福建省生态足迹驱动因子分析

应用扩展的STIRPAT模型,结合主成分回归方法,对福建省生态足迹驱动机制进行研究.结果表明:2000年到2009年间,对福建省生态足迹具有正向驱动的驱动因子从大到小分别为:人口数、城市化水平、人均GDP和第三产业比重;对生态足迹起负向作用的驱动因子从大到小分别为:恩格尔系数、霍夫曼系数、生态足迹强度.人均生态足迹与人均GDP之间当前并未存在环境库兹涅茨关系.     

基于模糊聚类测点优化与向量机的坐标镗床热误差建模

为了研究电主轴系统热特性对机床精度的影响,建立了主轴轴向及径向热误差模型.以精密坐标镗床为对象,采用五点法对主轴热误差进行测量,并分析了转速对主轴热误差及温度场的影响规律.利用模糊聚类分析法对温度变量进行分组优化,选出对热误差敏感的温度变量,建立主轴轴向热伸长及径向热倾角的最小二乘支持向量机(LS-SVM)以及多元线性回归(MLRA)的综合热误差模型,并设定了预测优度评价标准.结果表明:模糊聚类分组法能有效降低温度变量间的多重共线性,并提高模型的稳定性;LS-SVM模型具备全局寻优的特点,可实现不同工况的高精度预测,预测精度可达90%,且比传统的MLRA模型有更好的通用性以及更强的泛化能力,可作为后期热误差的补偿模型.     

神经网络集成模型在广东省海洋生产总值预测中的应用

海洋生产总值预测是一项极其复杂但又非常重要的工作,本文探讨了神经网络集成模型在广东省海洋生产总值预测中的应用.通过采集广东省2000—2010年海洋统计年鉴数据,借助Bagging方法生成仿真数据训练网络个体,将12个个体网络集成对广东省2010年海洋生产总值进行预测分析,该模型解决了海洋经济数据非线性、时变性、样本量少和偏差大等问题.与线性回归方法的比较结果表明,神经网络集成模型预测海洋生产总值的结果更可靠.     

基于加权整体最小二乘的多元线性回归分析

针对变形监测数据中自变量和因变量观测向量都含有误差、且采用一般最小二乘估计是有偏的这一问题,引入EIV模型,并顾及各自变量观测精度的不同,采用加权整体最小二乘对待估参数进行估计。长江三峡库区滑坡监测实验表明,基于加权整体最小二乘的多元线性回归分析能更好地对回归方程进行参数估计,可明显提高形变预测精度。     

从文化回归的视角看武术发展

本文运用文献资料法、逻辑分析法,分别从物质文化、精神文化、制度文化三个层面探讨了武术文化回归的具体方法,为武术的传承和发展提供建设性的意见。我们要充分发掘武术的文化底蕴,逐步完成武术文化的回归,发扬中华武术。     

陕西对外贸易与居民收入关系初探

改革开放以来陕西省对外贸易增长迅速,然而也存在一些亟待解决的问题,对外贸易的发展与居民收入差距的关系是其中一个重要的问题。通过分析改革开放以来陕西省对外贸易、居民收入等面板数据,揭示两者之间的内在关系。采用现代研究方法中的计量经济学方法,建立模型揭示了人均GDP、进出口总额、出口额、进口额、净出口额等变量与名义居民收入差距和实际居民收入差距的关系,研究结果显示,陕西省对外贸易扩大了居民收入差距,最后从调整对外贸易结构、加大农产品对外贸易和提高农村劳动力技能等方面提出了若干建议。     

国内期刊亮点

正删失分位数回归模型基于扩展兴趣信息准则的平均估计中央财经大学统计学院孙志猛结合分位数回归技术,基于删失回归模型,把Claeskens和Hjort的传统兴趣信息准侧(focusedinformation criterion,FIC)扩展到兴趣向量的情形,提出扩展的兴趣信息准则(extended focusedinformation criterion,E-FIC),有效解决了同时针对多个兴趣参数的平均估计问题,并且对     

金矿浮选回收率预测模型

浮选回收率是金矿选矿过程重要的生产指标,目前主要是通过人工化验的方法检测获得,人工检测周期较长,造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上,分别采用多元线性回归和BP神经网络的方法,建立了金矿厂浮选回收率的预测模型.预测误差分析表明,BP神经网络预测模型能较好地预测金矿厂的浮选回收率,当预测相对误差在±3%范围内时,模型的预测精度达到91%,对于实际生产具有良好的参考作用.     

基于BP神经网络优化的灰色线性回归组合模型应用分析

在分析灰色线性回归组合预测模型基本原理的基础上,利用MATLAB强大的计算功能,实现组合预测模型算法。通过实例分析发现拟合结果对实测值出现一定的波动性,故通过建立实测值与模拟值之间的比值序列,再利用BP神经网络模型对该比值序列进行建模优化,以进一步优化组合模型的预测精度。最后实例证明了该优化模型具有较高的拟合和预测精度,是一种可行、有效的优型变形数据分析模型。     

C&RT决策树在民办高校招生中的应用分析

以往的数据挖掘技术的应用大多是在金融领域,而在其他领域里面应用不是很多,如在高校招生中的应用更是如此。在数据挖掘中,决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法,是用二叉树形图来表示处理逻辑的一种技术。特别适合于判断因素比较少、逻辑组合关系不复杂的情况。它可以直观、清晰地表达加工的逻辑要求,满足用户需求,为管理决策者提供相应的决策支持。以某高校招生数据作为基础信息为依据,对高校招生中生源地与报到情况等进行CART(Classification and Regression Tree)分析,将对决策树分析的应用做进一步的阐述。