非正态分布五篇

非正态分布 篇1

在近几十年, 随机系统是控制领域中的一个重要研究方向。经过多年的发展, 随机控制已具有完善的理论体系。目前, 随机系统研究的主要成果有自校正控制, 线性高斯二次型, 马尔可夫参数过程控制, 最小方差控制等, 其主要研究系统输出均值和方差等满足规定的性能指标[1,2]。

1 非高斯随机分布系统研究背景

在设计随机系统时, 假设系统变量服从高斯分布。这样, 在粮食加工中的粮食颗粒尺寸的大小分布、锅炉炉腔燃烧的火焰分布等众多工业生产过程中, 系统变量如果不符, 就需要从新假设高斯分布[3,4,5]。

在上述工业生产中过程中, 不难看出系统变量的分布与动态变化过程是紧密相关的, 但是这些随机的统计特性不满足高斯分布的假设。依据概率知识, 系统中变量分布可由概率密度函数[1,2] (Probability Density Function:PDF) , 即γ (y, t) 来描述。在时刻t, 概率密度函数γ (y, t) 可由偏微分方程 (Partial Differential Equation:PDE) 得到。

式中ε (·, ·) 为非线性函数。但是, 直接应用该模型十分困难。

2 非高斯随机分布系统建模国内外研究现状

非高斯随机分布系统控制是控制领域界研究的一个热点, 也是一个亟需发展的研究领域。经过近十年的发展, 非高斯随机分布控制已形成一个较为完善的理论研究框架。

2.1 非高斯随机分布系统的建模理论

2.1.1 非高斯随机分布系统的静态模型

①平方根B样条模型。建模原理与线性B样条模型近似, 不同的是逼近的是系统输出概率密度函数的平方根。

②有理B样条模型。利用B样条基函数与权值向量之间的有理函数关系逼近系统输出概率密度函数。

③有理平方根B样条模型。建模原理与有理B样条模型近似, 不同的是逼近的是系统输出概率密度函数的平方根。

2.1.2 非高斯随机分布系统的动态权值模型

由于基函数是预先指定的函数, 则系统输出概率密度函数γ (y, u (t) ) 的数学表示就可转化为用与基函数相对应的权值来描述 (可将这组权值用向V表示) , 即动态权值模型的表达式如下[1]:

对于非高斯离散随机分布系统, 则动态权值模型的表达式如下[1]:

式中函数f (·, ·) 表示权值向量与控制输入之间具有线性或者非线性关系。

2.2 非高斯随机分布系统控制国内外研究现状

非高斯的随机分布系统建立后, 就需要设计一个控制算法, 以此来实现系统输出概率密度函数追踪目标概率密度函数, 这样满足期望或者规定的性能指标。

2.2.1 非高斯随机分布系统常用性能指标

①直接型性能指标。非高斯随机分布系统实际输出概率密度函数γ (y, u (t) ) 应逐渐收敛于给定的目标概率密度函数γg (y) , 我们称为直接型性能指标。

②二次型性能指标。非高斯随机分布系统研究中最常用的性能指标, 我们称为二次型性能指标, 其表达式如下所示:

式 (5) 中第一项是系统输出概率密度函数测量值γ (y, u (t) ) 和目标值γg (y) 之间的测度, 第二项是对非高斯随机分布系统输入能量的约束。

③平方根二次型性能指标。在平方根二次型性能指标中, 系统输出概率密度函数的测量值和目标值之间的测度, 我们要用测量值的平方根与目标值的平方根的差值的平方的积分来表示:

式 (6) 中第二项是对非高斯随机分布系统输入能量的约束。

2.2.2 非高斯随机分布系统常用控制算法

①系统二次性能指标J具有非负性, 这与李亚普诺夫函数 (Lyapunov function) 的基本性质一致, 故可将二次性能指标J做为一个李亚普诺夫函数, 然后根据李亚普诺夫函数稳定判据, 可求得相应的控制器, 即根据不等式可求得。

②结构化控制算法。以上系统控制器设计时, 仅研究系统控制输入和输出量, 并未考虑控制器的结构, 被便于分析系统的稳定性和鲁棒性。从系统鲁棒性和稳定性的角度出发, 在设计系统控制器时, 首先有清晰的结构, 比如系统输出PDF广义PID控制器, 该PID控制器不仅是时间上的函数, 也是空间上的函数, 与传统的PID控制不同。

