类别学习（共11篇）
类别学习 篇1
多属性决策是指从有限个待选方案中经过综合权衡各个属性后,对方案集进行排序并选出最满意方案的过程[1]。在多属性决策的过程中,尤其是在决策方案较多的情况下,专家往往更容易在自己熟知的领域或者对熟知的方案给出类别偏好,也就是所谓的分类决策。在分类决策研究方面,已经取得了一定的成果,可以分为以下三类:(1)聚焦于案例的分类方法,文[2]、文[3]、文[4]分别提出了基于案例的多指标排序方法、多属性分类方法和语言信息灰靶决策分类方法;(2)聚焦于方案间的偏好强度进行分类,文[5]、文[6]、文[7]分别基于方案间的赋值级别、方案优劣的强势程度和方案两两比较的优劣程度提出了多属性分类方法;(3)聚焦于案例的统计数据进行分类决策,文[8]、文[9]以统计数据作为基础,进行决策方案检索和数据分级分类。
在实际决策过程中,往往出现不完全的判断信息,大都关注属性值不完全[10,11〗、属性权重不完全[12,13]、属性值和属性权重均不完全[14,15]、方案偏好关系不完全[16,17,18]等方面。本文在实践过程中还发现了一类特殊的不完全信息问题,在管理实践中也较为普遍,即:在时间限定、决策情境紧迫的情况下,专家形成了对部分方案具备较为明确的类别所属、部分方案判断结论不甚明朗的决策情况,也可以称之为专家对方案有不完全的类别判断信息。究其原因是多方面的:(1)由于专家在专业知识方面的局限性和关注的偏好性,对某些决策方案的类别偏好信息难以精确地给出;(2)在紧急情况下,专家难以在给定的时间内、特殊的环境下对某些决策方案给出明确的评价;(3)在限定时间内,无法完成决策类别的整理和汇总等等。
对于这类问题,实质上属于不完全方案类别偏好下的案例学习分析问题。如何充分运用好专家已经给出的方案类别偏好信息,对所有方案进行排序和类别归属的判断就非常值得研究,根据公开报道的文献,这方面的研究甚少。考虑到TOPSIS方法的应用简易性和案例学习方法的实用价值,本文以同类别之中所有方案的相对贴近度最小和不同类别之间方案的平均贴近度最大为类别偏好构造模型,求解模型的属性权重,从而给出方案的完全序关系,并且对于未知类别方案进行类别归属判断。
1 预备知识
TOPSIS是多属性决策问题中较为常见的一种决策方法,有关此方法及扩展的研究,已经取得了丰富的成果[19,20,21]。为阐述问题的完整性,本文简述TOPSIS的主要步骤。
设多属性决策问题有n个被评估对象或拟定的决策方案Z = {zi|i= 1,2,…,n},m个评价指标或属性组成的指标集W = {ωj|j = 1,2,…,m},决策矩阵R =(rij)n×m的元素取值为实数,不失一般性,假设Z中属性均为极大型(效益型)。
定义1[1]设r1和r2是任意两个实数,则称r1和r2的距离为:
定义2[1]设rj+= max{rij|1≤i≤n,1≤j≤m},称R+= {r1+,r2+,…,rm+}为实数型决策矩阵的正理想点,rj-= min{rij|1≤i≤n,1≤j≤m},称R-= {r1-,r2-,…,rm-}为实数型决策矩阵的负理想点。
定义3[1]设决策方案集Z中第i个方案与理想点的相对贴近度为:
其中,
这里的相对贴近度大小反应效果向量的优劣,c(Ri)越小,则决策方案越优;反之,(Ri)越大,则决策方案越劣。
2 主要结果及方法
2.1 问题描述及思路
多指标的分类决策是将方案分成特定的类别,各类别中具有类似的性质。但是,在很多决策情境下,由于被评价的方案比较多,难以对所有的方案进行完全、严格的分类。基于案例学习的方法,借鉴数据挖掘和模糊数学的思想,通过对特定的样本案例进行分析和研究,进而根据样本学习的结论对方案进行排序和未知方案的类别归属判断。
本文具有以下特点:(1) 在分类的过程中,决策者对所有方案进行了不完全的分类,例如专家认为方案集Z ={zi|i=1,2,…,n}有若干方案可以分成s个类别,在s个类别的决策方案外,仍有t个决策方案不属于任意的类别;(2)在最终排序过程中,指标的权重确定决定了最终的排序,既需要考虑决策者对所有方案的主观分类情况,同时考虑未分类的决策方案是否可以成为某一类别的方案。
文献[7]、文献[22]中提到了类似的问题,在员工绩效考核、学生学习成绩评价、教师教学质量评估等实际问题中,对人员水平能力的不完全分类存在的也较为普遍。对此类问题研究的难点在于,如何同时考虑对已分类样本和未分类样本的相对贴近度关系,而后根据对已分类样本的相对贴近度进行案例学习,对未分类样本进行一定的分类归属。本文的思路为按照同类别方案尽量相似、不同类别方案尽量不相似构建规划模型,求得属性权重,从而对方案进行排序,并且对未分类方案进行相应分类判断。
2.2 决策方法
基于理想点的方法是根据有限个评价对象与理想化目标的接近程度进行排序的方法,TOPSIS的目标具有唯一性,体现了决策过程中判断的直观性和简便性。由此,本文提出了基于TOPSIS的分析框架。
(1)基于TOPSIS的方案相对贴近度表征
在基于TOPSIS的决策过程中,参考点的选择是关键环节。由于在实数规范化决策矩阵中的元素是经过处理的数据,在构建最优效果时,选取规范化决策矩阵中各指标对应的实数最大的作为指标的最优效果。在贴近度测算方面,通常有几种考虑,如可以测算与正负理想点的贴近度、测算所在类别的模糊贴近度等,本文提出一种相对贴近度的测算方法,见定义4。
定义4 对于任意两个决策方案Ra和Rb,用相对于理想点的相对贴近度之差的绝对值表示两决策方案之间的相对贴近度:βab=d(Ra,Rb)=|c(Ra)-c(Rb)|。
定理1 任意两决策方案Ra和Rb之间的方案相对贴近度βab∈(0,1)。
证明rij为方案属性值,为实数,rj+和rj-分别为属性j下的正负理想点,根据定义1有两者关系:0≤rij≤rj+≤1,0≤rj-≤rij≤1,由式(1)、式(2)、式(3)、式(4)可得:
对于任意两个方案Ra和Rb,Ra和Rb中属性值均为实数,可得:
因为rij、rj+、rj-都是规范后的实数,ωj∈(0,1),那么对于任意两个方案Ra和Rb,βab∈(0,1)。
定理2 任意两决策方案Ra和Rb之间的方案相对贴近度βab与βba具有对称性,即βab=βba.
证明
因为|d(raj,rj+)-d(rbj,rj+)|=|d(rbj,rj+)-d(raj,rj+)|,故βab=βba.根据式(5)和定理1、定理2,可得:
这里的方案相对贴近度大小反应方案之间优劣的接近程度,d(Ra,Rb)越大,则两个决策方案Ra和Rb相差越大、越不类似;d(Ra,Rb)越小,则两个决策方案Ra和Rb相差越小、越类似。
(2)专家对决策方案有不完全类别偏好的案例学习模型
定义5同类别方案集O={r(O)i|i=1,2,…,l}中,决策方案优劣程度相当,关系为:r1(O)≈r2(O)≈…≈rl(O),即,对于方案集O中任意两个方案与理想点的相对贴近度相当,其关系为c(R1(O))≈c(R2(O))≈…≈c(Rl(O))。
根据定义5,要使得任意两个方案与理想点的相对贴近度相当,即要求任意两者的方案相对距离尽量小。例如,对于方案集O中的决策方案r1(O)和r2(O),要使得尽地可能小,可以建立单目标规划模型M-1:
对于O中的所有方案,要实现其中所有方案相对理想点的贴近度相当,可以建立如下多目标规划模型M-2:min[β12(O),β23(O),…,β1l(O),β23(O),…,β2l(O),…,βl-1(O),…,βl(O)]
考虑各方案是公平竞争的,不存在任何偏好关系,用β(O)表征方案集O中所有方案的综合相对贴近度,因此可将以上多目标决策模型等权集结为如下规划模型M-3:
用|rj(O)|*表示方案集O中在属性ωj下所友方案两两比较的相对距离的绝对值之和,即
显然,|rj(O)|*是一个实数,M-3可以简化为如下规划模型M-4:
由于专家认为方案集O中的方案优劣程度相当,那么用其中所有方案相对理想点贴近度的算术平均值表示表征方案集O中所有方案相对理想点的平均贴近度有实际意义。
定义6 称γ(O)为方案集O中所有方案的平均贴近度,其中:
定义7 专家认为方案集Z= {zi|i=1,2,…,n}有若干方案可以分成s个类别,在s个类别的决策方案外,仍有t个方案不属于任意的类别。有类别偏好的方案集记为O1,O2,…,OS、无类别偏好的方案记为A = {ai(A)|i=1,2,…,t},各种方案集与决策方案集Z满足如下关系:
根据定义7,对于方案集合O1,O2,…,Ok,A,相对理想点的平均贴近度应相差最大,用|γ(O)|*表示方案集合O1,O2,…,Ok,A之间相对理想点的平均贴近度两两比较差的绝对值之和,建立目标规划模型M-5:
对于不完全类别偏好的决策矩阵,按照对已分类方案集合O1,O2,…,Ok中的所有方案的综合相对距离均最小和所有方案集合O1,O2,…,Ok,A之间相对理想点的平均贴近度两两比较之差的绝对值之和最大,可以构建规划模型M-6:
对目标优化问题M-6单目标化,可以转化为M-7:
其中0<η<1,考虑到目标函数式公平竞争,一般的,可取η=0.5,使用lingo软件对M-7求解,即可求得指标权重ω =ω1,ω2,…,ωm,将其代入式(5),即可求得与理想点的贴近度,从而对方案进行排序。
(3)未分类方案的类别归属判断
