当前位置：文档之家 › Jiangsu Province_Statistics

Jiangsu Province_Statistics

  • 格式：doc
  • 大小：784.00 KB
  • 文档页数：24

Jiangsu Province All over province 国民经济和社会发展总量与速度指标

指 标 总 量 指 标 1980 1985 1990 1995 1999 2000 人口与就业 人口（万人） 年末人口 5938.19 6213.48 6766.90 7066.02 7213.13 7327.24 市镇人口 901.78 1596.15 1458.94 1929.09 2520.09 3040.81 乡村人口 5036.41 4617.33 5307.96 5136.93 4693.04 4286.43 就业（万人） 从业人数 2821.03 3262.97 3569.13 3649.69 3533.28 3504.87 #职工人数 644.15 782.44 879.85 915.98 717.12 673.25 #国有单位 401.98 468.80 536.88 576.24 445.27 411.40 城镇失业人数 55.47 23.63 52.72 42.32 49.70 59.88 宏观经济 国民核算（亿元） 国内生产总值 319.80 651.82 1416.50 5155.25 7697.82 8582.73 第一产业 94.24 195.66 355.17 848.35 1003.51 1031.17 第二产业 167.41 339.56 692.59 2715.26 3920.15 4435.89 第三产业 58.15 116.60 368.74 1591.64 2774.16 3115.67 支出法国内生产总值 #最终消费 175.47 353.72 717.36 2250.66 3339.79 3710.72 居民消费 154.72 300.86 608.29 1806.43 2594.18 2815.51 政府消费 20.75 52.86 109.07 444.23 745.61 895.21 资本形成总额 97.44 271.42 588.44 2479.3 3554.26 3944.78 固定资本形成 58.25 193.25 374.12 1756.88 2842.65 3125.42 存货增加 39.19 78.17 214.32 722.42 711.61 819.36 固定资产投资（亿元） 全社会固定资产投资总额 34.73 191.93 356.30 1680.17 2742.65 2995.43 #国有单位 31.65 80.43 134.86 602.70 1144.84 1200.01 集体单位 59.06 74.87 491.08 462.53 455.86 #基本建设 26.15 47.35 74.32 362.15 748.99 785.49 更新改造 5.50 24.73 41.53 218.78 297.86 337.99 财政（亿元） 财政收入 62.45 89.00 136.20 350.08 680.23 865.13 财政支出 28.95 50.53 100.97 253.49 528.56 645.57 物价（上年=100） 商品零售价格总指数 105.8 109.5 102.3 114.3 96.9 98.6 居民消费价格指数 105.6 109.5 103.2 115.8 98.7 100.1 农副产品收购价格总指数 104.3 106.9 98.7 114.3 85.3 100.5 利用外资（亿美元） 签订利用外资协议额 0.05 1.96 3.62 130.23 90.19 106.23 实际利用外资额 0.93 4.39 52.87 66.4 65.95 产业 农业 农林牧渔业劳动力(万人) 1810.00 1703.20 1714.49 1541.33 1505.01 1480.22 农林牧渔业总产值(亿元) 138.45 288.55 580.53 1686.78 1837.43 1869.73 主要农产品产量（万吨） 粮食 2417.95 3126.52 3264.15 3286.30 3559.03 3106.63 棉花 41.81 47.91 46.42 56.16 24.60 31.45 油料 38.64 108.78 112.39 159.46 184.04 225.65 糖料 5.15 26.34 22.26 23.37 22.93 28.26 蚕茧 3.82 7.31 12.00 18.62 8.22 9.01 猪牛羊肉 107.24 138.90 158.38 217.82 215.33 227.41 水产品 42.71 67.54 118.25 219.47 296.82 308.79 工业 工业增加值（亿元） 151.22 307.89 634.13 2467.63 3387.99 3848.52 主要工业产品产量(万吨) 钢 68.17 98.97 190.18 360.40 654.53 617.16 成品钢材 104.87 145.18 203.01 787.89 1170.25 1401.83 发电量（亿千瓦小时） 156.32 234.48 404.47 700.41 787.06 909.69 原煤 1690.00 2193.85 2407.79 2650.72 2291.97 2479.02 农用化肥（折100%） 111.61 121.71 145.90 191.85 171.27 192.38 化学农药 5.75 4.27 4.51 12.18 17.02 17.23 水泥 629.19 1116.90 1532.89 3966.42 4378.32 4599.52 化学纤维 3.26 12.52 40.76 102.20 170.06 190.99 机制纸及纸板 28.76 50.00 74.82 167.55 123.30 205.25 彩色电视(万台) 0.03 25.87 83.18 250.72 387.40 285.17 家用电冰箱(万台) 0.46 14.87 36.64 11.45 107.92 127.66 建筑业 建筑业企业人数（万人） 68.18 124.09 124.31 232.94 222.80 221.48 建筑业总产值（亿元） 27.33 82.63 147.23 998.11 1338.46 1546.17 施工房屋面积(万平方米) 3189.80 5570.32 5240.98 16646.14 18748.25 21287.1 竣工房屋面积(万平方米) 2296.09 3527.20 3307.93 8739.38 10558.22 12329.65 交通运输 货运量（万吨） 16527 46842 49399 81830 81528 90436 #铁路 3420 4037 4235 4143 3941 4077 公路 4427 23255 27904 49578 54803 59056 水运 6482 18117 15908 27161 21596 25902 客运量(万人) 34002 53935 48339 84803 101000 107244 #铁路 3364 4819 4788 5185 4824 4891 公路 26463 45751 41850 78947 95564 101713 水运 4175 3365 1701 623 504 514 港口货物吞吐量（万吨） 12053 16022 17002 20177 39128 39200 邮电通信业 邮电业务总量（亿元） 2.21 3.89 9.98 72.24 221.19 323.45 函件（亿件） 2.00 2.78 3.30 5.31 5.04 5.74 订销报刊累计份数(亿份) 9.63 17.06 10.99 18.16 19.71 19.36 电话机（万部） 43.27 89.94 491.98 1460.26 1886.23 城市 28.37 63.30 333.90 717.03 931.3 农村 14.90 26.64 158.08 743.23 954.93 国内商业 社会消费品零售总额(亿元) 122.56 262.57 515.43 1650.00 2394.14 2604.14