3 总结

非高斯随机分布系统控制是控制理论与应用研究领域的一个非常重要的分支。主要目标就是通过系统特性来设计确定非高斯随机分布系统的稳定性。

摘要：针对非高斯随机分布系统理论研究的发展问题, 从非高斯随机分布系统的研究背景、系统静态模型的建立方法、系统动态模型的建立方法、非高斯随机分布系统的性能指标以及常用的控制算法等方面介绍了非高斯随机分布控制系统的研究现状, 使读者对非高斯随机分布系统理论能进一步深入的了解。

关键词：研究背景,研究现状,非高斯随机分布系统,追踪控制

参考文献

[1]屈毅, 李战明, 李二超.随机分布系统的神经保性能控制器设计[J].计算机集成制造系统, 2012 (11) .

[2]张柏, 陈敏泽, 周东华.一种非线性非高斯随机系统的故障诊断方法[J].控制工程, 2005 (S2) .

[3]Qu Y, Li Z.M, Li E.C.Fault Tolerant Control for NonGaussian Stochastic Distribution Systems[J].Circuits Syst Signal Process, 2013, 32 (1) :361-373.

[4]Guo L, Wang H.Observer-Based optimal fault detection and diagnosis using conditional probability distribution[J].IEEE Transactions on Singnal Processing, 2006, 54 (10) :3712-3719.

[5]Qu Y, Li Z.M, Li E.C.Fault detection and diagnosis for nonGaussian stochastic distribution systemss with time delays via RBF neural networks[J].ISA Transactions, 2012, 51:786-791.

[6]Wang H, P.Afschar, Yue H.ILC-based generalised PI control for output PDF of stochastic systems using LMI and RBF neural networks[J].Proc.of the IEEE Conference on Decision and control, 2006:5048-5053.

非正态分布 篇2

1材料与方法

1.1试验区概况与试验设计

试验于2013年4-8月在河海大学水文水资源与水利工程国家重点实验室开展。试验区(32°3′24″N,118°45′E),属亚热带季风气候,年平均气温15.4℃,年平均降水量1106mm,年蒸发量1500mm。供试土壤为典型 壤土,其有机质、总 氮、总磷含量依次为18.2、0.14和0.03g/kg,pH值则为6.24。土壤样本在自然条件下进行风干,剔除植物残体,粉碎、过筛,混匀后装袋备用。试验在矩形土箱(40cm×40cm×60cm)内开展,设4种灌水处理:SI处理(表面灌水使0~55cm土壤至田间持水量);SDI12处理(地下供水使地下12~55cm土壤饱和);SDI15处理(地下供水使地下15~55cm饱和);SDI18处理(地下供水使地下18~55cm饱和),每个处理设2个重复。本实验分为2个阶段,第1阶段于4月18日上午10点进行灌水;第2阶段分别于6月12日下午4点进行灌 水。灌溉水源 为自来水。

1.2气样采集及浓度分析

采用人工静态箱-气相色谱法测定CO2排放,其中静态箱采用6mmPVC材料制成,尺寸为40cm×40cm×40cm。观测时将采样箱放在矩形土箱边缘四周的凹槽中,加水密封,用10mL的注射器于盖箱后0、10、20、30min抽取箱内4个气样。在观测日的9∶45-10∶15完成取样,每次取样时同步记录大气温度和静态箱温度,定期测定0~24cm处土壤含水率,并计算土壤充 水孔隙度 (WFPS )。对采集 的气样使 用Aglient7890A气相色谱仪分析CO2浓度,通量计算公式为:

式中:F为气体排放通量,μg/(m2·h);dm/dt为单位时间内采集箱中气体质量的变化;A为采样箱横截面积,m2;ρ为标准状态下的气体密度;V为采样箱箱内空气体积,m3;dC/dt为CO2 浓度的增加速率,μmol/(mol·min);m为气体摩尔质量,g/mol;R为普适气体常数,取8.314J/(mol·K);T为采样时箱内平均气温,℃;P为采样点大气压,kPa;H为采样箱的有效高度,m,本研究中为0.41m。

