高新技术企业创新资金配置风险预警的FOA-SVM模型及实证

为了提高创新资金的运营效率和为企业创新活动提供有效支撑,按照高新技术企业创新资金配置的生态化要求,从资金的来源、使用、偿还、收益分配四个维度进行风险分析并构建风险预警指标,给出创新资金配置的生态目标,将支持向量机二分类问题扩展到多分类并与果蝇优化算法结合构建风险预警的FOA-SVM (fruit fly optimization algorithm and support vector machines)模型,确定警度和警限,选取117家医药制造企业2016年数据进行模型验证并与GA-SVM (genetic algorithm and support vector machines)模型进行比较分析,研究表明,FOA-SVM模型分类准确率高而且对于高风险的误判率低,可以实现对高新技术企业创新资金配置风险的分类预警,为优化创新资金配置、防范与控制创新资金配置风险提供依据.     

基于营业中断保险的企业中断模型研究

营业中断保险可以补偿企业中断造成的巨大经济损失.在制造类企业存在生产中断风险的情况下,建立了企业生产中断模型,并研究了营业中断保险对该模型的影响.研究表明,营业中断保险可以代替部分产品库存,进而提高企业的期望利润.     

北京市门头沟区2003-2014年植被初级生产力时空变化

采用CASA模型和30 m分辨率Landsat数据生成了门头沟区2003—2014年的植被净初级生产力(NPP)产品,分析了门头沟区NPP的空间分异特征,基于MODIS年NPP产品分析了门头沟区2003—2014年NPP的年际变化特征,基于MODIS植被总初级生产力(GPP)时间序列数据分析了门头沟区典型年份的年内GPP变化特征.结果表明:2003—2014年门头沟区NPP受地形及人为因素影响,低值区主要沿河流谷地及东部河流出山口处分布,在整体区域上呈现四周高、中间低的特征;自2005年以来年际NPP总体平稳,没有明显的增加或减少趋势;GPP年内波动明显,5—9月GPP/NPP的差异对不同年份间GPP/NPP差异的贡献最大.     

具有非线性PTO的波能装置水动力及获能分析

运用计算流体力学(CFD)方法对系泊双浮体波浪能装置的水动力及PTO(动力输出装置)非线性出力特性进行模拟和分析,利用VOF(流体体积分数)方法结合动网格及刚体求解技术模拟波浪生成及浮体运动,分析了不同速度指数的非线性动力输出装置下波浪能装置的水动力及获能特性,并与线性PTO的特性进行对比.在此基础上提出一种组合控制模式,可使波浪能装置在较大的PTO阻尼系数范围内维持较高的俘获宽度比.     

一道电学习题佯谬辨析

计算均匀带电细杆延长线上一点的电势是电学中的一道常见习题,但把该题的方法用于计算杆上一点的电势时却得到了发散的结果.对这一问题进行了深入分析,发现导致错误的原因是忽视了带电细杆这一理想模型成立的条件,当考察点位于杆上时,带电细杆这一理想模型就不适用,应该代之以带电圆柱这一理想模型.该研究对教学和科研中正确使用各种理想模型具有一定的参考价值.     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

基于Copt-aiNet的污水处理过程优化控制

污水处理是一个复杂的动态反应过程,针对如何确定优化控制中关键变量的动态最优设定值,使满足出水水质排放达标的同时降低运行能耗的问题,提出了一种基于人工免疫算法Copt-aiNet(组合优化的人工免疫网络)的污水处理控制策略.首先,利用Copt-aiNet确定第二分区溶解氧质量浓度和第五分区硝态氮质量浓度的最优设定值;再利用控制器跟随最优设定值,对氧传递系数和内回流流量进行控制,进而对曝气能耗和泵送能耗同时进行优化;最后,在仿真平台BSM1上进行仿真实验,结果验证了本文控制策略的有效性,可以在保证出水水质达标的前提下有效降低能耗.     

基于序列特征的点击率预测模型

点击率预测模型是主流推荐系统中十分重要的部分.根据点击率预测的打分来调整商品的展示策略,对提高业务的转化率、改进用户体验等有着重要的意义.传统的点击率预测模型是利用用户特征和商品特征,对点击率进行预测.然而,用户行为序列的结构特征,如周期性规律、趋势等也能一定程度地体现用户行为的倾向.针对部分信息利用上的空缺,使用时间序列分析单元,将提取用户行为序列的特征作为用户特征的扩展,结合因子分解机结构将其与用户、商品特征进行交叉,能够有效提高特征质量,优化点击率预测模型的性能.实验表明,结合用户行为序列特征进行交叉优化的方法能够对点击率预测模型的表现带来很大提升,提高点击率预测的精度.