对外经济贸易和旅游 进出口总额（亿美元） 9.46 19.87 41.39 162.78 312.61 456.38 进口 0.92 4.01 11.95 64.96 129.52 198.68 出口 8.54 15.86 29.44 97.82 183.09 257.70 旅游人数（人） 26.28 50.71 72.48 76.77 134.41 160.94 金融保险（亿元） 金融机构存款 95.54 247.12 860.33 3500.49 7470.43 8400.75 金融机构贷款 159.11 387.06 1013.45 2875.39 5535.15 5967.66 国内保险承保额（中保） 962.95 2667.04 5472.66 6943.90 7611.19 教育、科技、文化 教育 高等学校在校学生(万人) 8.41 11.96 14.69 20.86 35.93 45.18 中等专业学校在校学生(万人) 6.11 9.25 13.99 31.87 47.59 43.62

普通中学在校学生(万人) 320.49 284.73 281.97 316.75 340.89 373.64 小学在校学生(万人) 836.90 677.92 612.29 644.77 741.19 718.55 科技 县以上科研机构数(个) 274 326 337 317 313 各类专业技术人员(万人) 43.87 83.41 158.86 184.97 198.20 194.24 #工程技术人员 9.63 20.70 31.84 28.38 45.67 44.84 文化 图书出版量(亿册) 2.12 2.67 3.44 4.05 4.71 3.47 杂志出版量(万册) 2373 5091 4107 7005 10258 11008 报纸出版量(亿份) 2.68 9.33 8.27 15.95 22.43 23.34 家庭、生活、环境