对于专家未进行分类的方案,有可能存在以下几种情况:(1)有部分方案可能属于已经分类类别方案中的一类;(2)有部分方案可能不属于任何一类已经分类的类别方案;(3)有部分方案可能组成除了已分类方案以外的一类方案。图1表述了未分类方案的案例学习过程。在这个过程中,通过式(2)计算所有未分类方案的相对贴近度,将已分类方案的相对贴近度区域作为分类参数,并且与已分类方案的相对贴近度进行比较,针对以上三种可能进行类别的归属判断。
由此,本文方法的步骤可以概括如下:
步骤1:根据TOPSIS原理,确定决策矩阵的正理想点R+和负理想点R-;
步骤2:计算同类别方案中所有方案相对理想点的综合贴近度β和同类别方案中所有方案的平均贴近度γ,计算不同类别方案的平均贴近度两两比较之差的绝对值之和γ*;
步骤3:根据专家对方案的不同偏好类别,根据偏好模型M-7优化目标权重向量ω = (ω1,ω2,…,ωm);
步骤4:将ω = (ω1,ω2,…,ωm)代入式(2),求得与理想点的贴近度,从而对方案进行排序,即可得到各方案的最优排序;
步骤5:将未分类方案中的相对贴近度与已分类方案的相对贴近度进行比较,对未分类方案进行分类的二次判断。
3 实证比较
以某省工业经济统计年鉴提供的16个市县主要工业经济效益指标的统计资料为基础数据进行经济效益的评价比较和排序分析,该评价问题选用的指标为:全员劳动生产率(w1)、资金利税率(w2)、百元销售收入实现利润(w3)、百元工业产值占用流动资金(w4)及产值利税率(w5),规范化后的数据见表1。
专家根据直觉判断,认为3、4、5、6、7、9应属一类(表1中用“同1类”表示);13、14、15应属一类(表1中用“同2类”表示),并且根据专家判断,各指标属性权重应均在0.15~0.25。下面要解决的问题是:根据专家的判断挖掘分类的规律,并对未分类的样本进行类别判断(表1中用“?”表示)。
步骤1:确定决策矩阵的正理想点R+和负理想点R-为:R+= {1,1,1,1,1},R-= {0,0,0,0,0};
步骤2:根据式(7)计算同类别方案集合O1、O2的综合贴近度β:
根据式(8)计算同类别方案中所有方案的平均贴近度γ:
计算不同类别方案的平均贴近度两两比较之差的绝对值之和|γ|*:
步骤3:根据专家对方案的不同偏好类别,取μ=0.5,根据偏好模型M-7构建目标优化模型。求得,ω = (0.15,0.25,0.25,0.15,0.2)。
步骤4:将步骤3的计算结果代入式(2),即可求得与理想点的贴近度,从而得到各方案的排序结果(见表2本文方法“排序”列)。
步骤5:将未分类方案中的相对贴近度与已分类方案的相对贴近度进行比较,对未分类方案进行分类的基本判断(见表2本文方法“所属类别”列)。
与文献[2]、文献[3]、文献[4]进行方法比较,方法的应用范围比较见表3所示。由于处理的对象(分别是数值型和语言变量)和分类假设的条件(有和无分类参照点)不同,无法简单地从结果上进行比较,但从分析过程上可以看出,本文特别适用于获得部分样本偏好后的分类需求,通过本文方法可以计算得到方案的完全排序关系,从而对方案进行案例学习、对未分类方案进行排序,本文与文献[2]、文献[3]、文献[4]的方法在所需先验信息上、分类思想上不尽相同、各有所长,是对复杂情景下案例学习问题研究的有益补充。
4 结束语
针对专家对方案有不完全类别偏好的情况,提出了一类新的案例学习问题及应对方法。运用了TOPSIS的方法,综合考虑了相同类别方案之间的相对贴近度和不同类别方案之间的平均贴近度,使决策信息利用更加完整、全面并符合决策者的“直觉判断”。基于案例学习的思想,建立了考虑方案有不完全类别偏好的属性权重确定模型。本文模型意义明确,并且具有较好的实用价值,适用于大样本情景下的数据挖掘和分析。本文以实数型决策问题为例进行研究,从而亦可推行至语言信息、三角模糊数等其他类型的决策方案。下一步将研究海量数据下本文方法的算法经济性和适用性问题。
摘要：研究决策方案有不完全类别偏好信息的多属性决策方法。基于TOPSIS理想点的分析框架,表征同类别方案之间的相对贴近度和不同类别方案之间的平均贴近度;建立了考虑方案有不完全类别偏好的属性权重估测模型,设计了不完全类别偏好的案例学习和决策方法。实证比较表明了方法的应用步骤和有效性。
关键词：多属性决策,不完全类别,TOPSIS,案例学习
古诗情感类别归纳 篇2
按题材不同，古代诗歌可分为山水田园诗、边塞诗、送别诗、闺怨诗、悼亡诗、怀古诗、行旅诗、爱国诗、爱情诗共9类。
一、山水田园诗：寄情多因厌世
山水田园诗是抒情主人公寄情山水、回归自然与田园的产物。它们看似写山水田园，实则表现作者对人世、现实、尘俗的厌倦，疏离乃至不满。可以说，山水田园诗的情感内容或多或少都有厌世的色彩。
【例1】 说说下面这首诗所表达的思想感情。
桃花溪
张旭
隐隐飞桥隔野烟，
石矶溪畔问渔船。
桃花尽日随流水，
洞在清溪何处边？
【解析】根据山水田园诗“寄情多因厌世”的规律，联系该诗具体内容，可知这首诗表现的主题是对隐逸生活的羡慕，对世外桃源的向往。
二、边塞诗：写边多为念远
军旅边塞之诗，或直接表现对家乡、亲人乃至朝廷的怀想，或通过写征战之苦、建功立业等间接表现对有关人、事、景的感慨。此类诗歌的情感内容，大体上可概括为“写边多为念远”。
【例2】说说下面一首词最后一句抒发了怎样的情感？
渔家傲
范仲淹
塞下秋来风景异,衡阳雁去无留意。四面边声连角起,千嶂里,长烟落日孤城闭。
浊酒一杯家万里,燕然未勒归无计。羌管悠悠霜满地,人不寐,将军白发征夫泪。
【解析】根据边塞诗“写边多为念远”的规律，该诗歌的情感内容可概括如下：诗人借写边关之景，着重表现了乡思离情，也流露了边关将士们对久戍不归的慨叹。
三、送别诗：送别多抒情意
送别友人，或寄安慰、鼓励之意，或写缠绵悱恻之情；有的直抒胸臆，有的借景衬情，有的情景俱佳。
【例3】下面这首诗的景物描写寄予了作者怎样的感情？
送友人入蜀
李白
见说蚕虫路，崎岖不可行。
山从人面起，云旁马头生。
芳树笼秦栈，春流绕蜀城。
升沉应已定，不必问君平①。
【注释】①君平是西汉占卜家严遵的字。
【解析】首联、颔联和颈联采用概述和描写相结合的手法，状尽巴山蜀水的险峻，看似写景，实则含挽留、劝勉之意。尾联则运用抒情议论相结合的方法表达对好友的劝慰。正应了“送别多写情意”的规律。
四、闺怨诗：闺怨皆因怀人
闺怨诗，有男性的代女子立言，也有女子的自白。这类诗歌，或因游子久不归家而引发思妇对青春易逝、深闺寂寞的慨叹，或因征人戍边未还而引发思妇对丈夫的思念及对其安危的牵挂。这类诗歌皆因怀人而起。
【例4】请结合全诗具体分析一下“愁多梦不成”中“愁”的具体含义。
闺怨
沈如筠
雁尽书难寄，愁多梦不成。
愿随孤月影，流照伏波营①。
【注】代指唐讨伐南诏的军营。
【解析】闺怨的题材大多写怨妇思念出征的丈夫,此诗也不例外。
五、悼亡诗：悼亡皆伤失偶
悼亡诗多系男性悼念亡妻，亦有女子悼念亡夫的。此类诗歌，缘起于失偶，意出于痛悼，往往情悲意切，凄恻动人。
【例5】说说下面这首诗歌表达了作者怎样的感情和思想面貌？
悼亡
梅尧臣
结发为夫妇， 于今十七年。
相看犹不足， 何况是长捐？
我鬓已多白， 此身宁久全。
终当与同穴， 未死泪涟涟。
【解析】梅尧臣这首悼念亡妻的五律，写得十分伤感。全诗始于叙述，终于抒情，中间运用对比手法，不但悲不自胜，而且字里行间还看得出诗人因痛失爱妻而造成的精神乃至身体的衰颓。
六、怀古诗：怀古只为咏今
登临故国，凭吊古迹，或咏史以讽今，或怀古而伤情，只为一浇现实抑郁的块垒，一泄功业不建的悲怆。
【例6】请说说你对“东风不与周郎便，铜雀春深锁二乔”的理解。
赤壁
杜 牧
折戟沉沙铁未销，自将磨洗认前朝。
东风不与周郎便，铜雀春深锁二乔。
【解析】诗三、四两句，有人以为是讥笑“周郎”，其实杜牧此诗抒发的不过是功业不建的慨叹：假如东风不提供方便，连周郎这么智勇超群的人物，也只会落得国破家亡的下场。而自己的“东风”又在哪里呢？正所谓“怀古只为咏今”，只为伤时也。
七、行旅诗：行旅多悲故乡
行旅诗，写羁旅劳顿，叙行役酸辛，明写思归之情，暗含恋家之意。如：
【例7】说说下面这首诗抒发了作者何时何地怎样的思想感情？
商山早行
温庭筠
晨起动征铎，客行悲故乡。
鸡声茅店月，人迹板桥霜。
槲叶落山路，枳花明驿墙。
因思杜陵梦，凫雁满回塘。
【解析】由题目“商山早行”很容易得出前两问的答案，由于是出门在外，“客行悲故乡”不难看出此诗是直抒客行思乡之悲，颔联、颈联状行旅之景，含不尽之意。尾联照应首联，再次抒写对故乡杜陵“凫雁满回塘”的亲切想往。羁旅之中，思归情切，交融于商山早行之景，洋溢于字里行间。
八、爱国诗：爱国多思报国
爱国诗，或写报国无门、请缨无路的悲哀，或陈杀敌御侮、建功立业的壮志。
【例8】说说下面诗歌描写了怎样的梦境，表达了怎样的情怀？
十一月四日风雨大作
陆游
僵卧孤村不自哀，尚思为国戍轮台。
夜阑卧听风吹雨，铁马冰河入梦来。
【解析】由“铁马冰河入梦来”可知作者梦见自己骑着铁马跨过冰河去保卫边疆，驰骋沙场，由“为国戍轮台”可知此作者不忘的是为国戍边，表达了这位爱国诗人爱国报国的强烈感情。
九、爱情诗：写爱多见情意
爱情诗多属本质的至真流露，至情抒发，或明快欢愉，或海誓山盟，或凄美动人。
【例9】这首诗颔联向来被誉为写“爱情”的名句，请说说里面包含了怎样的感情。
无题
李商隐
相见时难别亦难，东风无力百花残。
春蚕到死丝方尽，蜡炬成灰泪始干。
