随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)...随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS(Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics)统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数(AQI)及PM_(2.5)、PM_(10)、NO_2、SO_2、O_3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO_2及O_3,2016年1、2、3月整体相关系数NO_2由0.35升至0.63,O_3由0.39升至0.79,均方根误差NO_2由0.0346减至0.0243 mg/m^3,O_3由0.0447减至0.0367 mg/m^3。文中发展的WRFCMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。展开更多
目的基于国际护士协会(International Concil of Nurses,ICN)颁布的《灾害护理核心能力2.0》(core competencies in disaster nursing version 2.0,CCDN 2.0)框架,探讨新入职护士灾害护理核心能力的潜在类别及其影响因素。方法2023年7月...目的基于国际护士协会(International Concil of Nurses,ICN)颁布的《灾害护理核心能力2.0》(core competencies in disaster nursing version 2.0,CCDN 2.0)框架,探讨新入职护士灾害护理核心能力的潜在类别及其影响因素。方法2023年7月,采用便利抽样法选取广东省新入职的607名护士为研究对象,使用一般资料调查表和执业护士灾害护理核心能力量表对其进行调查,运用潜在剖面分析、单因素分析和多元Logistic回归分析确定不同剖面及其影响因素。结果广东省新入职护士的灾害护理核心能力可分为能力尚可组、能力中等-沟通水平低下组、能力严重不足组3种潜在类别。实习期间灾害应急救护演练经验、ICU实习经历和参加过抗疫志愿服务是潜在类别的影响因素(均P<0.05)。结论灾害护理核心能力存在异质性,新入职护士应根据不同类别的影响因素对其进行针对性指导,以提高新入职护士的灾害护理核心能力。展开更多
文摘随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS(Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics)统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数(AQI)及PM_(2.5)、PM_(10)、NO_2、SO_2、O_3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO_2及O_3,2016年1、2、3月整体相关系数NO_2由0.35升至0.63,O_3由0.39升至0.79,均方根误差NO_2由0.0346减至0.0243 mg/m^3,O_3由0.0447减至0.0367 mg/m^3。文中发展的WRFCMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。
文摘目的基于国际护士协会(International Concil of Nurses,ICN)颁布的《灾害护理核心能力2.0》(core competencies in disaster nursing version 2.0,CCDN 2.0)框架,探讨新入职护士灾害护理核心能力的潜在类别及其影响因素。方法2023年7月,采用便利抽样法选取广东省新入职的607名护士为研究对象,使用一般资料调查表和执业护士灾害护理核心能力量表对其进行调查,运用潜在剖面分析、单因素分析和多元Logistic回归分析确定不同剖面及其影响因素。结果广东省新入职护士的灾害护理核心能力可分为能力尚可组、能力中等-沟通水平低下组、能力严重不足组3种潜在类别。实习期间灾害应急救护演练经验、ICU实习经历和参加过抗疫志愿服务是潜在类别的影响因素(均P<0.05)。结论灾害护理核心能力存在异质性,新入职护士应根据不同类别的影响因素对其进行针对性指导,以提高新入职护士的灾害护理核心能力。
