2014—2018年死因及环境检测数据,首先采用Spearman和Boruta方法分析气象因素和空气污染物与死亡人数的相关性,筛选死亡人数的关键因素。然后利用深度学习中的LSTM、BP神经网络提取关键因素的隐含特征,并将提取的隐含特征作为新的特征输入随机森林模型(RF),构建了LSTM-RF和BP-RF组合模型。结果 以RMSE、MAE、准确率、精确率、召回率、曲线下面积(area under the curve,AUC)值等指标作为评价标准,与RF、XGBoost、GBDT、BP、LSTM等单一模型进行对比。相比单一的机器学习和深度学习模型,该研究所构建的LSTM-RF和BP-RF组合模型各个评价指标均优于单一模型。LSTM-RF为最优模型,其在测试集上RMSE为2.93,AUC值高达0.941。结论 LSTM-RF更适合作为气象因素和空气污染的预警预测模型。
文摘目的:设计出一套科学、合理且具有普适性的《学龄前儿童体育活动强度他评量表》,以期能够有效帮助教师和家长掌握幼儿体育活动强度,合理安排体育活动课程。方法:先后选取北京某一级一类幼儿园大班幼儿158人和27人进行量表的检验。为幼儿佩戴Polar Team 2团队心率表与RT3三轴加速度计,进行室内、外活动的跟踪测试;与此同时教师和研究人员使用《学龄前儿童体育活动强度他评量表》做出选择,并填写《量表》(文字版)。使用spss13.0对数据进行统计分析,检验量表的信度、效度,以及等级设置合理性。结果:经过文字图形转化、校标效度检验(平均心率:r=0.468,P<0.01;Counts,r=0.472,P<0.01),以及教师意见反馈《量表》二稿纳入外观表现维度中呼吸、出汗和脸色3项,共分为6个强度等级。经检验,《量表》二稿评分者间相关系数为0.626(P<0.05),信度良好;评价结果与心率间的Spearman相关系数为0.593(P<0.01),并在不同心率等级分组之间存在显著性差异(P<0.05),具有较好的校标效度和区分效度,将其确定为终稿。大体划分等级1~2、3~4和5~6,分别对应体育活动中的较低、中等和较大强度。结论:本研究研制的《学龄前儿童体育活动强度他评量表》是一个包含6个选项的以图画为主要表现形式的教师他评量表。《量表》对不同幼儿的体育活动强度具有较好的区分度,可使教师能够随时了解幼儿体育活动强度,帮助教师更合理地为幼儿安排体育活动课程。