合集下载

基于超声影像组学模型预测浸润性乳腺癌淋巴管血管侵犯状态

基于超声影像组学模型预测浸润性乳腺癌淋巴管血管侵犯状态

欢迎关注本刊公众号《肿瘤影像学》2021年第30卷第1期Oncoradiology 2021 Vol.30 No.16·论　著·基于超声影像组学模型预测浸润性乳腺癌淋巴管血管侵犯状态查海玲，潘加珍，刘　薇，刘心培，王　慧，栗翠英南京医科大学第一附属医院超声诊断科，江苏 南京 210000［摘要］　目的：建立并验证浸润性乳腺癌（invasive breast cancer，IBC）患者术前预测淋巴管血管侵犯（lymphovascular invasion，LVI）的影像组学模型。

方法：纳入258例经病理组织学检查证实的IBC患者，包括LVI阴性和阳性，按7∶3随机分配为训练集和验证集。

运用最大相关性最小冗余度（the maximum relevance minimum redundancy， mRMR）和最小绝对收缩和选择算子（ the least absolute shrinkage and selection operator，LASSO）算法筛选自患者二维超声图像中获取的影像组学特征，建立影像组学评分，同时联合临床特征建立术前预测IBC患者LVI状态的模型，并评估模型的效能。

结果：由最终筛选得到的10个影像组学特征建立的影像组学评分，在训练集及验证集中均表现良好，训练组及验证组曲线下面积（area under curve，AUC）分别为0.801和0.786。

在临床模型中，腋窝淋巴结（axillary lymph node，ALN）状态和超声乳腺影像报告和数据系统（Breast Imaging Reporting and Data System，BI-RADS）分类对IBC患者的LVI状态预测是有意义的。