1.3数据分析

采用Excel2007处理软件对试验数据进行统计分析,差异显著性分析采用最小显著性差异(LSD)法。

2研究结果与分析

2.1土壤水分分布与变化

图1是2次灌水后土壤水分WFPS的变化规律,第1次灌水后,SDI12、SDI15、SDI18这3个处理0~24cm土壤水分含量变化范围WFPS分别为18.7%~80.4%、14.5%~70.8%以及14.7%~74.1%;第2次灌水后其变化范围则分别为18.3%~76.0%、19.6% ~74.5% 以及18.9% ~80.4之间。可以看出,无论SI还是SDI处理,除灌水初期外,在垂直方向上,土壤含水率随着垂直深度的增加而变大。由于受外界温度、风力等气象条件和土壤质地本身的影响,0~4cm表层土壤变化程度较为剧烈;而深层土壤各处理间含水量差别不大,且均比较稳定,没有随时间有明显的波动。SI和SDI处理土壤水分变化过程有所不同,SI处理灌水后表层水分高于底层,水分在重力作用下入渗[6],表层水分逐渐下降,深层土壤水分增加,水分逐渐再分布,此后不同深度土 壤水分在 蒸发作用 下逐渐下 降。而SDI的3个处理在灌水后深层含水率较高,在蒸发和土壤水分梯度的作用下,水分逐渐向上补给,使表层土壤水分含量逐渐增加,而后其土壤水分含量逐渐下降,这与王石贵等人的研究结果类似[7]。2次灌水后24h,SDI12、SDI15、SDI18处理表层含水率分别为32.8%、24.8%、14.2% (WFPS)以及19.9%、32.7%、36.4% (WFPS),到96h增加到38.4%、28.4%、28.7% (WFPS)以及21.2%、35.1%、37.4% (WFPS),而后到114h又逐渐下降到38.0%、28.2%、28.5% (WFPS)以及20.5%、34.1%、36.4% (WFPS)。此外,SI处理0~4cm土层受外界温度、风力等气象条件的影响较大,水分变化均比较剧烈;而深层4~16cm土层水分在下降阶段变化较为缓慢,其中2次灌水后24cm深度处保 持在62.6% (WFPS)和54.2%(WFPS)左右。这与李天杰等人[8]研究结论较为一致。

2.2水分非均匀分布下的壤土 CO2通量

从图2中可以看出,SI处理在初次灌水后观测初期其CO2排放通量有所下降,从24h的1450.3μg/(m2·h)下降到96h的916.5μg/(m2·h),下降了36.8%,这是因为灌水后水分入渗,使土壤的通透性变差[9],不利于CO2扩散排放。此外,CO2排放通量在灌水24h时,SI处理与SDI15、SDI18处理之间均存在显著差异,且SDI12、SDI15和SDI18的排放通 量较SI处理依次减小了20.9%,35.7%,60.2%。此后随着水分的消退,SI处理在灌水后241h出现CO2排放的最 大值3461.2μg/(m2·h)。而SDI12、SDI15、SDI18处理则由 于地下水 分的缓慢补充作用,在水分进入后逐渐促进了CO2的排放,并在168h出现了一个小 高峰,其值依次 为1637.8、1354.7、1197.4、907.4μg/(m2·h),这是因为此时土壤的含水量和通气性达到了适宜土壤微生物活动及其CO2排放的状态。灌水241h时,SI处理CO2通量值为3461.2μg/(m2·h),SDI12、SDI15、SDI18处理CO2通量主要维持在1896.4~2460.5μg/(m2·h),且SI处理与SDI12、SDI15、SDI18处理均存在显著性差异。SDI12、SDI15、SDI18处理最大值则 均出现在312h,其值分别为2985.9、2678.7和2498.3μg/(m2·h),与SI相比其峰值分别下降了13.7%、22.6%、27.8%。在灌水后312h,各处理CO2 排放通量有所下降,受温度和水分的双重影响呈多峰曲线趋势,在816h出现了次 高峰,其值分别 为3098.2、2787.1、2526.0、2311.9μg/(m2·h)。

第2次灌水后,土壤CO2排放通量的变化趋势基本相同,即灌水后观测初期各处理CO2排放通量逐步增加,在1410h达到了最大值,其值分别为5756.8、5361.5、4800.2、4471.3μg/(m2·h),与SI处理相比,SDI12、SDI15、SDI18处理的峰值分别下降了6.9%、16.6%、22.3%。1266h时,各处理之间均无显著性差异。此后CO2排放通量有所下降,但变化趋势较为平缓,这是由于这段时间连续阴天、温度相对较低的缘故,且此期间各处理表层土壤水分变化不大。在1890h和2130h由于出现了35℃以上的高温,导致CO2排放通量有所下降,表明过高温度下会导致微生物中一些酶的活性下降,从而影响微生物的呼吸作用,导致CO2通量的下降[10]。灌水后738h和954h由于降雨(1986h和2202h)的影响各处理CO2排放通量再次出现峰值,虽然整个装置置于防雨棚下,不会有雨水降入,但由于降水增加了空气 的湿度,激活了表 层土壤中 微生物的 活性,使其呼吸作用 有所增强[11]。且在1986h时,SI处理与SDI18处理之间存在显著性差异。