晓镜但愁云鬓改，夜吟应觉月光寒。
蓬山此去无多路，青鸟殷勤为探看。
【解析】颔联上句以蚕丝之“丝”暗喻思念之“思”，借助于谐音双关；下句以烛泪之“泪”来比方愁人之“泪”。诗人巧妙地运用这种高超的修辞手段，写出了人间的千古至情。春蚕吐丝，死后方尽，蜡烛流泪，泪干身灭，这种伴随着生命始终的缠绵之情，这种至死不渝的真诚执着的爱，给人一种巨大的震撼。
类别学习 篇3
电子邮件具有方便、快捷、性价比高等特点，已经成为人们生活中必不可缺少的一种重要通信手段。随着电子邮件的普及，垃圾邮件问题也日益凸显，它占用了大量的网络资源，干扰了人们的正常生活秩序，部分垃圾邮件已经成为病毒传播的载体，严重威胁着网络的安全稳定[1,2]。垃圾邮件具有破坏性强、传播速度快、危害范围广等特点，已经成为全球化公害。不断泛滥的垃圾邮件给邮件过滤系统带来了更加严峻的考验。如何有效地过滤和治理这些垃圾邮件成为当前的迫切要求。
1 相关工作
现有的垃圾邮件过滤技术[3]主要包括基于规则的过滤和基于内容的过滤两大类。基于规则的过滤方法如黑白名单过滤、信头分析、关键词过滤等，该方法加入的主观因素较多，抗干扰能力较弱，规则制定的好坏将直接影响邮件的过滤效果。基于内容的过滤方法属于文本分类范畴，近年来随着对模式识别和机器学习研究的深入，该领域的一些算法如决策树、贝叶斯、支持向量机SVM等被引入到垃圾邮件过滤的技术中，并取得重大进展，已经成为当前垃圾邮件处理所采用的一种主要技术手段。M.Sahami[4]最早将贝叶斯算法应用于垃圾邮件过滤系统中，随即引起该领域学者的广泛关注，越来越多的人致力于此方面的研究。Xu[5]提出了基于改进的BP神经网络邮件过滤算法，克服了传统算法训练时间较长、容易陷入局部最小等问题。文献[6,7]将基于IP的白名单过滤、基于规则的过滤和基于统计的贝叶斯过滤算法结合在一起，实现了垃圾邮件的综合过滤。杨[8]基于网络协同过滤算法在Enron邮件集上对系统的过滤性能进行了测试。Song[9]把邮件收发者的关联度作为提取微博垃圾邮件特征词的标准。Chen[10]采用加权SVM算法对邮件进行分类。Gao[11]将动态邮件过滤技术应用到社交网络的垃圾评论在线识别系统。Bratko[12]设计了一种基于自适应统计数据压缩模型的邮件过滤算法，提高了系统的泛化性能。
目前提出的各种算法对垃圾邮件的过滤有一定的效果，但还存在一些不足:(1)垃圾邮件与正常邮件所阐述的主题内容是不同的，每种类型的邮件都有各自的表达方式和组织结构，而现有的垃圾邮件特征选择算法只考虑词特征对分类的影响而忽略了不同邮件类别中隐含的语义信息。(2)随着时间推移，垃圾邮件的种类和内容是不断变化的，且不同客户之间对邮件过滤系统的要求也存在差异性，如何实现邮件过滤系统的自我更新，满足不同客户间的差异化要求，也是一个完善的邮件过滤系统需要考虑的。
针对上述问题本文提出了一种基于类别特征选择与反馈学习随机森林算法，将隐含的Dirichlet模型引入到邮件的特征选择环节，在不同类型的邮件集中建立各自的生成模型，分别搜寻构成各个主题的特征信息，有效降低了冗余信息和噪声数据对分类性能的影响。同时将反馈学习与随机森林算法相结合，针对垃圾邮件种类实时变化的特点和客户群对邮件判别的差异性，实现邮件过滤系统的自适应调节。
2 基于类别信息的特征选择算法
2.1 LDA生成模型
LDA[13](Latent Dirichlet Allocation)生成模型采用三层贝叶斯网络结构对文档信息进行建模，忽略文档中的句法结构和词语出现的先后顺序。该模型基于这样一种假设:文档是由若干个主题构成的，而主题又是由若干个词语构成的，例如一篇文档其内容可能涉及到经济、文化、历史等多个主题，每个主题都包含一些特定含义词语。LDA模型生成文档流程如图1所示。
LDA模型中特征项的权重可以表述为在隐含主题下生成特征的概率，V表示文档集中包含不重复的词语总数;M表示文档集中包含文档的个数;N表示一篇文档中包含词的个数;Nm表示第m篇文档中包含的词语个数;K表示文档集中包含主题的个数;θ服从Dirichlet分布θ-Dirichlet(α)，用1×K的列向量表示每个主题发生的概率，α为Dirichlet分布的参数;Z服从Multinomial分布Z-Multinomial(θ)，p(z=i|θ)=θi,p(z|θ)表示给定θ时主题的条件分布;w表示文档中所包含的词语分布;φ也服从Dirichlet分布φ-Dirichlet(β)用K×V的矩阵表示给定主题时词的条件分布。
2.2 基于类别信息的LDA特征选择算法
基于类别信息的LDA特征选择算法其前提假设为:邮件内容是由若干个主题构成的，且垃圾邮件与正常邮件所构成的主题是不同的。该算法的主要思想是将训练集中的邮件按照类别信息分成正常邮件和垃圾邮件，在各自的邮件集上生成LDA模型，并利用gibbs抽样算法获取模型参数。图2给出了该算法的框图，图中标示的参数与前文定义相同。
基于邮件类别信息的LDA特征选择算法的主要步骤如下:
Step1输入参数KS,MS,NmS,Kh,Mh,Nmh;
Step2利用Gibbs抽样算法估计LDA模型参数αs，βs，αh，βh;
Step3利用式(1)、式(2)计算LDA生成模型变量的条件概率:
Step4将垃圾邮件特征词Ts和正常邮件特征词Th中包含的相同特征项合并;
Step5输出基于邮件类别信息的LDA特征词。
注:角标s表示垃圾邮件，h表示正常邮件。
3 基于反馈学习的随机森林算法介绍
3.1 基于反馈学习的邮件过滤系统
相关反馈[14]思想起源于60年代中期，最早被应用于信息检索领域，其作为一种有指导的学习过程，可以有效地提高系统的检索性能。反馈学习按照信息检索模型的不同可以分为基于向量空间模型的反馈算法、基于概率模型的反馈和基于布尔模型的反馈等。本文提出的邮件过滤系统采用向量空间模型，基于该模型的反馈算法如下式所示:
式中Qi为未加入反馈的当前向量，Qi'表示加入反馈信息后的调整向量，α、β和γ为算法的调节参数，N为用户反馈信息和邮件系统更新所包含的邮件数量，Di表示原始向量空间，Nrel表示邮件与类别属性信息相关的文本数。
3.2 基于反馈学习的随机森林算法
随机森林[15]是一种基于决策树的集成学习算法，它融合了决策树与集成学习的优势。算法设计思想:在整个数据集上以一个固定概率分布随机生成多个子集，在每个子集上构造决策树，通过构建的多棵决策树来共同预测判别结果，有效降低了噪声数据对分类器性能的影响，且不会陷入过拟合。随机森林算法的执行过程如图3所示。
基于反馈学习的随机森林算法描述:
输入:邮件训练集包括用户的反馈信息和新增加的邮件类型X={x1,x2，…，xn}，xi∈Rd，测试集Y={y1,y2，…，yn}。
其中n表示训练集中包含的邮件个数，d表示选取的特征项的维数。
输出:测试集中邮件类别C。
算法步骤:
Step1利用基于类别信息的LDA特征选择算法提取反馈信息的特征项，根据式(3)重新构建向量空间模型;
Step2从邮件训练集抽取K个子集
利用Bagging算法从邮件集X={x1,x2，…，xn}中抽取m个样本，构造出同样大小的K个子集;
Step3构造K棵决策树
(1)从原始d个特征中随机选取F个特征，F=log2d+1;
(2)利用式(4)和(5)，分别计算F个特征的信息增益，选取信息增益最大的特征作为结点的分割属性。
式中的p(i|t)表示节点t属于类别j的比例;N表示父节点上的记录总数;N(α)表示与子节点α相关联记录的个数;j表示邮件类别，j=0表示垃圾邮件，j=1表示正常邮件;
(3)重复上面的方法，构造出决策树的各个分枝;
(4)重复执行(1)-(3)，直到K棵决策树构造完毕;
Step4随机森林分类
(1)将测试数据输入到随机森林分类器模型;
(2)采用投票表决的方式对测试集中的邮件类别进行预测。
4 实验
4.1 实验数据及评价指标
为验证算法的有效性，实验测试数据采用公开的垃圾邮件语料库CCERT和Trec06，两个语料库均来源于真实邮件，保留了邮件的原有格式和内容。CCERT是中国教育和科研计算机网紧急响应组提供的数据集分为Jun和Jul两个文件夹，Trec06为国际文本检索会议提供的语料库，分为英文数据集(Trec06p)和中文数据集(Trec06c)两部分。中文邮件的预处理包括去除信头，分词，词性选择，过滤常用词，保留去掉词频和文档频度过高和过低的特征词，提取名词、动词、形容词和副词。英文邮件预处理包括去除停用词，词根还原(Stemming)，去除信头三部分。文本表示选用向量空间模型(VSM)。
评价指标采用邮件过滤系统中经常采用的三个指标，即垃圾邮件的准确率(检对率)、正常邮件的召回率(检出率)和垃圾邮件的召回率，以及系统的精确率(判对率)。
4.2 基于类别信息的LDA特征选择算法
表1、表2记录了基于类别信息的LDA特征选择算法(Categories-LDA)与其他特征选择算法卡方统计量(Chi)、信息增益(IG)、互信息(MI)、特征熵(TE)、文本证据权(WET)、期望交叉熵(ECE)在不同数据集上的实验结果。sp表示垃圾邮件过滤的准确率，sr表示垃圾邮件的召回率。