最终，整合了超声影像组学评分和临床模型有效临床特征的影像组学模型在训练集和验证集中预测能力均表现最佳（训练组AUC：0.865；验证组AUC：0.857）。

决策曲线分析（decision curve analysis，DCA）表明，影像组学模型具有临床应用价值且优于其他两种单纯模型。

基于ARMA-GM组合模型的江苏省城乡收入差距预测

基于ARMA-GM组合模型的江苏省城乡收入差距预测

常熟理工学院学报（自然科学）Journal of Changshu Institute Technology （Natural Sciences ）第26卷第8Vol.26No.82012年8月Aug.,2012收稿日期：2012-06-15作者简介：辜子寅（1980—），女，湖北武汉人，讲师，硕士，研究方向：经济统计.基于ARMA-GM 组合模型的江苏省城乡收入差距预测辜子寅（常熟理工学院数学与统计学院，江苏常熟215500）摘要：增加农村居民收入，缩小城乡居民收入差距，提高城乡统筹发展水平是社会主义新农村建设的必然要求.以江苏省为研究对象，收集1981~2010年城乡居民收入差距指标数据，构建ARMA-GM 线性组合模型，对未来5年城乡居民收入差距进行预测和分析.关键词：城乡居民收入差距；ARMA 模型；灰色预测模型中图分类号：F291.3文献标识码：A 文章编号：1008-2794（2012）08-0018-04近30年来，江苏省国民经济持续快速发展，地区生产总值由1981年的350.02亿元增加到2010年的41425.48亿元，翻了近7番，占全国国内生产总值的10.4%.2010年人均地区生产总值52840元，是1981年的90倍，比全国人均国内生产总值高23078元.从人民收入水平来看，2010年城镇居民家庭人均可支配收入22944元，比全国平均水平高3835元，农村居民家庭人均纯收入9118元，比全国平均水平高3199元.作为全国经济强省，江苏城乡居民收入大幅提高，民生得到显著改善.但与此同时，城乡二元结构仍是制约经济社会持续发展的突出问题，城乡居民收入差距不断扩大，已由1981年相差190元扩大到2010年相差13826元.江苏省委“十二五”规划建议明确提出，由城乡二元结构向城乡发展一体化转变是江苏“十二五”时期发展主线的重要特点，缩小城乡居民收入差距成为“十二五”江苏发展的重要任务.因此，选择合适的指标对江苏省城乡居民收入差距进行测度，正确认识其变动特征，科学构建统计模型对其进行预测，对于进一步推动新农村经济全面发展，实现共同富裕具有重要意义.1基于比值法的江苏省城乡居民收入差距测度测度城乡居民收入差距的指标主要有两类，一类基于城乡绝对收入差距的衡量，常用的指标是城乡居民收入之差，另一类是基于城乡相对收入差距的衡量，常用的指标有城乡居民收入之比、恩格尔系数、基尼系数、泰尔熵指数等[1].考虑数据的可获得性和统计口径的可比性，本文选择城乡收入比作为江苏省城乡居民收入差距的测度指标.收集江苏省1981~2010年近30年的城镇居民家庭人均可支配收入与农村居民家庭人均纯收入指标数据，以城乡居民收入比（以农民收入为1）为研究对象，制作折线图，如图1所示.数据来源于《江苏统计年鉴2011》.由图1，总的来看，江苏省1981~2010年这30年城乡收入差距大致经历了4个阶段的变化，呈现出缩小－扩大－缩小－扩大的螺旋式发展趋势.第一阶段为1981~1984年，城乡居民收入比由1981年的1.74持辜子寅：基于ARMA-GM 组合模型的江苏省城乡收入差距预测8续下降到1984年的1.40.改革开放初期，家庭联产承包责任制是在我国农村推行的一项重要改革，国家几次上调农副产品的收购价格，农民生产积极性和农业产品产量大幅提高，农民收入较快增长，城乡收入差距缩小.第二阶段为1985~1993年，其中1988年城乡收入差距相对最小，收入比为1.53，1990年后城乡收入差距迅速扩大，1993年达到短期最大值2.19.这一时期，农村改革发展缓慢，农民收入年均增长速度为12.5%，而城市收入分配改革拉开了序幕，城镇居民收入年均增长速度为18.3%，城乡居民收入绝对差额从1985年的273元扩大到1993年的1507元.第三阶段为1994~1996年，城乡居民收入比从2.06迅速下降到1.71，城乡收入差距得到有效控制.当然，这一时期城乡收入差距缩小主要由于受到国内外经济形势的影响，按可比价格计算，江苏省地区生产总值增长速度自1993年就开始放缓，从19.6%一直持续下降到2001年的10.2%.经济增长率的回落很大程度上制约了城乡居民收入的快速增长，收入差距呈现下降趋势.第四阶段为1997~2011年，城乡收入比由1997年的1.76持续上升到2009年的2.57，2010年稍有下降，为2.52.