基于人工蜂群优化循环神经网络的财务危机预测

为了提高财务危机预测的性能,采用循环神经网络(Recurrent neural network, RNN)对关键指标进行分析训练,以解决因为时间变化带来的深度学习网络预测准确率性能下降的问题。选取关键指标特征生成预测样本,并充分利用RNN在时间序列的循环计算优势,采用差异化时间序列的赋权策略,记忆不同历史时间序列对RNN预测分析的影响。经过RNN训练,并采用隐藏层输出不断循环的方式,将历史时间段输入不断作用于当前训练输出。引入人工蜂群(Artificial bee colony, ABC)算法在RNN反向传播过程中对时间序列权重进行更新。将RNN网络输出值与预测值的均方误差作为ABC的适用度函数,获得全局最优的ABC-RNN预测模型。试验证明,合理优化历史时间序列权重,能够获得较高的危机预测准确率。和常用预测算法对比,所提ABC-RNN算法的预测准确率更高,且曲线面积(Area under the curve, AUC)值更高。     

生计资本对农户林地利用方式选择的影响

基于可持续生计资本理论,以福建省500户林农的微观调研数据为基础,构建农户林地利用方式选择的二元Logit回归模型,分析生计资本对农户自己经营林地还是转出林地的影响.研究结果表明:户主受教育程度、就业技能等级、林地每块平均面积、林地质量和务工年收入对农户林地利用方式选择的影响显著;而农户家庭总人口数、林地面积、生产性固定资产、林业收入、获得资金与劳动力支持户数、新农保的保障程度和林地流转价格满意程度等因素对农户林地利用方式选择的影响不够显著.在此基础上,建议政府在推进林地适度规模经营的过程中,要注重提升农户的生计资本能力,提高务工收入金额和比例,减少对林地收入的依赖程度.