2次灌水之后各处理之间的CO2排放通量大小关系均为SI>SDI12>SDI15>SDI18,第1次灌水后各SI、SDI12、SDI15和SDI18处理CO2排放通量平均值依次为1350.5、1248.3、1145.9和1023.4μg/(m2·h),与SI处理相比,SDI12、SDI15、SDI18处理分别降低了4.6%、9.5%和16.1%;第2次灌水后平均值分别为2305.4、2177.8、2924.8、1887.5μg/(m2·h),SDI12、SDI15、SDI18处理分别比SI处理降低了5.6%、12.2%和18.2%。统计分析显示,各处理CO2排放通量在不同 观测阶段存在一定差异,但并不完全显著(P>0.05)。由表1可见,第1次灌水后 观测阶段 初期 (0~313h),SI处理与SDI15和SDI18处理间有显著 性差异,但与SDI12处理间无 显著性差异,此外SDI12、SDI15和SDI18处理3者之间也并无显著性差异。此后的不同时段内,各个处理间大多无显着性差异,仅在试验末期的1410~2274h阶段SDI18处理CO2排放通量显著低于SI处理。整个试验期间的总体情况来看,除SI处理与SDI18处理间有显着性差异外,其余各处理之间也均无显著性差异。

μg/(m2·h)

注:同一行中相同字母表示处理间差异不显著(LSD法)。

本研究中SDI12、SDI15和SDI18处理的CO2排放通量之所以小于SI处理的值,主要是由于在滴灌条件下,土壤只是局部湿润,土壤剖面上的水分分布很不均匀[12],土壤湿润体积小于表面灌溉处理,从而导致CO2的产生和排放通量相应减少。此外,2次灌水之间的对比来看,第2阶段CO2排放通量明显高于第1阶段,并且在6月份出现最大值。原因在于第2阶段(6、7月份)温度较高,这与多数学者的研究基本一致[13,14,15,16]。

3讨论

3.1土壤水分变化的影响

由图1可见,各灌水处理条件下其深层土壤水分含量变化不大,而表层土壤水分 含量变化 较大。同时,彭家中等[17]、张宇等[18]研究认为土壤 呼吸主要 取决于表 层土壤含 水量的高低。SI处理初次灌水后,其表层(0~4cm)土壤含水量较高,导致土壤空隙被水分所填充,不利于微生物的呼吸作用和CO2的扩散,从而使CO2排放通量有所下降;之后随着土壤水分含量的下降,CO2排放通量有所升高,当土壤水分含量下降到47%(WFPS)时,CO2排放通量出现最大值。这与蔡祖聪[19]等人研究得出的半干旱草原土壤呼吸与土壤含水率关系是基本一致的。SDI12处理最大CO2排放值出现在灌水后288h,此时其土壤表层水分含量为33.8%(WFPS);而SDI15和SDI18处理CO2 排放最大值则出现在312h,其对应的表层土壤水分含量分别为26.5%和25.9%(WFPS)。此后各处理CO2排放通量均有一个逐渐下降的过程,灌水后360h时才又有所回升。灌水后360~1032h土壤水分含量继续降低,水分的影响也有所下降,CO2排放通量主要因温度的影响而波动。这与邓东周等人的研究结果相吻合,即在干旱环境中的情况下,土壤微生物的活性会降低,土壤呼吸速率会受到抑制[20]。整体上,第1次和第2次灌水后SDI处理土壤CO2排放较高的WFPS范围是25.9%~33.8%和31.5%-33.0%,低于SI处理出现高峰排放的WFPS分别为47%和34.1。