表1记录了在Trec06c中文数据集上的不同特征选择算法的实验对比结果，从数据集中随机抽取19 364篇垃圾邮件和9 881篇正常邮件作为训练数据，其余的23 490篇垃圾邮件和11 885篇正常邮件作为测试数据，以Chi特征选择算法得到的特征词权重作为向量空间模型的权重系数，并选取多项式分布模型贝叶斯Multinomial-Naive Bayes、标准支持向量分类C-SVC和J48决策树三种分类器对不同特征选择算法选取的特征值进行分类。
表2记录了不同特征选择算法在Trec06p英文数据集上的实验对比结果，从数据集中随机抽取11 505篇垃圾邮件和6651篇正常邮件作为训练数据，其余的12 440篇垃圾邮件和6143篇正常邮件作为测试数据，选用向量空间模型(VSM)作为文本表示方法，以词频—文档频度(tf-idf)函数作为权重系数，采用Multinomial-Naive Bayes、C-SVC和KNN三种分类器对不同特征选择算法选取的特征值进行分类。
从表1、表2可以看出采取不同的特征选择算法对邮件过滤系统影响的程度有所不同，同一种特征选择算法在不同分类器上表现的性能存在差异，而基于类别信息的LDA特征选择算法的性能几乎不受数据集和分类器的影响，表现比较平稳，没有较大波动，说明该算法有着较好的鲁棒性和适应性。
分析图4的折线图可以发现相同一种特征选择算法在不同的语料库上表现出的性能有所不同，这是由于邮件集自身差异导致的。一般情况下垃圾邮件与正常邮件在内容表述上区别很大，特征词较明显，但垃圾邮件的内容呈现多样性的特点，使得对分类有价值的特征词与低频词相混淆，不易提取。现有的特征选择算法存在一定的局限性，如信息增益算法的初衷是找到在一类中出现频率高在其他类中出现频率低且在其他类出现频率高在该类出现频率低的特征词，但其对垃圾邮件专有词与噪声词的区别度不高，导致分类性能不佳。MI算法虽然给在某一类出现频度较高且在其他类别出现的频度较低的词赋予很高的互信息值，但垃圾邮件的种类繁多很难找出这样的特征词，使得该算法在邮件过滤中性能不好。总之特征选择算法受语料库规模，类别数量均衡，数据偏斜等各种因素影响。
4.3 基于反馈学习的随机森林算法
基于反馈学习的随机森林算法主要包括两方面的反馈:一是针对新出现的垃圾邮件的形式和内容的反馈;二是针对客户的个性化需求的反馈，如有的客户喜欢网上购物，则与网上购物相关的邮件对该客户而言就是正常的邮件，这与常规的垃圾邮件的判断准则是冲突的，一个好的邮件过滤系统必须充分考虑到客户的需求。
表3中给出了在不同数据集上，Naive Bayes Mul、C-SVC、Bagging、KNN、J48、AdaBoostM1、RandomForest和Feedback-Rf(基于反馈学习的随机森林算法)七个分类器的邮件过滤性能比较。sp表示垃圾邮件过滤的准确率，hr表示正常邮件的召回率。基于反馈学习的随机森林算法在三个数据集上选取的反馈邮件的数量分别为:从CCERT语料库的Jun文件夹中随机抽取3000篇垃圾邮件和2000篇正常邮件作为反馈信息，从Trec06p英文语料库中随机抽取2000篇垃圾邮件和1500篇正常邮件作为反馈信息，从Trec06c中文语料库上随机抽取4000篇垃圾邮件和3000篇正常邮件作为反馈信息。
图5给出了基于反馈学习的随机森林算法与Naive Bayes Mul、C-SVC、Bagging、KNN、J48、Ada Boost M1、Random Forest算法的精确率比较结果。特征选择算法采用基于类别信息的LDA特征选择算法，从图中可以看出带反馈学习的随机森林算法性能要优于随机森林算法，这说明通过采取增大训练集的方式确实可以提高分类器的性能。对比分类器在邮件过滤系统中的精确度发现，不同分类器在同一种语料库上的表现各不相同，而同一种分类器在不同语料库上的精确度也存在差异，有的数值比较接近有的则相差很多，但这并不说明哪种分类器的性能不好，影响分类器的因素很多如数据集的规模、内容、分类器的参数、预处理的效果等，要根据实际情况选择适当的分类器，这样才能从根本上改善分类效果，提高分类精度。反馈学习效果受反馈数据集的规模和邮件的内容影响较大。一般而言，反馈学习都能在一定程度上提高邮件过滤系统的性能。
5 结语
针对邮件过滤系统中普遍存在的维数灾难，类别主题差异和反馈信息缺失问题，提出了一种基于类别特征选择与反馈学习随机森林算法的邮件过滤模型，在不同类型的邮件集中建立各自的生成模型，分别搜寻构成各个主题的特征信息，有效地克服了LDA模型中由于忽略类别主题差异性而造成的系统过滤性能下降的影响。由于垃圾邮件种类具有实时变化的特点且不同客户群间对邮件过滤系统存在着差异性，本文将反馈学习理论与随机森林算法相结合，继承了决策树与集成学习的优势，有效地提高了邮件过滤系统的性能。垃圾邮件过滤属于文本分类范畴，因此用本文的方法来解决文本分类和信息过滤有潜在的应用价值。
分辨古诗类别 篇4
要很好地鉴赏古诗词，必须辨别不同题材的诗词，能对具体的诗词作出准确的判断，常见的有如下几种题材的诗：
1、爱情诗
这是以爱情（包括悼亡）为题材的诗，也称“情歌”、“闺怨诗”。爱情诗自《诗经》起，源远流长，主要描写男女爱慕之情和爱情生活，或抒发离别相思之情。如《兼葭》、《迢迢牵牛星》、《无题》（“相见时难别亦难”李商隐）、《鹊桥仙》（“纤云弄巧”秦观）等等。2004年浙江卷《菩萨蛮 李白》亦属于这一类。
2、讽刺诗
这是以嘲讽或劝喻手法，揭露社会黑暗、世态炎凉，表达人民或正人直士呼声的诗歌，亦称“讽喻诗”，有时也称“政治讽刺诗”。讽刺诗同样源远流长，自《诗经》起直到现代从未消失。如《硕鼠》、《伐檀》、《蜂》（唐•罗隐）、《题临安邸》（南宋•林升）等等。2004年春季高考北京卷陆龟蒙的《新沙》就属于这一类。
3、哲理诗
这是一种通过对具体事物的描述、议论，来寄寓或阐发某种哲理的诗歌。有的点明主题，有的含而不露，引人思考。著名的如苏轼的《题西林壁》、《琴诗》等。此外，有些诗本身不是哲理诗，只是其中有的诗句富有哲理，如“山重水复疑无路，柳暗花明又一村”，“青山遮不住，毕竟东流去”等，这类诗不归入哲理诗范畴。
4、送别诗
这也是最早出现、最为常见的题材之一，主要抒写离情别恨，或用以激励劝勉，或用以表达深情厚谊，或用以抒发别离之愁。因为送别常与登山临水相联系，故又称“山水送别诗”。如《送杜少府之任蜀川》（王勃）、《送孟浩然之广陵》（李白）、《别董大二首》（高适）等。2001年全国卷中的《赋得暮雨送李胄》（韦应物）属于这类诗。
5、记行诗
又称记游诗、行旅诗。这类诗或描述个人游历见闻感受，或表现思亲怀乡之情，叙事与抒情相结合。其内容描写离不开山水，所以又称“山水记行诗”。这与纯粹的山水诗略有区别，是“以记行抒情”为主的。如杜甫的《旅夜抒怀》、马致远的《秋思》，只作记行诗，不可视作山水诗。2002年全国卷中的《春夜洛城闻笛》（李白）属于这类诗。
6、边塞诗
这是以描写边塞风光，反映边疆将士生活为基本内容的诗歌。唐代著名的边塞诗人有高适、岑参、王昌龄、王之涣、李颀等。高适的《燕歌行》、岑参的《白雪歌送武判官归京》、王之涣的《凉州词》、王昌龄的《出塞》以及宋代范仲淹的《渔家傲》（“塞下秋来风景异”）等，均是脍炙人口的名篇佳作。2004年江苏卷《征人怨 柳中庸》亦属于这一类。
7、咏史诗
这是以吟咏或评论历史故事、历史人物为题材，借此抒发情怀、讽刺时事的诗歌，一般是先叙事后议论；也有一些只叙事不议论，让读者自己思考。咏史为题的诗以班固的《咏史》、西晋左思的《咏史八首》为早期著名代表作。此后不断发展，出现了更多的咏史诗，如章碣的《焚书坑》、李商隐的《贾生》、杜牧的《题乌江亭》、温庭筠的《经五文原》等，均为名篇。1996年全国卷《咏史》（元朝阿鲁威的散曲）亦属这一类。
8、咏物诗
这是借吟咏自然或社会事物，来表达思想感情的诗歌，托物言志，象征比拟是其常用手法。这类诗先秦两汉已出现，唐以后佳作渐多。如王维的《相思》（“红豆生南国”）、李白的《白鹭》、杜甫的《归雁》、陆游的《卜算子•咏梅》、于谦的《石灰吟》、等等，都是借自然之物，抒自己心志的名篇。
9、咏怀诗
这是以吟咏个人抱负，反映或讽刺社会为题材的诗歌，比兴、象征、联想等是其主要手法。咏怀诗也源自《诗经》，是古诗中最重要的诗歌之一。如屈原的《离骚》、《涉江》、李白的《行路难》、《将进酒》、陈子昂的《登幽州台歌》、陆游的《书愤》等等，都是令人感动的咏怀名作。
10、怀古诗
这是由凭吊古迹而产生联想、想象，引起感慨而抒发情怀抱负的诗作。怀古诗可归入咏怀诗大类之中，但独有特色；怀古诗与咏史诗略有不同，怀古诗是身临旧地古迹而抒情言志，而咏史则不必亲到历史遗址，在书房中就可以写作。怀古诗如杜甫的《蜀相》、刘禹锡的《石头城》、李白的《登金陵凤凰台》、苏轼的《念奴娇•赤壁怀古》、辛弃疾的《永遇乐•京口北固亭怀古》、张养浩《山坡羊•潼关怀古》等等，都遗响千古。1996年全国卷
11、山水诗
又称山水田园诗，这类诗以自然风光为题材，通过描写一山一水，一草一木等自然景物来寄寓情感，常用寓情于景，借景写情等手法来抒发自己的思想感情。这类诗在古诗词中最常见，是高考试题中出现频率最高的一种。如：2003年全国卷中的王维的《过香积寺》，1999年杜甫的《漫成一首》，1998年的两首：刘禹锡《望洞庭》，雍陶《题君山》，2003年北京卷中赵嘏的《江楼旧感》等。
12．闲适诗
澳洲商业移民类别多样 篇5
如商业移民，就分为163、164、165、132四个签证类别。在163类中， 因为对申请者是否持有公司股份的要求不一样，又分为163A类和163B类。那么每个类别究竟适应哪些人群呢?
