基于Lasso稳健马田系统的相对贫困识别方法

2020年后我国扶贫工作重点将转向解决相对贫困问题,然而解决相对贫困的前提和基础是识别相对贫困.由于相对贫困数据具有“高噪性、不平衡性、相对性、多维性”等特点,现有的单一收入维度的贫困识别方法难以适用,因此提出构建一种基于Lasso稳健马田系统(Lasso-based robust Mahalanobis-Taguchi system,Lasso-RMTS)的相对贫困识别方法.该方法通过Lasso、稳健马氏距离和马田系统三方法融合,使得不仅可以对“不平衡性”和“比较性”的贫困数据进行识别,还可以对“高噪性”和“多维性”的相对贫困数据进行降维、降噪.同时,将稳健马氏距离转换为脱贫指数(poverty alleviation index,PAI),可以更加直观地反映相对贫困程度.实例数据验证表明,Lasso-RMTS识别相对贫困的精准度高于马田系统和其他传统分类方法.     

基于改进GM(1,1)模型的中国脱贫攻坚进展分析

为了验证2020年中国实现现行标准下全部脱贫的可行性.本文首先建立脱贫攻坚理论模型,分析政策性扶贫的外生性影响.而后依据脱贫规律对GM(1,1)模型进行改进,构建脱贫进展预测模型,利用2012-2016年宏观数据对我国整体范围及各贫困地区的脱贫进展情况进行了分析.结果表明:无论以全国还是各贫困地区为研究对象,在2016年扶贫强度下均无法实现2020年全面脱贫的目标;当全国扶贫投入提升至2016年的1.4656～1.6840倍时,2020年全面脱贫的目标可以实现;河北、海南、云南和新疆目前主要以政策性脱贫为主,在政策帮扶之外具有明显的返贫趋势.     

董事长早期贫困经历与企业精准扶贫——基于中国A股上市企业的实证研究

以2016～2019年中国沪深两市A股上市企业为对象,探究董事长早期贫困经历对企业精准扶贫的影响,同时探究货币薪酬激励与两职合一的调节作用。实证结果表明,董事长早期贫困经历对企业精准扶贫具有显著正向影响。货币薪酬激励会增强董事长早期贫困经历对精准扶贫的促进作用,董事长兼任CEO则会削弱早期贫困经历对精准扶贫的促进作用。进一步分组检验发现,在产业发展脱贫、教育扶贫、健康扶贫等多个精准扶贫领域,董事长早期贫困经历均具有显著正向影响。董事长早期贫困经历对精准扶贫的促进作用在外部市场化程度以及现金持有水平更高的企业中更为显著。本文的研究结论拓宽了高管早期经历及社会责任相关研究视角,也为促进企业积极承担精准扶贫责任提供了经验证据。     

面向数字孪生的变电站三维场景自动目标识别

为提高自动目标识别的准确性，发挥自动目标识别对变电站运维效果的促进作用，提出面向数字孪生的变电站三维场景自动目标识别方法。构建变电站三维场景自动目标识别模型；利用模型架构的感知模块采集变电站实时状态数据，并采用通信模块将状态数据传输到数字孪生模块，该模块依据接收到的数据信息，通过知识图谱构建的知识库和服务模块的虚实数据处理单元，实现变电站信息的深度融合和全景映射；使用NURBS(non-uniform rational b-splines)曲面重构方法，创建变电站三维场景模型。前视自动目标识别单元在变电站三维场景模型中依据知识库，采用前视模板匹配技术实现对单一目标和多目标的准确识别。实验结果表明：该模型在简单和复杂场景下的变电站三维建模效果均较优异，在阴天和雾天仍能准确识别出变电站中的全部目标。     

一种交通流状态智能推理系统

设计一种基于模糊聚类及模式识别的交通流状态自适应神经模糊推理系统，用来研究交通流状态的分类、识别及预测。首先，对大量交通流历史特征数据采用模糊聚类的方法进行状态分类并进行模式识别，得到系统的原始输入输出数据集。然后，建立交通流状态预测的自适应神经模糊系统，以交通流特征数据及其识别结果为训练数据集进行系统参数及模糊规则的训练与确定，直到误差在控制范围内。最后，进行系统检测和复核。仿真及其检测和复核结果表明了系统良好的应用性能。     

一种新的基于模糊预测的实时运动跟踪算法

针对模糊规则基难以自动在线设计问题,提出一种利用观测数据直接构造模糊规则基中心的新方法,并将其用于对运动过程的准确预测。该方法首先用较少的有限次状态和误差的观测数据,在不同时刻直接构造状态和误差的模糊规则基中心,然后,根据最大熵原理,求取当前状态的隶属度函数值。为使此方法适合于不同状态的运动跟踪,在确定最大熵原理的关键参数中,不使用经验方法,而利用粒子群算法在规定的进化代数内求取参数,在保证实时性要求的前提下,完成对参数的优化。为提高模糊推理的精确性,在模糊推理中设计加权因子,对下时刻的状态和预测误差进行预测,利用预测误差对预测状态进行修正。预测误差仅由有限次测量数据决定,消除了误差累积现象。分别对两类不同的运动进行对比跟踪实验,结果表明,此方法具有对先验知识的弱依赖性,较强的实时性和较高的预测精度。     