3.2其他影响因素

温度和降雨等气象 因素也是 影响土壤 呼吸的重 要因素。结合图2和图3可知,初次灌水后随着气温的升高,CO2排放通量也随着增加。如当温度从48h的8.3℃上升到241h的30.7℃时,各处理CO2排放通量分别从957.8、761.8、503.8、316.1μg/(m2·h)上升到3461.2、2460.5、2123.9、1896.4μg/(m2·h),并且SI处理达到了最大值3461.2μg/(m2·h)。原因在于气温升高可以提高微生物活性,加速土壤中有机质的分解,增强土壤的呼吸作用。而第2次灌水后观测阶段土壤呼吸通量与气温并没有明显的相关性,且在出现高于36℃(1890h、2130h、2274h)的高温时,各处理CO2排放通量并没有出现峰值,反而出现了谷值。如当温度由1842h的27.1℃上升到1890h的37.9℃时,各处理CO2排放通量分别由4418.6、4417.8、3700.7、3317.8μg/(m2·h),下降到3739.9、3423.2、3234.3、2815.6μg/(m2·h),分别下降 了15.4%、16.9%、12.6%以及15.1%。这说明过高的温度会抑制土壤呼吸作用。整体上,在初次灌 水后其温 度的变化 范围为8.3~29.2℃,其平均值为22.7℃;第2次灌水后其温度变化范围为24.1~36.2℃,其平均值为30.8℃。通过建立土壤呼吸通量与温度的关系发现,壤土初次灌水后其CO2排放通量与气温总体上具有较好的相关性,而第2次灌水后其土壤呼吸通量与气温并没有明显的相关性。其原因可能是初次灌水后,大气温度较低且逐渐增加,温度是影响土壤呼吸的主要因素;第2次灌水后观测阶段,温度大多比较高,此时土壤水分含量是影响土壤CO2排放通量的主要因素。当温度超过36℃时,其土壤呼吸却出现了下降的趋势。这与Raich等的研究结果较为一致,即在0~35℃土壤微生物活性及植物根呼吸酶活性随温度升高而增强,当温度超出这一范围时,微生物活性和根呼吸酶活性受到明显抑制[21]。此外,土壤的剧 烈变化也 可能引起 土温的变化,但是本研究进对空气温度进行了观测,因此,温度对土壤呼吸的影响仍需进一步进行研究。

大气降水对土壤呼吸的影响结果是因时、因地而异。在湿润的或有干湿交替季节的生态系统中比较湿润的季节,降水事件对土壤呼吸可能会产生明显的抑制现象;而在干旱的或有干湿交替季节的生态系统中比较干旱的季节里,降水事件可能会强烈地激发土壤呼吸[22,23]。但是目前所有关于降雨与影响土壤CO2排放的研究均是在降雨直接入渗到土壤的条件下开展的,归根结底是土壤水分的影响。本文研究中整个装置置于防雨棚下,不会有雨水降入,但我们却发现初次灌水后1986h和2202h由于降雨的影响各处理CO2排放通量再次出现峰值,这可能是降水增加了空气的湿度,激活了表层土壤中微生物的活性,使其呼吸作用有 所增强[24]。这也表明 干燥土壤 中的微生物对可能对大气湿度或者大气凝结水作出反应[25]。

4结语

(1)灌水后,CO2产生和排放量显著增加,各处理在不同观测阶段存在一定差异,但除SI处理与SDI18处理间有 显著性差异外,其余各处理之间均无显著性差异,其CO2排放通量平均值表现为SI>SDI12>SDI15>SDI18。

(2)第1次和第2次灌水后SDI处理土壤CO2排放较高的WFPS范围是25.9%~33.8%和31.5%~33.0%,低于SI处理出现高峰排放的WFPS分别为47%和34.1%。

(3)由于温度的影响第2阶段CO2排放通量总体上高于第1阶段,并且在温度较高的6月份出现最大值。第1次灌水后观测阶段CO2排放通量与温度具有较强的相关性,但第2次灌水后观测阶段两者之间相关关系不显著,可能是因为过高温度下土壤呼吸出现了递减的趋势。

(4)此外降雨发生时空气湿度的增加对微生物的呼吸有刺激作用,各处理出现了短期的CO2排放通量的小高峰。

摘要：为了研究水分非均匀分布条件下旱地土壤CO2的排放特征,采用静态箱-气相色谱法测定了SI、SDI12、SDI15及SDI18共4个处理的CO2排放通量。结果表明:总体上CO2排放通量平均值表现为SI>SDI12>SDI15>SDI18,但仅SI处理与SDI18之间的差异具有显著性;2次灌水后SDI处理土壤CO2排放较高的WFPS范围分别是25.9%~33.8%和31.5%~33.0%,低于SI处理出现高峰排放的WFPS分别为47%和34.1%;由于温度的影响第2次灌水后CO2排放通量总体上高于第1次灌水后,但第1次灌水后CO2排放通量与温度具有较强的相关性,而第2次灌水后两者之间相关关系不显著,可能存在过高温度下的土壤呼吸抑制。此外降雨发生时空气湿度的增加对微生物的呼吸有刺激作用,各处理降雨后出现了短期的CO2排放通量的小高峰。