适合中小企业主的163A类
163A类别的基本要求是，过去4年中2年的营业额在30万澳币(约180万人民币)，申请人和配偶在公司占10％以上股份，且参与公司的高层管理。这个类别是签证率最高的一个类别，对营业额的要求也最小。一般来说，申请人全家的股份如占到50％以上，签证官不会在管理经验上有过多疑问。只要公司财务报表有一点盈利，签证几乎是100％的。
适合高级管理者的163B类
163B类别的基本要求是，过去5年中3年的平均营业额在100万澳币(约600万人民币)，并且申请人参与公司的高层管理。163B可以说是适用最广的一个类别，也是唯一适用于国有和集体企业的类别，包括国有企业。一般中等规模的国有企业的老总和副总们都符合条件。
适合大中型企业管理者的164类
164类别的基本要求是，过去4年中2年的营业额在1000万澳币(约6000万人民币)，并且申请人参与公司的高层管理。一个注意事项是，公司不能是国有或集体的，哪怕是国有或集体占大股也不行。最适合的人群是，上市公司或大的民企的主要负责人。一般来说，签证官要求164申请人提供个人所得税税单，这对很多人来说是一个问题。大公司的主要部门负责人也可能符合164条件，但要个案处理，比较复杂。
适合专业股票、期货、外汇投资者的165类
165类别的基本要求是，有1年以上的公司管理或450万人民币投资管理经验。资产700万人民币以上，并要求投资450万人民币到澳洲政府债券、利息约4．75％每年。165申请主要适合2类人：第一类是专业从事股票、期货等投资的；第二类是有企业或个人所得税单的公司管理人员。如有很详细的文件支持，申请还是比较直接的。但现在香港只有3个签证官会处理165的申请，所以申请周期相对较长。
适合大中型企业股东的132类
《汉书》官制词语的意义类别 篇6
关键词：汉书,官制
一、根据名称来分
1、吏员
亭长 (秦汉最基层的吏员, 负责民政事务) 、廷中吏 (指县里的吏员) 、主吏 (县吏重要掾属之统称) 、掾 (指沛县的属吏。当时曹参为沛县狱掾) 、佐史 (汉代地方官的属吏) 、宦皇帝 (指中都官的官吏, 以别于王国之官吏) 、啬夫, 令史 (皆是县中小吏) 、令史 (县吏之一种) 、长吏 (指县的丞、尉等) 、都吏 (凡外事循行督捕盗贼, 都由督邮主之, 故称都吏) 、县令史 (县中掌文书的小吏) 、廷尉史 (廷尉属下的小吏, 一般是协理事务) 。
2、爵
公士 (第一级) 、上造 (第二级) 、大夫 (秦汉二十等爵的第五级) 、国大夫 (即官大夫, 第六级) 、七大夫 (秦爵名, 第七级) 、列大夫 (即公大夫, 第七级) 、公乘 (第八级) 、五大夫 (第九级) 、左庶长 (第十级) 、右庶长 (第十一级) 、左更 (第十二级) 、右更 (第十四级) 、大上造 (第十六级) 、大庶长 (第十八等级) 、官首 (武功爵, 第五级) 、千夫 (武功爵, 第九级) 、关内侯 (二十等爵第十九级) 、通侯 (即彻侯。第二十级) 、列侯 (二十等爵最高级) 、中更 (秦汉爵名, 第十三等) 、少上造 (秦汉爵名, 第十五等。) 、爵卿 (在秦爵二十级中, 自左庶长至大庶长相当于卿。) 。
3、郎中令
郎中令 (掌守卫宫殿门户, 汉武帝时改称光禄勋) 、郎中 (秩比二百石, 侍从帝王, 属郎中令) 、中郎 (秩比六百石, 近侍之官, 属郎中令) 、光禄大夫 (掌顾问应对, 秩比二千石, 属郎中令) 、大中大夫 (即太中大夫。掌议论。属郎中令) 、中大夫 (掌议论, 属郎中令) 、大夫 (掌议论, 属郎中令) 、郎 (帝王恃从官的通称, 有议郎、中郎、侍郎、郎中等名。是郎中令的属官) 、太中大夫 (郎中令的属官, 掌朝议。属郎中令) 、议郎 (属郎中令) 、户将 (管宫内门户守卫。属光禄勋) 、侍郎 (近侍天子。属郎中令) 。
4、武官
司马 (掌军法、参谋等) 、候 (掌侦察) 、当百 (大约是小队长) 、更始将军 (新武官名) 、胡骑校尉 (掌管归附的胡人骑兵) 、轻车将军 (掌轻车部队 (汉武帝时变为仪仗队) 、步兵将军 (改步兵校尉而为将军) 、尉史 (郡中武官) 、越骑校尉 (汉武帝所置五校尉之一, 掌越骑兵) 、军候 (小武官) 、丞 (属西域都护与副校尉, 而位高于军候, 当时杜勋为军候, 暂任丞) 、长水校尉 (掌宣曲胡骑, 汉代八校尉之一) 、射声校尉 (掌射士。汉代八校尉之一) 、中垒校尉 (汉军职名, 掌北军军垒, 八校尉之一) 、护军都尉 (属大司马大将军) 、骑都尉 (掌骑兵, 位次于将军) 、军司马 (武官掌军队的车、马、兵士, 属大将军, 秩比千石) 、中尉 (武职, 掌京师的治安, 兼主北军) 、骁骑都尉 (率领骁骑 (轻骑兵) 的军官) 、建章监 (建章官守卫营的长官) 、都尉 (位低于将军的武官) 、军门都尉 (守卫宫门的武官) 、校尉 (位次于将军) 、将军 (将军的属官吏, 有诸校尉、都尉、司马、军正、军监, 等等。
二、根据级别来分
1、普通官员
卒正、连率、千人、僮仆都尉、骑都尉、别驾、都司空令、太保后丞、太子庶子、中太仆、司录校尉、宣曲、中大夫、河堤使、啬夫、行人、内史、长乐、南正、火正、侍郎、纳言、监、左将、司徙。
2、高级官员
太尉 (全国最高军事长官) 、郡守 (郡之最高长官) 、郡尉 (郡之军事长官) 、长吏 (高级官员) 、相国, 丞相 (是百官之长。在战国与秦时, 原名相邦, 汉初因避高帝讳, 故改为相国) 、御史大夫 (仅次于丞相的最高长官, 主要职务是监察、执法) 、大司马 (最高的军事长官) 、戊己校尉 (掌管西域屯田事务, 为屯田区最高长官) 、都护 (汉设在西域的最高长官) 、丞相长史 (协助丞相的高级属官) 、太宰 (百官之首长, 辅佐帝王。
3、专职官员
未央卫尉 (掌管未央宫的警卫) 、长乐卫尉 (掌管长乐宫的警卫) 、太史令 (掌天文历法等, 属太常) 、建章监 (掌建章宫守卫) 、奉车都尉 (掌皇帝的车马, 秩比二千石) 、狗监 (主管豢养皇帝的猎狗) 、掖庭令 (掌官人事。由宦官充任) 、主事 (掌殿事务) 、音监 (掌音乐) 、执金吾 (汉武帝时改中尉为执金吾, 为督巡三辅治安的长官) 、御史中丞 (御史大夫的主要助手) 、右扶风 (职掌相当于郡守。治所在长安) 、大司空 (西汉后期将御史大夫改为大司空) 、左冯翊 (掌治三辅之一左冯翊地区) 、长信少府 (掌管长信宫 (太后处) 事务。) 、东郡都尉 (掌郡军事) 、丞相司直 (巫相的属官) 、京辅都尉 (辅佐京兆尹) 、京兆尹 (主管京城及长安以东地区的行政长官) 、游徼 (乡官名。掌察捕奸盗) 、尉史 (主管刑狱的佐官) 、功曹 (此指郡守的佐吏) 、督邮 (西汉郡县皆设此官。代表长官督察所属县乡官吏, 宣达教令, 兼司讼狱等。钟官 (掌铸钱) 、都护 (西域都护, 统管西域) 、掖门仆射 (掌掖门守卫) 、和叔 (为国将的副职) 、宗伯 (汉平帝时改宗正为宗伯。掌皇族事务) 、库令 (主管收藏兵器之武库) 、宗师 (汉平帝时郡国官名, 掌纠察宗室) 、共工 (主管百工之事) 、虞 (主管山泽禽兽) 、秩宗 (主尊神之礼) 、大司马, 大将军 (汉武帝罢太尉置大司马, 与大将军联称, 掌握军政大权) 、光禄大夫 (掌顾问应对, 属光禄勋) 、栘中监 (掌管鞍马鹰犬射猎等事。栘园之中有马厩, 故名。) 、榷酤官 (掌管酒类专卖的官吏) 、稻田使 (掌稻田租税) 、平乐监 (掌管平乐观 (在上林苑中) 、太常 (掌宗庙礼仪, 兼掌选试博士) 。
4、武官
司马 (掌军法、参谋等) 、候 (掌侦察) 、当百 (大约是小队长) 、更始将军 (新武官名) 、胡骑校尉 (掌管归附的胡人骑兵) 、轻车将军 (掌轻车部队 (汉武帝时变为仪仗队) 、步兵将军 (改步兵校尉而为将军) 、尉史 (郡中武官) 、越骑校尉 (汉武帝所置五校尉之一, 掌越骑兵) 、军候 (小武官) 、丞 (属西域都护与副校尉, 而位高于军候, 当时杜勋为军候, 暂任丞) 、长水校尉 (掌宣曲胡骑, 汉代八校尉之一) 、射声校尉 (掌射士。汉代八校尉之一) 、中垒校尉 (汉军职名, 掌北军军垒, 八校尉之一) 、护军都尉 (属大司马大将军) 、骑都尉 (掌骑兵, 位次于将军) 、军司马 (武官掌军队的车、马、兵士, 属大将军, 秩比千石) 、将军 (将军的属官吏, 有诸校尉、都尉、司马、军正、军监, 等等。
三、其他新官名
掌牧大夫、风俗大夫、理军 (军事参谋。) 、镇外将军、属令、属长、属正、保忠信卿、境尉、平蛮将军、南城将军、司禄、司允、司若。
西汉仿秦制, 皇帝之下, 中央政府的最高行政长官是丞相或称相国, 丞相一人或两人 (左右丞相) ;次于丞相的有太尉与御史大夫, 分掌军政与监察。后丞相又改称大司徒, 太尉又称大司马, 御史又改称大司空, 合称三公, 三公之上有上公 (太师、太傅、太保) , 为荣誉职, 不常置。三公之下, 分设九卿, 总管庶政, 又有九卿以外的列卿宫官, 与将军尚书台。这些基本能反映出汉代官制的大致风貌。
参考文献
[1]郭洪涛.汉书·艺文志专题研究[D].广西师范大学, 2005.