由于这一阶段粮食市场出现“谷贱伤农”现象，想依靠增加粮食产量和提高价格来影响农民收入空间有限，农民人均收入由3270元增加到9118元，年均增长速度仅为8.21%.而为了扩大内需，促进消费，此期间政府采取了适当增加机关事业单位员工工资的政策，同时辅以提高城镇居民最低生活保障水平、提高失业保险金水平、提高国有职工基本生活保障水平的政策支持[2]，城镇居民人均收入由5765元增加到22944元，年均增长速度为11.2%，收入差距不断扩大.2江苏省城乡居民收入差距ARMA 模型的建立ARMA [3]模型的全称是自回归移动平均模型，它是目前最常用的拟合平稳序列的模型，可细分为AR （p ）模型、MA （q ）模型与ARMA （p ，q ）模型，其中ARMA （p ，q ）模型可表示为x t =ϕ1x t -1+ϕ2x t -2+...ϕp x t -p +εt -θ1εt -1-...-θq εt -q .2.1时间序列平稳性分析运用ADF 单位根检验方法对江苏省城乡居民收入比时间序列进行平稳性检验，采用包含常数项和趋势项的模型，基于SIC 准则，选择滞后阶数为1，得到t 统计量值是-3.6354，小于显著性水平5%的临界值-3.5806，拒绝存在单位根的原假设，说明收入比时间序列在95%的置信水平上是平稳的.2.2模型识别及定阶根据样本自相关系数和偏自相关系数对ARMA 模型进行初步识别与定阶，基本原则是：自相关系数拖尾，偏自相关系数截尾，考虑拟合AR 模型；自相关系数截尾，偏自相关系数拖尾，考虑拟合MA 模型；两系数均拖尾，则考虑拟合ARMA 模型.利用Eviews5.0软件计算江苏省城乡居民收入比时间序列的自相关系数与偏自相关系数，见图2.观察此图，判断自相关图呈现出明显的拖尾特征，偏自相关图2阶后呈现截尾特征，初选模型AR （2）.由于在后续的检验中，发现该模型的残差为非白噪声序列，拟合模型无效.为准确识别模型及定阶，计算模型AR⁃MA （1，1）、ARMA （1，2）、ARMA （2，1）及ARMA （2，2）的AIC 和SC 的数值，结果表明，ARMA （2，2）的AIC 图2收入比序列自相关与偏自相关图图1江苏省城乡居民收入比时间序列192012年常熟理工学院学报（自然科学）值最小，为-1.9487，ARMA （1，2）的SC 值最小，为-1.7928，另两模型的AIC 与SC 均较大.而由于ARMA （2，2）模型中AR （2）不能通过t 统计量检验，故最终选择模型ARMA （1，2）.2.3模型参数估计及检验非线性最小二乘法运用迭代技术，精确度较高.本文运用此方法对ARMA 模型进行参数估计，得到模型：x t =1.0104x t -1+εt +0.8432εt -1+0.5755εt -2t (50.2079)(5.2429)(3.6007)R ˉ2=0.9409，DW =2.1357，参数显著性检验均通过，模型总体拟合效果较好.通过自相关和偏自相关系数图（见图3）对模型残差序列进行白噪声检验，残差序列的自相关系数均落入随机区间，相伴概率都大于0.05，表明残差序列为白噪声序列，拟合模型ARMA （1，2）是合适的，可以用于预测.3江苏省城乡居民收入差距灰色预测模型的建立1982年，我国著名学者邓聚龙教授创立的灰色系统理论是一门新兴横断科学，它以部分信息已知、部分信息未知的不确定性系统为研究对象，通过对部分已知信息的生成、开发，提取有价值的信息，实现对系统运行行为的正确认识和有效控制[4].3.1GM （1，1）预测模型的建立设江苏省城乡居民收入比原始数列为x (0)(t )，一次累加生成数据为x (1)(t )，经计算，t ≥3时，x (0)(k )x (1)(k -1)∈[]0,0.5，原始数列满足准光滑条件，且x (1)(k )x (1)(k -1)∈[]1,1.5，生成数列满足准指数规律，可建立GM （1，1）模型.对生成数列建立如下微分方程d x (1)(t )d t+ax (1)(t )=b ，采用最小二乘法进行参数估计，得到结果为d x (1)(t )d t-0.0202x (1)(t )=1.3859，则有如下时间响应函数：ìíîx ̂(1)(t +1)=70.2399e 0.0202t -68.4999x ̂(0)(t +1)=x ̂(1)(t +1)-x ̂(1)(t )3.2模型后验差检验原始序列标准差记为S 1，残差序列标准差记为S 2.C =S 2/S 1称为均方差比值，对于指定的C 0>0，当C <C 0时，该模型为均方差比合格.p =P (||e (t )-e ˉ<0.6745S 1)称为小误差概率，对于指定的p 0>0，当p <p 0时，该模型为小误差概率合格.经计算，江苏省城乡居民收入比序列的均方差比值为0.4056<0.5，小误差概率为0.9310>0.8，模型精度达到二级（好）.