全球气候分布的非地带性表现 篇3

一、热带雨林气候的非地带性

热带雨林气候分布在赤道两侧南北纬10度之间，终年受赤道低气压控制。但是在远离赤道的地方，只要气温和降水达到一定的范围，也可以形成热带雨林气候，这种分布地球上有四处：非洲马达加斯加岛东部、大洋洲澳大利亚东北部、中美洲东北部和南美洲巴西高原的东南沿海。显然，这些地方不在赤道附近，也不会终年受到赤道低气压带的控制，但是由于它们处于来自海洋湿润的信风的迎风地带，附近暖流又起到增温增湿的作用，本身的纬度范围处于低纬，所以形成了热带雨林气候。具体原因如下。①非洲马达加斯加岛的东部：位于东南信风的迎风坡，附近有马达加斯加暖流流经；②大洋洲澳大利亚的东北部：位于东南信风的迎风坡，附近有东澳大利亚暖流流经；③中美洲东北部：位于东北信风的迎风坡，附近有墨西哥湾暖流流经；④南美洲巴西高原的东南沿海：位于东南信风的迎风坡，附近有巴西暖流流经。另外，还有两个热带雨林气候分布范围比常理要大：一是亚马孙平原的热带雨林气候。亚马孙平原的热带雨林气候分布范围广泛的原因，除了终年受赤道低气压的控制外，也与地形和信风有关。亚马孙平原北、南、西三面分别被高原和山地环绕，只有东面面向大西洋，来自东面大西洋的东北信风和东南信风都能长驱直入，遇到高原和山地阻挡而形成降水，加大了流域内的降水量，从而扩大了热带雨林气候的分布范围。二是非洲几内亚湾沿岸的热带雨林气候。非洲几内亚湾沿岸的热带雨林气候的分布延伸到15度N左右，与附近的几内亚湾暖流、地形和风向都有关系(该地位于高原边缘，地势较高，夏季东南信风越过赤道后，在地转偏向力的作用下偏转成西南季风，西南季风带来的被洋流增温增湿的水汽遇地形抬升，形成地形雨。使热带雨林气候分布范围扩大)。

二、热带草原气候的非地带性

热带草原气候分布在热带雨林气候的两侧，大约是南北纬100至南北回归线之间。在这个纬度位置，赤道低气压带和信风带交替控制，使热带草原气候具有明显的干湿两季交替的气候特征。

赤道附近的东非高原，由于地势较高，从而使温度降低，对流变弱，降水变少，形成了热带草原气候，而没有形成热带雨林气候；与此类似的地方还有南美洲赤道附近的安第斯山脉。

三、温带海洋性气候的非地带性

温带海洋性气候分布在南北纬40度-60度之间的大陆西部，由于终年受来自海洋的西风控制，具有温和多雨的气候特征。

而澳大利亚东南部和新西兰南北二岛这两个区域并不是位于大陆西部，但也形成了温带海洋性气候，究其原因是这两个区域终年受到来自海洋的暖湿气流的影响。

在欧洲西部，温带海洋性气候分布广泛的原因除了终年受来自海洋的西风控制外，还与地形(中部为平原。南北的山脉走向近似东西方向，有利于西风的深入)、海陆轮廓(大陆轮廓支离破碎。使得海洋的影响深入内陆，各地距离海洋较近)、洋流(北大西洋暖流流经，对沿岸起到增温增湿的作用，如往北部延伸到了北极圈附近)有关。

四、温带大陆性气候的非地带性

温带大陆性气候一般分布在南北纬40度－60度之间的大陆内部，由于深居内陆，远离海洋，湿润气流难以到达，具有干旱少雨的特点。

在南美洲安第斯山脉东侧巴塔哥尼亚高原，这里东西距离海洋较近，并且也位于西风带，但是由于西部有高大的安第斯山脉阻挡，使它处于背风地带，降水稀少，也形成了温带大陆性气候。