不同类别牛的管理技术 篇7
繁殖母牛选择的关键是高繁殖性能。这样的母牛有典型的雌性外貌—身躯长而清秀、肌肉平滑;头轻雌相,颊、颚、颈、胸、肩和后躯无脂肪;发育良好。除此而外, 其他方面如体格大小,结构的协调性、毛色等也必须符合选择品种的基本特征。
繁殖母牛的配种有自然交配和人工授精两种方式。在有足够的优秀的种公牛可供使用时,可采用本交方式,一般讲本交的繁殖率高于人工授精。公牛不足或需要使用国外进口的优良肉牛品种时,原则上只能使用人工授精,这是我省目前以至今后一个较长的时期肉牛繁殖应该采用的一项技术。一般可以请人工授精站协助实施,有条件的也可以自己进行输精。人工授精的成败关键这一是发情鉴定及适时输精。一般发展母牛的最适输精期是接受公牛爬跨(注意,这里所说的公牛应该是结扎了输精管的试情公牛)并有较多的分泌物从阴道流出,这个阶段即发情中到后期阶段 (约5~6个小时)。此外人工授精技术的熟练程度也是影响受胎率的关键因素之一。影响配种受胎率的又一个因素是繁殖母牛的膘情和体况,哺乳母牛的膘情和体况一般均较差,配种前2~3个月,一定要注意催膘,否则将难以受孕。
对于规模化饲养而言,必须改变目前广大农村普遍流行的长年配种长年产犊的不科学的繁殖习惯,实行集中配种集中产犊。对于云南而言,大多数地区在3~5月产犊是理想的,因此应该在6~8月安排配种,其余时间要隔开公牛。至于首次如何能使牛都在这个期间发情,做法是用前列腺素进行同步化处理(可以请当地兽医站帮助完成此项工作)。做出这种调整,部分母牛在第一个集中配种年可能出现空怀,但对于该母牛一生的繁殖而言,这种调整是十分必要的。其优点是有利于提高受胎率,有利于使犊牛、青年牛的生长与牧草的生长同步。特别对商品生产而言,这种调整尤其显得重要。
母牛配种后是否受孕,可通过妊娠检查加以确定。虽然不发情可作为妊娠的阳性判定,但这不一定是确征。最常用的方法是直肠检查,因为怀孕的青年母牛约在第二个月、成年母牛约在第三个月子宫已显著增大,孕侧子宫更明显,并向腹下垂,通过直肠触摸即可判断。通常是在配种后2个月进行检查。母牛的怀孕期因品种和个体而异,平均怀孕期为283天 (278~288天)。
怀孕母牛的营养需要不象产奶母牛那样严格,一般可以长期放牧,只在寒冷气候、深雪或干旱时给予必要的补饲。补饲通常用干草或青贮料。在较好的草地上放牧, 一般能保证繁殖需要的一切营养。
分娩牛的护理是一项重要的管理工作,应该在分娩期到来之前做好有关准备。在有配种记录的情况下,确定分娩期不困难,但在农村大群放牧的情况下,是难以准确地记录下每头母牛的配种期的,因此要根据临产征兆加以确定。临产的第一症状是乳房膨胀,发生于临产前几周,接近妊娠末期,乳房内容物从水样分泌物变为浓厚的初乳, 临近分娩时,尾根和骨盆处的肌肉表现明显的松驰,阴门显著扩展和肿大。临产时表现高度神经质和不安,不在牛群里休息,并表现努责和痛苦。
在温暖的季节,清洁空旷的草地就是最自然且理想的分娩场所。 在放牧条件下很少发生母牛或犊牛的感染或机械性损伤。管理人员只要勤于去牧场检查即可。在寒冷或恶劣的气候条件下,临床牛应放在明亮通风的舍内,并事先做好消毒并铺以垫草。
母牛的分娩大都是在非人工辅助的情况下自行完成,这种情况下,母牛会自己护理初生犊牛,人不必干涉。不正常的分娩(多发生在青年母牛)需要助产,助产一般是把产科绳带系在犊牛管部,配合母牛的努责向后向下拉(最好有兽医或有经验的人在场,要防止粗暴和不卫生的操作)。在这种情况下,当犊牛产出后,需要拭去口鼻粘液或加人工呼吸(往犊牛嘴内吹气,活动其肋,用力摩擦身体), 并让母牛舐犊牛。为防止脐带感染,可用10%碘酊消毒脐带。
在正常情况,胎衣在产后3~6小时即排出,如果停滞24小时以上,需要在兽医的帮助下摘除停滞的胎衣。这项工作需要技巧和经验,弄不好将造成母牛的不育。胎衣取出后应立即埋掉,以防散发细菌。
2犊牛的管理技术
强健的犊牛经过15分钟后就试图停立,经过半小时至1小时就会吃奶。弱犊需要的时间较长,有的需要人工扶持去吃奶。
初乳(产犊后短时间内所产的母乳)对于初生犊牛是极为重要的。经研究证明,没吃到初乳的犊牛很难养活。初乳与常乳除了化学成分的不同之处,初乳具有暂时保护犊牛免受某些疾病(特别是消化道疾病)感染的抗体;是一种天然的通便剂,能排出积在消化道中的胎粪;含有高浓度的维生素A,含量是常乳的10~100倍,从而保证了生后初期的需要。
可见,管理工作必须保证初生犊吃到足够的初乳2~3天。为确保母牛和犊牛的安全,最好把母牛和犊牛隔离在小块草地上单独放几天,然后再放入大群。
在规模化饲养的牧场里,犊牛一般满6月龄即行断奶。需要提前断奶的一般要用犊牛代乳饲料给予补饲。但在目前农村大都难以做到,主要原因是现在的饲料加工企业都不生产这种饲料,而自己加工因原料的零星等原因做起来比较困难。所以一般不宜太提前断奶。即便是正常断奶的犊牛,由于断奶时已开始进入枯草期(在集中配种、 集中产犊的情况下,大都如此), 为了保证犊牛的正常发育不受影响,一般要补给质量较好的干草或青贮料,有条件时,也可补给适量的精料。
在规模化饲养的牧场里,犊牛要特别注意编号,没有编号就谈不上管理,这对于今后的配种计划的制订是极为重要的,否则最大的一个问题是极有可能造成近交配,引进退化。
3青年母牛的管理技术
牛的正常性成熟年龄是8~12个月,多发生在达到成年体重三分之一的时候,且随品种及营养、环境的不同而有所差异。性成熟后的母牛随即会出现周期性的发情,大约隔21天(19~23天)反复一次, 发情持续期通常不超过6~20小时 (少数为6~30小时)。假如母牛早晨开始发情,表现出一定的外部行为,到晚上或前半夜便结束了。对一般品种(如英国品种及其杂交牛)而言,年满12~14月、体重达到250~260kg时,配种可以受孕;而婆罗门及南非瘤牛配种年龄更大些,体重也要更重些,大约为22~23个月和310kg。云南黄牛在放牧条件下,成熟较晚,一般要2岁左右体重160~180kg时才能配种受孕。值得指出的是莫累灰与云南杂交所得的母牛,其初配年龄可提前到14月龄左右,这时体重可达230~240kg。可见用杂交手段提高云南黄牛的再生产力是可行的。
近年来,国内外的养牛者中兴起给母牛早配种趋势,这样做在母牛的一生中可多得一头犊牛。但存在的问题较多,如胎率低、初生重及断奶体重也较正常配种为低且难产率高。因此,在需要早配时,也要选择发育好、体重大的个体,且要使用年轻、头小、细致类型的种公牛(如安格斯),在分娩时要注意特殊护理。即便如此,笔者认为仍然是适龄配种为好。
信用卡欺诈风险的类别 篇8
一、身份信息被盗
目前盗取身份信息一般通过两种途径:一是欺诈性申请, 如犯罪分子通过不正当途径窃取他人资料申请信用卡, 二是犯罪分子填写虚假信息, 如身份证、单位、家庭住址等重要办卡信息均属虚假信息。当发卡行发现持卡人账户信息异常后, 却找不到真正的欠款人, 难以追回欠款, 从而蒙受损失。第二是盗取信用卡帐户 (account take-over) , 欺诈分子通过私拆邮件或与内部人员串通等方式收集持卡人相关信息, 然后伪冒持卡人拨打发卡行客服电话, 通常通过先修改邮寄地址, 然后再挂失的方法, 要求发卡行补记新卡到伪冒认制定的地址, 从而获得卡片, 以进行刷卡交易。
二、伪造卡
客户账户信息流失途径分为两种。一种是犯罪分子通过skimming技术读取信用卡磁道信息后, 盗取了重要信息, 再进行仿制并使用。另一种是犯罪分子通过偷窥信用卡签购单商户联、互联网在线登记资料, 勾结发卡行内部人员等方式窃取客户信息。犯罪分子还经常利用高新技术手段盗取信用卡信息, 之后便进行批量性的制造和贩卖假卡, 大肆作案。
三、卡未达
卡未达一般有两种情况:一是发卡行向持卡人邮寄卡片, 但由于种种原因, 申请人并没有收到卡片。二是卡片在邮寄过程中被犯罪分子窃取。犯罪分子盗取持卡人有效信用卡后, 开通卡片, 并冒名刷卡, 给持卡人造成经济损失。
四、卡不在场欺诈
卡不在场欺诈 (card-not-present fraud, 简称CNP fraud) , 又称卡相关信息被盗欺诈 (fraudulent possession of card details) , 信用卡和持卡人均不在销售终端, 只要提供卡的相关信息就可进行欺诈交易, 如通过电话、传真、邮件、互联网等渠道使用信用卡。随着网络交易的流行, 网络欺诈也快速上升, 它通过盗取和输入信用卡相关信息网上购物进行欺诈。近年来网络钓鱼 (phishing) 作为一种新的欺诈方式越来越多的出现, 其主要表现形式有:1、伪造网站伪造各大银行网站或电子商务网站作为“诱饵”, 通过MSN好友窗口、QQ好友窗口或者淘宝窗口发送网站信息, 诱骗持卡人登录, 直接窃取持卡人输入的卡号、密码、CVV校验码等重要信息。2、电子邮件发送虚假信息。假冒银行等官方机构发送虚假电子邮件, 以银行系统故障或为保障持卡人信息安全为由, 骗取持卡人信任。当持卡人点击邮件上的链接地址后, 即登录到伪造网站, 被骗取信用卡账户信息和密码。3、计算机病毒。当病毒以种种途径植入持卡人电脑后, 会随时窃取账户和密码信息。
五、商户欺诈
信用卡特约商户内部员工受理信用卡交易时, 运用重复刷卡或手工压卡的方式, 伪造交易资料骗取收单银行交易款项据为已有。更有部分伪卡集团以高额回扣为诱饵收买特约商户财务人员进行伪卡交易, 套取银行现金并从中获利。
六、ATM欺诈
不法分子以各种手段, 利用自助银行设备盗取持卡人银行卡 (或卡号、磁条信息) 及密码, 进而直接或制作伪卡盗取银行卡存款。第一是偷窥密码+调包。犯罪分子趁持卡人在ATM机取款时, 窥视密码, 然后用故意将钱丢在地上或咨询问题等技俩, 吸引持卡人注意力, 并趁机将已经退出的卡片插回ATM插卡口, 待犯罪分子催促“忘记取回卡片”的持卡人离开后, 将持卡人的卡片盗走。第二是盗录设备盗取磁条信息及密码。犯罪分子在自助银行门禁系统上安装盗录设备及微型摄像头, 以窃取磁条信息和密码, 制作伪卡。第三是利用吞卡设备盗卡。犯罪分子在ATM上安装吞卡装置, 并在一旁张贴假的银行公告, 公告上有虚假的故障联系电话。客户拨打电话后, 另一端的假冒银行工作人员会借机套出卡密码。或者犯罪分子用望远镜、摄像机等设备远程偷窥持卡人输入的密码, 以获取密码盗刷卡片。第四是假公告。犯罪分子在ATM旁张贴虚假银行公告, 以“银行调试系统”等为理由, 让持卡人将银行卡存款转移到公告制定的账户。第五是卡用户把密码写下来和信用卡一起放在钱包里丢失了或被盗了。使犯罪分子轻而易举的用遗失的卡片取款。第六是短信欺诈。犯罪分子通过手机短信, 向持卡人发送虚假信息, 诱骗持卡人将银行卡存款转账到不法分子指定账户。如假中奖短信、假退款短信、假销售短信等。
参考文献
[1]郭从秀, 杨剑愕.信用卡业务风险与防范措施.中国信用卡, 2005 (8) :36一40
[2]郭从秀, 朱婉萍.信用卡欺诈犯罪特征及防范对策..西部论丛.2005 (8) .62~64
[3]陈建.信用评分模型综述.中国信用卡.2005 (1) .46~49
[4]中国银联官方网站www.chinaunionpay.com
[5]陈四清.商业银行风险管理通论.北京.中国金融出版社.2006 (8)
[6]周宏亮, 穆文全.信用卡风险管理.北京.中国金融出版社.2002 (1)
[7]陈建.现代信用卡管理.中国财政经济出版社.2005 (1) .