通过后验差检验，该模型可用于外推预测.4ARMA-GM 线性组合模型的建立与应用ARMA-GM 线性组合模型的基本形式为：x 0t =w 1x 1t +w 2x 1t ，其中，x 0t 为第t 期组合预测值，x 1t 与x 1t 分别为ARMA 模型与GM （1，1）模型的第t 期预测值，w 1与w 2为相应模型的权数.本文采用标准差法确定组合权数，w 1=s 2/(s 1+s 2)，w 2=1-w 1，s 1与s 2分别为相应预测模型的残差的标准差.经计算，w 1=0.6204，w 2=0.3796，得到线性组合预测模型为x ̂0t =0.6204x ̂1t +0.3796x ̂1t .图3残差序列自相关与偏自相关图20辜子寅：基于ARMA-GM 组合模型的江苏省城乡收入差距预测8对江苏省近30年城乡居民收入比数据拟合模型ARMA （1，2）、GM （1，1）及组合预测模型，运用灰色关联度分析法[5]及计算模型的平均相对误差对三个模型的优劣进行评价，结果见表1.可见，三个模型中，组合预测模型的平均相对误差最小，且原始序列与预测序列的灰色关联度最大，拟合结果相对较好，能够更精确地进行预测.运用ARMA-GM 组合预测模型对江苏省2011~2015城乡居民收入比进行预测，首先要计算出ARMA （1，2）模型和GM （1，1）模型预测结果，然后对其加权平均，得到城乡居民收入比预测值（见表2）.结果显示，2011、2012年收入比预测值分别为2.5102、2.5169，相对于2010年收入比2.52略有下降，城乡居民收入差距略有控制.但据模型估计，到2013年江苏省城乡收入比就会出现扩大的趋势，预计到2015年收入比将突破2.6，超过近30年江苏省城乡收入比最高值2.57（2009年）.这对江苏省新农村建设和城乡统筹发展将是一个严峻的挑战，因此必须想办法提高农村居民收入，缩小城乡收入差距.5结束语本文基于比值法对江苏省城乡居民收入差距进行测度，近30年来城乡收入差距大致呈现出缩小－扩大－缩小－扩大4个阶段的螺旋式发展趋势，尤其自1996年后，收入差距持续扩大，令人担忧.在这种情况下，对城乡收入差距进行科学预测和合理分析，将成为制订城乡建设相关政策的重要依据.本文构建的AR⁃MA-GM 组合模型预测精度较高，可为地区协调城乡发展、制定正确的发展战略和规划起到一定的指导作用.参考文献：[1]保永文，岳立.甘肃省城乡收入差距短期预测及长期趋势分析[J].绵阳师范学院学报，2012（1）：34-37.[2]张凤芹.缩小甘肃城乡收入差距的经济路径研究[D].兰州：甘肃农业大学，2009.[3]王燕.应用时间序列分析[M].北京：中国人民大学出版社，2008：44-69.[4]刘思峰，郭天榜，党耀国，等.灰色系统理论及其应用[M].北京：科学出版社，1999：1-5.[5]余后强，李玲.我国人均国内生产总值的预测分析[J].统计与决策，2012（4）：103-106.A Prediction of Urban and Rural Residents ’Income Gap in Jiangsu Province Based on the ARMA-GM ModelGU Zi-yin (School of Mathematics and Statistics,Changshu Institute of Technology,Changshu 215500,China)Abstract :In building the new socialist countryside,it is the inevitable request to increase the income of rural residents,to narrow the gap between urban and rural residents and to increase the level of urban and rural devel⁃opment.This paper takes Jiangsu Province as the research object and collects the datum of income gap between urban and rural residents in the years from 1981to 2010.Based on the linear combination model of AR⁃MA-GM,the paper makes a prediction of the income gap between urban and rural residents for the next 5years.Key words :urban and rural residents ’income gap;ARMA model;GM model 21。