基于Kohonen网络的减速箱机械故障模式识别

在自动聚类分析的基础上，根据某汽轮机减速箱运行状态的特征数据，采用Kohonen网络方法，随机选取该汽轮机减速箱运行状态的几组特征数据进行训练。结果竞争层有三个神经元获胜，即该机械的运行状态被分为三类。训练好的网络于对其余几种特征数据进行识别。根据识别结果可以确定该机械的运行状态。结果与选用其它方法所确定的结果一致。因此，Kohonen网络方法可应用于模式识别。从而该方法能实现对汽轮机减速箱运行状态的监控。     

基于改进型替代数据法的实测交通流的混沌判别

通过对实测交通流进行混沌判别，可以为实际交通流的预测和控制提供理论指导。改进型替代数据法是准确判定时间序列是否具有混沌特性的一种有效方法，该算法不仅能够很好地重构原始时间序列的特性，并且能够避免直接识别混沌方法的局限性。本文以关联维数作为混沌判据，应用改进型替代数据法对微观实测交通流的时间序列进行了混沌判别。实证结果表明，我们实测的交通流中存在混沌，改进型的替代数据法能对其进行准确判别。     

基于小波特征匹配的短时人体行为识别

在人体行为识别研究中，特征选取是关键。为了获取充分且稳定的行为特征，往往对超过一个行为周期的长时行为数据进行处理，而小于一个行为周期的短时行为数据特征通常不稳定，难以做到准确稳定识别。提出一种基于小波变换和模板匹配相结合的短时人体行为识别方法。使用小波变换方法提取系数特征，将短时测试样本的特征与模板库中的特征进行匹配，根据相似性对行为动作做出分类识别。实验结果表明，此方法对于短时行为动作具有较为准确和稳定的识别性能，有助于实现对人体行为动作的实时识别。     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.     

我国农村贫困分解及组群研究

近20年快速的经济增长对我国减贫作用显著,但由于农村与城镇在居民收入、分配政策上的差异,农村贫困改善的速度低于城镇,更加突出其在我国减贫工作中的重要性. 本文并非拘泥于现有地域特征划分依据,而是利用SST贫困综合测度指标的分解维度,创新性地提出按照贫困特征指标进行组别的划分,从而使我国农村贫困组群划分更科学合理. 继而,本文采用CHNS数据库中我国农村9省的调研数据,对其进行组群分类研究;并通过FGT指数及其差异分解结果验证了分组结论的有效性. 最后,结合分组及指数分解结果总结归纳出我国农村贫困的组群特征及差异原因,为针对不同组群提出更有针对性的减贫措施提供参考.     

我国农村贫困度的测算

本文论述贫困测度问题, 讨论了穷人比例、总收入缺口、森贫困测度等指标的合理性。论文提出一种由分组数据测算贫困度的方法, 并利用这种方法测算我国农村近年来的贫困度。     

策勒绿洲资源约束型贫困问题研究

在生态环境及资源、人口、经济和社会等因素当中，自然资源匮乏是导致策勒绿洲贫困的一个主要原因。充分了解自然资源现状及其在农业经济发展中的地位，并在此基础上提高资源的利用率是策勒绿洲加快扶贫开发的重点。在对研究区自然环境条件进行综合分析的基础上，对其资源状况，特别是对短缺的水、土地资源和能源资源进行比较全面的分析，重点揭示了这3种资源对该区经济发展的限制，并提出了建设性意见。图1，表1，参16。     

基于状态的武器电子装备故障预测研究综述

随着人们对维修费用和维修效果的追求,基于状态的维修(condition based maintenance, CBM)得到了进一步发展,作为CBM的关键问题之一,故障预测已经成为装备维修领域的一个主要研究方向。当前,对故障预测的综述主要局限于对故障预测方法的总结,并未对故障预测的研究有一个全面、综合的阐述。为了对故障预测的研究有一个系统、全面的认识,本文从故障预测的内容、对象、方法3个维度对基于状态的武器电子装备故障预测研究进行了综述,并对相关的故障预测方法进行了分析和梳理。针对装备故障预测问题,立足于文献综述,提出一种基于状态的装备故障预测分析方法,为部队对装备进行合理、科学的故障预测提供借鉴。     