[8]陈建.信用卡评分模型技术与应用.中国财政经济出版社.2005 (1) 150~172, 223~232
咸阳市区建筑场地类别区划研究 篇9
建筑场地类别是建筑抗震设计需要的重要参数,划分场地类别是岩土工程勘察要解决的主要问题之一。我国《建筑抗震设计规范》(GB 50011—2010)规定采用土层等效剪切波速和场地覆盖层厚度来划分建筑场地类别[1]。咸阳市区等效剪切波速测试值介于规范规定的场地类别分界线附近,由于局部场地土层结构及岩土工程条件的微小差异,导致相同土层的建筑场地类别划分结果不尽相同,给建筑抗震设计造成一定的困扰。为了真实揭示咸阳市区场地土层的抗震性能,通过大范围、宏观区域剪切波速测试,对咸阳市区建筑场地类别进行分区,合理确定场地类别及其抗震参数,编制市区建筑场地类别区划,能有效监管勘察成果提供的场地抗震参数,以指导勘察、设计、施工图审查和抗震专项审查,从源头上控制建筑的抗震设防标准,保障人民群众的生命和财产安全。在咸阳市城乡建设规划局、市抗震办的支持下,课题组对咸阳市规划区范围内进行野外钻探及剪切波速测试,根据实测资料分析研究,编制咸阳市区建筑场地类别区划。
1 研究范围及研究方法
研究范围包括咸阳市规划中心城区,西从秦都区马泉镇跑马泉西村—平安村一线以东,东界为沣东镇沣赵村—沙岭村—渭城镇,南从钓台镇—沣赵村一线以北至姜家庄—苏家寨—龚家湾一线以南,包括空港产业园,面积约95 km2。
研究方法严格遵照《建筑抗震设计规范》(GB 50011—2010)之规定,采用土层等效剪切波速和场地覆盖层厚度来划分建筑场地类别。通过钻孔了解地层情况,在钻孔中进行剪切波速测试,计算每个钻孔的等效剪切波速[2,3,4,5],通过深孔剪切波速测试,了解500 m/s的剪切波速界限深度,以确定场地覆盖层厚度。
按照国家标准《城市抗震防灾规划标准》(GB 50413—2007)第4.1.4条强制性条文的要求,“进行城市用地抗震性能评价时所需钻孔资料,对一类规划工作区,每平方公里不少于1个钻孔” [6],本次布置钻孔在规划区按照方格网布置,每平方公里1个钻孔。考虑到建成区已有部分可靠资料,钻孔数量适当减少。
2 咸阳市区岩土工程条件
2.1 地貌单元
咸阳市区位于渭河冲积平原中部,渭河、沣河从市区流过,地势北高南低,地貌具有河流冲积地貌的特点,可分为黄土台塬,三级阶地,二级阶地,一级阶地、高河漫滩和河道六大地貌单元。地貌单元在市区范围分布不对称,黄土台塬和二、三级阶地仅分布在渭河北岸。黄土台塬面宽阔,地形微向东南倾斜,海拔高度约461～505 m。三级阶地呈带状分布,海拔高度约413～437 m。二级阶地分布于渭河北侧市中心和西部宽阔地带,向东变窄,部分地段缺失,呈楔形,阶地面较平坦,海拔高度387～397 m。一级阶地渭河南岸分布范围较大,左岸分布范围较小且不连续,海拔高度约383～388 m。高河漫滩主要分布在沣河沿岸至东风路一线以东,市区西部分布面积较小,海拔标高约383～377 m。黄土台塬与河漫滩之间最大高差近100 m。
2.2 地层结构
咸阳市区地层根据其成因主要由风积和冲积两大类组成,地层结构与所处地貌单元有关。
2.2.1 黄土台塬
黄土台塬的黄土地层深厚,从区域钻孔资料可知,自然地面下约110 m以上为第四系更新世和全新世黄土与古土壤互层,其下为河湖相冲积的砂层及粉质黏土。
2.2.2 三级阶地
三级阶地上部约25 m为中更新世黄土与晚更新世及全新世黄土与古土壤组成,以下主要为早、中更新世冲积粉质黏土和中砂层。
2.2.3 二级阶地
二级阶地上部约13 m为晚更新世、全新世黄土与古土壤,以下为早、中更新世冲积粉质黏土和砂层。
2.2.4 一级阶地
一级阶地地表下1～3.0 m分布全新世黑垆土(古土壤),其下为更新世风积冲积成因的黄土状土及粉质黏土,层底深度约4～10 m不等,以下为砂层夹粉质黏土。
2.2.5 高河漫滩
高河漫滩近地表分布薄层黄土状土或粉土,厚度约0.5～2.0 m,其下为冲积砂土夹粉质黏土。
2.3 岩土工程特征
咸阳市区场地的岩土工程特征与场地所处地貌单元密切相关。
黄土台塬和三级阶地地下水位埋深大,分别为60～70 m和32～38 m。黄土的厚度也较大,为自重湿陷性黄土场地,地基湿陷等级多为Ⅲ～Ⅳ级(严重～很严重),湿陷深度也比较大[7]。
二级阶地全新世和晚更新世黄土厚度约10～14 m左右,地表下4～8 m以上的黄土具有湿陷性(图1)[7]。二级阶地后部为自重湿陷性黄土场地,地基湿陷等级为Ⅱ级(中等),阶地中部及前缘为非自重湿陷性黄土场地,地基湿陷等级为Ⅰ级(轻微)。二级阶地上湿陷性黄土层以下的晚更新世黄土,黄土含水量较高,处于饱和状态,承载力较低。二级阶地地下水位埋深约8.9～17.5 m。
一级阶地黄土层厚度小,多为非自重湿陷类型,湿陷厚度一般不超过3 m,湿陷等级为Ⅰ级(轻微)。地下水位埋深5.5～21.5 m,市区北岸地下水位较浅,南岸水位较深。冲积风积成因的黄土状土比较密实,承载力较高,其下的砂土呈中密至密实状态,无液化,工程性能较好。
高河漫滩与河道,主要为冲积砂层,地下水位较浅,埋深约3.0～17.5 m,靠近河边较浅,远离河边埋深较大。无湿陷性地层分布,但浅部砂土有液化现象,液化砂层深度2～8 m,液化等级一般为轻微～中等。
3 场地类别的确定
3.1 等效剪切波速
测试工作在区划范围内布置测试孔132个,搜集已有剪切波速测试孔资料120余个,结果表明:等效剪切波速范围值208.73—306.26 m/s。随地貌单元和区域不同,等效剪切波速值存在着差异,并有一定的分布规律(表1)。
黄土台塬、三级阶地、二级阶地西部和南岸一级阶地等效剪切波速较高,平均值>250 m/s,反映20 m内的浅部地层刚度相对较大。渭河北岸一级阶地及高河漫滩和沣河高河漫滩和一级阶地等效剪切波速值较低,平均值<250 m/s,说明20 m内土层刚度相对较小。
3.2 覆盖层厚度
咸阳市区基岩的分布深度很大,根据《建筑抗震设计规范》(GB 50011—2010)第4.1.4条第1款,按自然地面至剪切波速大于500 m/s的土层顶面的距离来确定[1]。市区各个地貌单元42个90 m深孔的剪切波速资料表明,剪切波速≥500 m/s的界线深度位于地面下66 m—89 m之间,说明咸阳市区的覆盖层厚度为66 m—89 m,平均覆盖层厚度78 m。
从各地貌单元测试覆盖层厚度来看,黄土台塬、三级阶地和河漫滩的覆盖层厚度相对较小,渭河一、二级阶地覆盖层厚度稍大,但各地貌单元覆盖层厚度差异不大(表2)。
3.3 场地类别确定与分区
《建筑抗震设计规范》(GB 50011—2010)第4.1.6条规定,建筑场地类别,应根据土层等效剪切波速和场地覆盖层厚度确定。
咸阳市区剪切波速测试结果,等效剪切波速值分为500≥νse>250和250≥νse>140两挡,覆盖层厚度为66—89 m,均>50 m。按照划分标准,咸阳市区的场地类别为Ⅱ类和Ⅲ类。市区黄土台塬(包括空港产业园)、渭河三级阶地和二级阶地的西部及渭河右岸的一级阶地等效剪切波速平均值>250 m/s,场地类别为Ⅱ类。渭河二级阶地的中部和东部、渭河左岸一级阶地和沣河一级阶地及渭河、沣河的高河漫滩等效剪切波速平均值<250 m/s,场地类别为Ⅲ类。
咸阳市区覆盖层厚度相近,根据等效剪切波速的差异可进一步将Ⅱ类场地分为Ⅱ1、Ⅱ2两个区,将Ⅲ类场地分为Ⅲ1、Ⅲ2两个区(表3、图2)。
3.4 场地特征周期
《建筑抗震设计规范》(GB 50011—2010)第4.1.6条规定:特征周期应根据场地类别和设计地震分组按表5.1.4—2采用,计算8、9度罕遇地震作用时,特征周期应增加0.05 s。规范(GB 50011—2010)第4.1.6条还规定:当有可靠的剪切波速和覆盖层厚度且其值处于场地类别的分界线附近时,应允许按插值方法确定地震作用计算所用的特征周期(Tg)。规范条文说明4.1.2—4.1.6条第5款明确当有充分依据时,允许使用插入方法确定边界线附近(指相差15%的范围)的Tg值,并给出了插入方法图(图3)。
咸阳市区覆盖层厚度>50 m,分区平均等效剪切波速介于235.56—280.13 m/s,位于等效剪切波速界线值(250±15)% m/s的范围值212.5—287.5 m/s之间,符合规范规定的内插条件,采用内插办法确定的设计特征周期值也比较合理。咸阳市区设计地震分组为第一组,由dov-vse平面上的Tg等值线图可以看出,咸阳市区的设计特征周期Tg取值位于0.36—0.46之间。按照分区平均等效剪切波速值,用内插方法确定的场地设计特征周期值,Ⅱ类和Ⅲ类场地共四个分区(Ⅱ1、Ⅱ2和Ⅲ1、Ⅲ2)的特征周期分别为0.38 s;0.39 s;0.41 s和0.42 s。
4 结 论
通过对咸阳市规划主城区大范围钻孔剪切波速进行测试和分析研究,得出以下结论:
1)咸阳市区等效剪切波速范围值介于208.73—306.26 m/s之间。等效剪切波速随地貌单元不同有一定变化规律,黄土台塬、三级阶地和二级阶地西部及渭河右岸一级阶地等效剪切波速平均值>250 m/s,二级阶地中、东部和渭河左岸一级阶地以及沣河右岸一级阶地和河漫滩等效剪切波速平均值<250 m/s;
2)咸阳市区剪切波速值≥500 m/s的界线深度位于地面下66 m—89 m之间,平均值为78 m,表明咸阳市区的覆盖层厚度为66—89 m,平均覆盖层厚度78 m;
3)咸阳市区建筑场地类别划分为Ⅱ类和Ⅲ类,根据等效剪切波速平均值大小可进一步分为四个区Ⅱ1、Ⅱ2和Ⅲ1、Ⅲ2;
4)咸阳市区等效剪切波速介于250 m/s分界限附近,特征周期按照规范要求依据场地类别和地震分组采用内插办法进行确定。Ⅱ类和Ⅲ类场地共四个分区的特征周期分别为0.38 s;0.39 s;0.41 s和0.42 s。