五、热带沙漠气候的非地带性

热带沙漠气候一般分布在南北回归线至南北纬30度之间的大陆内部和西部，受副热带高压带或信风带控制，全年高温，干旱少雨。可是地球上有些区域与上述条件并不符合，也形成了热带沙漠气候。①南美洲西部秘鲁沿海的北部。这里的热带沙漠气候的分布往北离赤道较近，这是因为受到沿岸强大的秘鲁寒流的影响，起到了降温减湿的作用。②撒哈拉沙漠的东部。在北非，热带沙漠气候的分布延伸至红海西岸，究其原因是北非与亚洲大陆紧邻，东北信风从东部大陆吹来，不易形成降水。③南亚西北部。主要原因有两点：自然方面是由于西南气流受到青藏高原南侧的阻挡，在该地区上空形成一个强大的反气旋，所以空气比较干燥而形成沙漠；人为方面是古代的原始森林遭到破坏，地面缺乏植物保护，形成沙漠。

六、其它表现

(1)南北美洲西海岸的气候呈现南北延伸、南北更替、东西紧缩的分布格局，主要与高大的呈南北走向的科迪勒拉山系的阻挡有关，使这些气候的分布不能向东部延伸，而局限在太平洋沿岸的狭窄地带。

(2)地中海气候没有分布在欧洲与南极洲的原因，是因为这两大洲没有地中海气候形成的纬度位置。

非正态分布 篇4

利用皮尔逊分布族计算非正态分布工序能力指数

本文利用皮尔逊分布族设计了一种计算非正态分布工序能力的.方法.它可用于工序分布形式完全未知的情况.

作 者：吴海英 WU Hai-ying 作者单位：武汉理工大学数学系,武汉,430070刊 名：数理统计与管理 ISTIC PKU CSSCI英文刊名：APPLICATION OF STATISTICS AND MANAGEMENT年，卷(期)：25(6)分类号：O212关键词：工序能力指数 非正态分布 皮尔逊分布族

非正态分布 篇5

1 资料与方法

1.1 一般资料

选取2010年10月~2015年10月我院ICU住院治疗的235例肺部感染患者。患者原发疾病主要包括脑外伤、脑出血、感染性休克、慢性阻塞性肺疾病、急性中毒、癫痫、恶性肿瘤、胸部或腹部大手术等。所有患者入院前未行呼吸机进行辅助呼吸。分为VAP组123例和非VAP组112例。VAP组中男71例,女52例;年龄20~89(59.12±20.56)岁。非VAP组中男71例,女41例;年龄19~80(53.35±18.26)岁。

1.2 标本采集

未使用呼吸机患者的标本采集:先用双氧水或生理盐水清洗患者口腔,再留取痰标本,对于意识不清不能配合者,予以双氧水口腔清洁后,用咽拭子采集下呼吸道分泌物,并引入一次性无菌痰杯中。使用呼吸机患者的标本采集:患者在使用呼吸机辅助通气48h后获取标本。使用负压吸引,吸取下呼吸道分泌物,并引入一次性无菌痰杯中。所有标本送至检验科检查,经显微镜下筛查,对于不符合标准的痰标本进行第二次取样,直至合格。

1.3 标本分析

采用法国生物梅里埃公司VITEK-32型全自动微生物分析仪,以K-B法分离菌株进行药物敏感试验,标准判断根据NCCSL2010年版进行。

1.4 统计学处理数据采用SPSS 17.0统计学软件进行分析。计数资料采用χ2检验,P<0.05差异有统计学意义。

2 结果

在非VAP组中,112例患者共检出病原菌120株,病原菌分布为:革兰阴性菌(53.33%,前三位为铜绿假单胞菌21.67%、克雷伯杆菌10.00%、大肠埃希菌8.33%)、革兰阳性菌(33.33%,包括金黄色葡萄球菌15.00%、凝固酶阴性葡萄球菌13.34%、肠球菌属5.00%)、真菌(13.33%,主要为白色假丝酵母菌11.67%),曲霉菌2株。在VAP组中,123例患者共检出病原菌134株,病原菌分布为:革兰阴性菌(52.99%,前三位为鲍氏不动杆菌20.90%、铜绿假单胞菌17.16%、克雷伯杆菌6.72%)、革兰阳性菌(18.66%,包括金黄色葡萄球菌7.62%、肠球菌属6.72%、凝固酶阴性葡萄球菌4.48%)、真菌(28.36%,主要为白色假丝酵母菌24.63%),其他真菌有光滑假丝酵母菌2株,近平滑假丝酵母菌2株,热带假丝酵母菌1株。鲍氏不动杆菌在VAP组的检出率高于非VAP组(P<0.01),革兰阳性菌在VAP组的检出率低于非VAP组(P<0.01),真菌在VAP组的检出率低于非VAP组(P<0.01)。见附表。