江苏省太阳能资源评估

江苏省太阳能资源评估

江苏省太阳能资源评估曾燕;王珂清;谢志清;苗茜【摘要】采用1：25万DEM数据和常规气象站观测资料，实现了江苏省100mX100m分辨率太阳总辐射量分布式模拟，并分析了江苏省太阳总辐射量的时空分布规律。

结果表明：江苏省气候平均太阳总辐射量为4749MJ／m2，呈现由西南向东北递增的特点，连云港市最高（5063MJ／m2），无锡市最低（4514MJ／m2）。

太阳总辐射量在年内变化特点为，5月最高，12月最低。

结合常规气象站日照时数观测资料，从年日照时数、年日照时数i〉6h的天数以及日照时数〉16h的最多天数月份与最少天数月份的天数的比值分析了江苏省太阳能资源的稳定度特征，其总体规律依然是西南至东北走向，即江苏省东北部地区太阳能资源开发利用优势最高。

%Using the data of DEM with scale of 1 : 250 000 and routine meteorological observations, this paper achieves the distributed simulation of global solar radiation (GSR) of Jiangsu Province. Spatial distribution maps of normals of monthly and annual GSR with the resolution of 100 m x 100 m of Jiangsu Province are generated and their spatioemporal distribution characteristics are analyzed. The results are as follows: 1 )The normals of annual GSR in Jiangsu Province is 4 749MJ/m2 ;2)The annual GSR has a progressive increasing trend from southwest to northeast, i. e. Lianyungang has the highest value of 5 063 MJ/m2 and Wuxi the lowest value of 4 514 MJ/m2 ;3 ) GSR in Jiangsu Province reaches the highest in May and the lowest in December. The statistics of sunshine hours observations, i. e. annual sunshine hours, annual days with daily sunshine hours I〉6 h and the ratio of the maximumto the minimum of monthly days with daily sunshine hours I〉6 h, are used to analyze the stability of solar radiation resource in Jiangsu. Its pattern also has a southwest to northeast change trend, which is to say that the northeast region of Jiangsu has the highest predominance in solar energy utilizing.【期刊名称】《大气科学学报》【年(卷),期】2012(035)006【总页数】6页(P658-663)【关键词】江苏省;太阳总辐射;太阳能;资源评估【作者】曾燕;王珂清;谢志清;苗茜【作者单位】江苏省气候中心,江苏南京210008;江苏省气候中心,江苏南京210008;江苏省气候中心,江苏南京210008;江苏省气候中心,江苏南京210008【正文语种】中文【中图分类】P422.1太阳能资源是一种取之不尽、用之不竭的绿色能源。

Mathstudio_在大学物理实验数据处理中应用

Mathstudio_在大学物理实验数据处理中应用

Mathstudio在大学物理实验数据处理中应用周洪亮江苏电子信息职业学院 江苏淮安 223003摘要：将数学软件Mathstudio应用到大学物理实验数据处理中，进行描述性统计、推断统计、求不确定度、线性回归等运算。

Mathstudio具备数值运算和符号运算功能，使用数组和切片（Slice）操作，内置大量数学函数，微积分、统计等功能很强大，作图和动画也方便。

Mathstudio不用安装、编译，浏览器打开网址即可运行，可逐行调试，命令格式简单。

示例结合线性代数理论，使用了雅可比矩阵、海森矩阵、范数、线性回归、作图等命令，实现Mathstudio编程计算空心圆柱体体积的不确定度、铜-康铜热电偶温差电势的线性回归模型，程序简短精练，结构清晰，提高了数据处理效率。

Mathstudio编程效率高，难度较低，适合小规模数据快速分析，也能进一步开发更专业的数据处理功能。

关键词：描述统计 推断统计 梯度 不确定度 线性回归中图分类号：G633.7文献标识码：A 文章编号：1672-3791(2024)03-0252-05 Application of Mathstudio in the Experimental Data Processing ofUniversity PhysicsZHOU HongliangJiangsu Vocational College of Electronics and Information, Huai'an, Jiangsu Province, 223003 China Abstract:Mathematical software Mathstudio is applied to the experimental data processing of university physics to perform operations such as descriptive statistics, inferential statistics, uncertainty and linear regression. Mathstudio has the function of numerical and symbolic operations, uses arrays and slice operations, has a large number of built-in mathematical functions, has powerful functions such as calculus and statistics, and is also convenient for graphing and animating. Mathstudio does not need to be installed and compiled, and it can be run by opening the Web site in the browser and debugged line by line with the simple command format. Combined with the linear algebra theory, the example uses commands such as the Jacobi matrix, Hessian matrix, paradigm, linear regression and graphing to real‐ize the calculation of the uncertainty of the volume of hollow cylinders and the linear regression of copper-constantan thermocouple temperature difference potential by Mathstudio programming, and the program is short and concise with clear structure, which improves the efficiency of data processing. Mathstudio programming is highly efficient and less difficult, and it is suitable for the rapid analysis of small-scale data and also can further de‐velop the more professional functions of data processing.Key Words: Descriptive statistics; Inferential statistics; Gradient; Uncertainty; Linear regression大学物理实验数据处理与统计密切相关，针对不同实验目的，实验数据处理包括描述性统计、不确定度分析、线性拟合、回归分析、向量微分、导数、梯度等运算。