摘要：为了揭示咸阳市区建筑场地土层的抗震性能,依据大量野外钻探及252个剪切波速测试孔实测资料分析,市区等效剪切波速介于208.73—306.26 m/s之间。根据土层等效剪切波速和场地覆盖层厚度把咸阳市区建筑场地类别划分为为两类(Ⅱ类和Ⅲ类)四区(Ⅱ1、Ⅱ2和Ⅲ1、Ⅲ2),采用内插法确定四个分区的特征周期依次为0.38 s、0.39 s、0.41 s和0.42 s。
关键词：等效剪切波速,覆盖层厚度,场地类别,咸阳市区
参考文献
[1]中华人民共和国住房和城乡建设部.建筑抗震设计规范.北京:中国建筑工业出版社,2010:18—28
[2]中华人民共和国建设部.岩土工程勘察规范(2009年版).北京:中国建筑工业出版社,2009:63—70
[3]中华人民共和国机械工业部.地基动力特性测试规范.北京:中国计划出版社,1997:34—39
[4]《工程地质手册》编写委员会.工程地质手册(第三版).北京:中国建筑工业出版社,1992:625—627
[5]《岩土工程手册》编写委员会.岩土工程手册.北京:中国建筑工业出版社,1994:35—50
[6]中华人民共和国建设部.城市抗震防灾规划标准.北京:中国建筑工业出版社,2007
手脚发凉有类别？ 篇10
精神紧张或不安
精神压力过大、心理过分敏感、平时过度操心、时常心神不安的人是手脚发凉的高发人群。这种情况下，应该首先让内心平静下来，而后接受药物治疗。
久坐或久立的人
手脚发凉的人应该改善生活习惯，加强体育锻炼。尤其是久坐或久立的人，必须重视工间操，多做手足和腰部的活动，以促进血液循环。多补充维生素B1和维生素B12，食用富含铁的牛骨汤、牛肝、豆类、牛奶等食物也有助于改善症状。
身体激素变化
出现手脚发凉症状的人群中，女性占绝大多数。这是因为月经和生育所引起的激素变化会对自主神经系统造成一定的影响，从而导致皮下血管收缩和血液流量减少，引发寒症。另外，雌激素不足的更年期女性、生育后的女性或心脏功能异常、甲状腺功能低下、营养失调、贫血、低血压、骨盆炎的患者普遍存在手脚发凉的症状。
雷诺氏病和雷诺氏现象
雷诺氏现象多见于中青年女性。典型表现为双手指（足趾）末端在受凉后出现发白、发凉，然后变紫、变红，最后又可恢复正常。其原因是手指（足趾）末端小动脉痉挛。当它属于原发病时，称为“雷诺氏病”；若为继发，则称为“雷诺氏现象”。引起雷诺氏现象的疾病有硬皮病、皮肌炎、红斑狼疮、血栓闭塞性脉管炎、结节性多动脉炎等。
多发性大动脉炎
多发性大动脉炎多发生于青年女性，常累及多处大、中动脉，例如主动脉、腹主动脉、头臂动脉、上下肢动脉。若发生于下肢，则出现下肢发凉。
血栓闭塞性脉管炎
血栓闭塞性脉管炎多发生于中年男性。早期表现为小腿和足部皮肤发凉，皮色苍白或青紫，行走时疼痛、酸胀，稍事休息后可以缓解。当病情进一步发展时，则会出现患肢皮肤干燥、肌肉萎缩、疼痛加重，夜间尤为明显。当有上述症状发生时，应引起高度重视，并及时到医院接受检查、治疗。
（湖南省儿童医院 张本山）
建筑场地类别划分方法的探讨 篇11
89规范中将场地剪切波速和场地覆盖层厚度作为划分场地类别所考虑的两个因素。由于场地土层剪切波速一般都具有随深度增大而增加的趋势,用一般的工程勘察深度范围内实测剪切波速的某种平均值来表示场地的相对刚度,应该说是比较合理的。考虑到平均剪切波速vsm相同时,由于覆盖层厚度不同,基本周期也将有很大差异。因此,该规范采用双参数(即vsm,dov)来划分场地类别。但在实际应用以及与其他规范的协调过程中,也反映出一些问题,归纳起来主要有以下几条:
1)土层的平均剪切波速问题。多层土的剪切波速采用以厚度加权的平均方法,即:
其中,vsm为土层平均剪切波速;H0为计算深度,m,取覆盖层厚度和15 m二者的较小值;vsi,hi分别为计算深度范围内第i土层的剪切波速和土层厚度。这样并不能使多层土与匀质土层在共振周期上等效,平均的物理意义不够清楚。
2)计算平均剪切波速的土层厚度问题。现在以两个场地的对比为例,阐述由于计算平均剪切波速的表层土厚度取15 m或覆盖层厚度两者之间的较小值所带来的问题。场地甲的覆盖土层厚度为10 m,地表以下0 m～9 m以内剪切波速为100 m/s,9 m～10 m以内剪切波速为480 m/s,按厚度加权的平均剪切波速为138 m/s,按89规范应划为Ⅲ类场地;场地乙的覆盖土层厚度为15 m,地表以下0 m～9 m以内剪切波速仍为100 m/s,9 m～15 m以内剪切波速也为480 m/s,以厚度加权的平均剪切波速为252 m/s,按89规范应划为Ⅱ类场地。直观看来,场地甲的刚性比场地乙的大一些,但实际结果却相反。出现上述现象的原因除了以上所说的计算平均剪切波速时采用的土层总厚度取值的双重标准以外,更主要的还与基岩的最小剪切波速划定为500 m/s有关。
3)中硬土Ⅰ类、中软土Ⅱ类的3 m分界问题。按照89规范的场地分类,当剪切波速大于500 m/s的硬土层上覆盖3 m以上且剪切波速不大于250 m/s的中软土时,应划为Ⅱ类场地;但当覆盖土层厚度为3 m～9 m时,只要上覆盖层土层的平均剪切波速大于250 m/s时,便可划为Ⅰ类场地。设有两个场地,场地甲的覆盖层厚度为4 m,地表以下0 m～3.5 m以内剪切波速为200 m/s,3.5 m～4.0 m以内剪切波速为400 m/s,按厚度加权的平均剪切
波速为225 m/s,属中软土场地土,按89规范应划为Ⅱ类场地;场地乙,覆盖土层厚度为8 m,地表以下0 m～3.5 m以内剪切波速仍为200 m/s,3.5 m～8 m以内剪切波速也为400 m/s,也就是说,与场地甲相比,场地乙仅是基岩以上的中硬土层的厚度增加4 m,其余无变化,其平均剪切波速为312.5 m/s,属中硬场地土,按89规范应划为Ⅰ类场地。此结果显然缺乏合理性,因为场地甲比场地乙的刚性大。
4)Ⅱ类与Ⅳ类的突变问题。如果将划分场地土类型的土层平均剪切波速和场地覆盖层厚度作为二维平面坐标,场地类别的划分可见图1。
剪切波速和覆盖层厚度处于不同类场地的分界附近时,实测误差可使场地类别划分结果产生跳跃。特别是在覆盖层厚度为80 m且平均剪切波速为140 m/s的特定组合下,当覆盖层厚度或剪切波速稍有变化时,场地分类可能从Ⅱ类跳到Ⅳ类。例如,场地甲,实测覆盖层厚度为79.5 m,平均剪切波速为141 m/s;场地乙,实测覆盖层厚度为80.5 m,平均剪切波速为139 m/s。按89规范确定,场地甲为Ⅱ类,场地乙为Ⅳ类。这一结果显然是不合理的,因为场地A和场地B相比,无论覆盖层厚度还是剪切波速的差异都在1%左右,而此差异满足工程精度要求,但却使它们分属于Ⅱ类和Ⅳ类场地。
5)分界附近特征周期的突变问题。89规范中的划分方案在边界附近的场地类别差一类,反应谱Tg值也相应跳一档。例如从Ⅲ类场地跳到Ⅳ类场地时,引起Tg值及中长周期结构的地震作用有较大的突变,在设计中不容易掌握。
鉴于89规范中关于场地类别的划分问题上存在的不合理之处,2001规范对该方法作出了局部调整,主要修改如下:
1)将剪切波速的平均方法改为以走时加权的平均。
按下式计算土层的等效剪切波速:
其中,vse为土层等效剪切波速,m/s;d0为计算深度,m,取覆盖层厚度和20 m二者的较小值;t为剪切波在地面至计算深度之间的传播时间;di为计算深度范围内第i土层的厚度,m;vsi为计算深度范围内第i土层的剪切波速,m/s;n为计算深度范围内土层的分层数,即让多层土与匀质土在剪切波速的传播时间上等效[1]。
2)建筑场地覆盖层厚度的确定方法:a.在一般情况下应按地面至剪切波速大于500 m/s的坚硬土层或基岩顶面的距离。b. 当地面5 m以下存在剪切波速大于相邻的上层土剪切波速的2.5倍的下卧土层,且下卧土层的剪切波速不小于400 m/s时,取地面至该下卧层顶面的距离和地面至剪切波速大于500 m/s的坚硬土层或基岩顶面距离两者中的较小值。这一规定只适用于当下卧层硬土层顶面埋深大于5 m时的情况。c.场地土剪切波速大于500 m/s的孤石和硬土透镜体应视同周围土层。d.土层中的火山岩硬夹层,应视为刚体,其厚度应从覆盖土层中扣除。
3)场地类别划分的分界调整。4个场地类别仍然根据土层等效剪切波速和覆盖层厚度加以划分,只是对覆盖层厚度的分档范围有些调整。与89规范相比,2001规范对Ⅳ类场地的范围未作任何调整,Ⅲ类场地的范围有所扩大,Ⅱ类场地的范围有增有减,Ⅰ类场地的范围略有缩小。
将划分场地土类型的土层等效剪切波速和场地覆盖层厚度作为二维平面坐标,场地类别的划分见图2。
从图2可知:没有了89规范中Ⅱ类和Ⅳ类的突变问题。
4)对有可靠的剪切波速和覆盖层厚度且其值处于不同场地分界附近的情况,例如在场地分界附近相差±15%的范围内,允许按插值方法确定地震作用计算所用的Tg值。
最后指出2001规范也存在类似于89规范中所说的第2个问题:计算等效剪切波速的土层厚度问题。现在以两个场地的对比为例,阐述由于计算等效剪切波速的表层土厚度取20 m或覆盖层厚度两者之间的较小值所带来的问题。场地甲的覆盖土层厚度为16 m,地表以下0 m～8 m以内剪切波速为100 m/s,8 m～16 m以内剪切波速为200 m/s,按走时加权的方法计算等效剪切波速为133 m/s,按2001规范应划为Ⅲ类场地;场地乙的覆盖土层厚度为20 m,地表以下0 m～8 m以内剪切波速仍为100 m/s,8 m～20 m以内剪切波速也为200 m/s,以走时加权的方法计算等效剪切波速为143 m/s,按2001规范应划为Ⅱ类场地。直观看来,场地甲的刚性比场地乙的大一些,但实际结果却相反,这一点还需进一步改善。
参考文献
[1]朱国祥,王继堂.vsm与vse对建筑场地类别划分的影响[J].工程勘察,2003(1):43-44.
[2]GBJ 11-89,建筑抗震设计规范[S].
[3]GB 50011-2001,建筑抗震设计规范[S].