3 讨论

ICU患者疾病较重,机体抵抗力低下,易并发感染,其中肺部感染最常见,也是导致患者死亡的常见因素之一。不同地区的医院使用抗生素的种类及习惯可能不同,造成ICU患者感染病原菌的种类有所差异,因此了解病原菌分布的特点对临床治疗至关重要。

通过本组研究发现,ICU肺部感染的病原菌以革兰阴性菌最多,占50%以上,其中在非AVP患者中以铜绿假单胞菌最多,占21.67%,在AVP患者中占17.16%,在革兰阴性菌(G-)中排第二位,可见铜绿假单胞菌在院内感染中起着重要作用,这与多项研究[6,7]结果相仿。江浩曙等[7]通过对治疗前后肺部感染患者的研究发现,铜绿假单胞菌在治疗前后均为所占比例最高的病原菌,且在治疗后前4周内铜绿假单胞菌的比例高于治疗前。这可能是因为铜绿假单胞菌易形成生物被膜、外膜通透性降低、微孔蛋白缺乏或丧失以及产生染色体介导与质粒介导的β-内酰胺酶等因素的协同作用[8],从而使其易产生耐药性。

通过VAP与非VAP患者的对比研究发现,二者的病原菌分布并不完全相同。两组患者G-总检出率无统计学差异,但是鲍氏不动杆菌在VAP患者中比例最高,占20.90%,检出率明显高于非VAP患者的5.83%,二者具有显著的统计学差异。分析原因可能与患者应用呼吸机相关,这也在蔡海军[9]的研究中得到证实,烧伤面积、机械通气、抗菌药物使用时间及深静脉置管已是AB感染的相关危险因素,且烧伤面积、机械通气为AB感染独立危险因素。在本组研究中,VAP组G+菌检出率均明显低于非VAP组(P<0.05),这可能与应用呼吸机后,抗生素剂量有所增加有关。研究还发现,真菌在VAP组的检出率明显高于非VAP组,二者具有显著统计学差异(P<0.05),这可能与使用广谱抗菌药物的使用有关,此外,应用呼吸机的患者症状多较重,其自身免疫力教非VAP组更差,故更易导致真菌的感染。

综上所述,VAP患者与非VAP患者的病原菌分布并不完全相同,G-菌同是二者的致病菌,而G+在VAP组的检出率低于非VAP组,真菌的检出率高于VAP组,因此在临床治疗过程中,对于两种病人使用抗生素是应加以区别、有所侧重。

参考文献

[1]Davis KA.Ventilator-associated pneumonia:a review[J].Intensive care Med,2006,21(4):211-226.

[2]Koenig S M,Trunit JD.Ventilator-associated pneumonia:diagnosis,tr eatment,and prevention[J].Clin Microbiol Rev,2006,19(8):637-657.

[3]Lim KP,Kuo SW,Ko WJ,etal.Efficacy of ventilator-associated pneumonia care bundle for prevention of ventilator-associated pneumonia in the surgical intensive care units of a medical center[J].Microbiol Immunol Infect,2013,9(7):174-176.

[4]Alexandre R,Marra MD,Ruy Guilherme Rodrigues Cal MD,et al.Successful prevention of ventilator-associated pneumoniain an intensive care setting[J].American Journal of Infection Control,2009,37(8):619-625.

[5]J oseph N M,Sistla IS,Dutta TK,et al.Ventilator-associated pneumonia:a review[J].Eur J Intem Med,2010,21(5):360-368.

[6]来孺牛,王亚南,金国萍,等.ICU患者肺部感染的病原菌分布及耐药性分析[J].中华医院感染学杂志,2014,24(1):53-55.

[7]江洁曙,王珊珊,方晶晶.ICU老年感染性休克患者抗感染治疗前后痰病原菌培养变化对比分析[J].中华医院感染学杂志,2014,24(9):2116-2118.

[8]赵书平,姜梅杰,田鑫,等.耐亚胺培南铜绿假单胞菌金属β-内酰胺酶基因研究[J].中华医院感染学杂志,2008,18(11):1509-1511.