基于DA-RKELM算法的光伏发电功率预测方法

针对光伏发电功率具有的波动性和随机性等特点造成的电网安全问题,提出了一种基于蜻蜓算法优化的正则核极限学习机光伏发电功率预测方法。通过相关性分析确定影响光伏发电功率的关键影响因子,构建光伏发电功率预测模型;利用蜻蜓算法获取网络最优的权重和阈值,在标准极限学习基础上引入正则化函数和核函数以避免传统梯度下降法造成的过拟合问题,增强模型空间映射能力;仿真实验表明,与DA-ELM、PSO-ELM以及标准-DA-ELM模型相比,DA-RKELM预测模型能达到更高的预测精度,更贴近光伏发电的实际运行功率。     

基于改进稀疏KELM的在线非平稳动态系统状态预测方法

本文针对基于核的增量超限学习机(kernel based incremental extreme learning machine，KB-IELM)对非平稳动态系统的时变状态跟踪能力不足的问题，提出一种新型的状态预测方法。通过融合遗忘因子和自适应时变正则化因子构建新的目标函数。通过最小化字典的快速留一交叉验证(fast leave-one-out cross-validation, FLOO-CV)误差，选择具有预定规模的关键节点以构成字典。通过融合遗忘因子，为字典中各关键节点按时间顺序分配不同权重。基于FLOO-CV原则，使用天牛须搜索(beetle antennae search，BAS)算法为不同的非线性区域赋予不同的正则化参数。通过矩阵初等变换和分块求逆，实现核权重向量的在线递推更新。将模型应用于非平稳Mackey-Glass混沌时间序列预测和某型飞机发动机的状态预测。所提算法相比于最新的非平稳在线序列核超限学习机(non-stationary online sequential kernel extreme learning machine，NOS-KELM)和融合自适应正则化因子的在线稀疏核超限学习机(online sparse kernel extreme learning machine with adaptive regulation factor, OSKELM-ARF)两种方法，其训练精度分别提升了66.67%、50.72%、预测精度提升了67.02%、56.34%，最大预测误差减少了67.27%、51.09%，平均相对误差率分别减少了67.18%、59.62%。实验证明所提算法有效提升了在线预测的精度。     

基于改进稀疏KELM的在线非平稳动态系统状态预测方法

本文针对基于核的增量超限学习机(kernel based incremental extreme learning machine，KB-IELM)对非平稳动态系统的时变状态跟踪能力不足的问题，提出一种新型的状态预测方法。通过融合遗忘因子和自适应时变正则化因子构建新的目标函数。通过最小化字典的快速留一交叉验证(fast leave-one-out cross-validation, FLOO-CV)误差，选择具有预定规模的关键节点以构成字典。通过融合遗忘因子，为字典中各关键节点按时间顺序分配不同权重。基于FLOO-CV原则，使用天牛须搜索(beetle antennae search，BAS)算法为不同的非线性区域赋予不同的正则化参数。通过矩阵初等变换和分块求逆，实现核权重向量的在线递推更新。将模型应用于非平稳Mackey-Glass混沌时间序列预测和某型飞机发动机的状态预测。所提算法相比于最新的非平稳在线序列核超限学习机(non-stationary online sequential kernel extreme learning machine，NOS-KELM)和融合自适应正则化因子的在线稀疏核超限学习机(online sparse kernel extreme learning machine with adaptive regulation factor, OSKELM-ARF)两种方法，其训练精度分别提升了66.67%、50.72%、预测精度提升了67.02%、56.34%，最大预测误差减少了67.27%、51.09%，平均相对误差率分别减少了67.18%、59.62%。实验证明所提算法有效提升了在线预测的精度。     

递归神经网络在堆石坝地震响应分析中的应用

针对堆石坝系统的地震响应分析问题，提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力，从观测的结构动态系统输入输出数据中重构原系统的输入输出特性，并对新的输入信号做出相应的预测和响应。分别对理想的有限元响应数据和实测的响应数据进行了仿真。结果表明，所提出的神经网络方法较好地学习了这两组结构系统的动态特性，并显示出较好的预测效果。     

精准扶贫背景下贫困人口医疗费用分配模型

随着精准扶贫战略的全面推进,到2020年现行标准下的贫困人口将全部脱贫.但现有贫困问题的解决并不代表从此之后再不会出现贫困人口.而基本医保,大病保险和医疗救助是防止出现贫困人口的重要保障,通过构建医疗费用的三方分担体系,分担一部分可能仍需要额外报销的费用,是保证不再出现因病致贫,因病返贫人口的重要基础.本文考虑了医保额外报销费用的分担问题,引入供应链和博弈论的思想,将该问题转化为一个多方分担费用的问题.首先,构建了一个费用分担模型,为了简化各方分担比例的计算,假设由基本医疗保险承担全部的额外报销费用,大病保险和医疗救助通过承担前者的基本报销费用达到分担额外报销费用的目的.然后,由两个纳什均衡的讨价还价模型组成整个协商过程.根据三方的协商结果解决各方冲突和费用分担问题,并得到最终费用分担比例的优化决策.最后,通过对其分担结果进行数值分析得到随着承担的额外费用越多,大病保险和医疗救助承担的基本费用更多,并且通过数据模拟证明模型的有效性和正确性.