基于分解与集成的空气质量指数预测

为了能够准确地预测空气质量指数（AQI），建立了基于集合经验模态分解（EEMD）-样本熵（SE）的极限学习机（ELM）和门控循环单元（GRU）组合的AQI预测模型。首先利用EEMD算法对AQI数据进行分解，得到一组不同尺度的本征模态函数分量和残余分量；其次计算各分量SE值，根据各分量SE值将各分量重新组合成新的序列，并将新序列按其复杂程度经过GRU模型或ELM模型进行预测；最后将所有结果叠加得到AQI预测值。实验结果表明，与反向传播（Back Propagation,BP）神经网络模型、长短期记忆网络（Long Short-term Memory,LSTM）模型、ELM模型、GRU模型、EEMD-SE-ELM模型、EEMD-SE-GRU模型和EMD（经验模态分解）-SE-ELM-GRU模型相比，基于EEMD-SE-ELM-GRU的组合预测模型其预测误差最小，预测精度最高。     

基于VMD-BO-BiLSTM的猪肉价格预测模型

基于猪肉价格的非线性与波动性特性，提出一种基于变分模态分解（variational modal decomposition, VMD）和贝叶斯优化（Bayesian optimization, BO）的双向长短时记忆（bidirectional long short-term memory, BiLSTM）网络的猪肉价格预测方法。首先采用变分模态分解对数据进行预处理，将数据分解为具有相对简单波动的子序列；然后通过贝叶斯算法对双向长短时记忆网络模型的第1、2隐含层神经元数目、学习率和批次大小进行寻优，根据寻优的结果建立预测模型。实验结果表明：VMD-BO-BiLSTM方法的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为1.101 214、1.466 100、0.040 631、0.987 760，相比传统单一的LSTM,BiLSTM模型精确度更高，有更高的适用性，适合对猪肉价格预测。     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.     

Bogoliubov-de Gennes对角化与Schur分解方法的等价性

本文以Kitaev的一维量子线模型为例，分别利用传统的Bogoliubov de Gennes对角化方法和Schur分解方法求解该模型的本征能量以及本征波函数，从理论分析和数值计算两个方面对两种方法进行对比。结果表明，BdG对角化方法得到的准粒子能量是能量本征值的两倍，而Schur分解方法可以直接得到准粒子能量。数值计算表明，两者是完全一样的。另外，在确定的参数下，两种方法得到的准粒子算符对初始的费米子算符的展开系数只相差一个常数相因子。所以，最后的结论是BdG对角化跟Schur分解两种方法是等价的。     

中国劳动力市场收入户籍歧视的无条件分位数分解

使用无条件分位数分解方法对2007年中国劳动力市场的收入户籍歧视程度进行了考察.实证分析的结果显示:从整体上看,2007年户籍歧视可以解释农民工和城镇职工平均收入差距的近三分之一,且歧视效应随收入分位提高而增加;从分项贡献来看,各自变量对收入差异的影响随收入分位变动明显.根据实证分析得出的政策建议为:当政策目标为缩小高收入分位的群体收入差异时,消除户籍歧视的政策效果更好;而当政策目标为缩小低收入分位的群体收入差异时,缩小两群体禀赋差异的政策效果更好.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

共轭梯度最小二乘法和奇异值分解法识别移动荷载对比研究

【目的】移动荷载识别（MFI）技术是通过采集桥梁动态响应来识别桥上动态车载时程的。由于车桥系统矩阵是不适定的，MFI需要求解这一典型结构动力学第二类逆问题。【方法】本研究通过对比研究共轭梯度最小二乘（CGLS）法和奇异值分解（SVD）法识别移动荷载的效果特征，总结CGLS法和SVD法识别移动荷载的适用范围。CGLS法为典型的迭代线搜索法，SVD法为直接正则化法，通过MATLAB软件数值模拟对比CGLS法与SVD法识别移动荷载的效果差异。【结果】CGLS法除上下桥时的误差较大外，其他时段具有较好的参考价值，而SVD法在仅有单车轴在桥上时误差小。【结论】CGLS法识别多轴荷载更具优势，SVD法能有效识别单轴荷载。     

矩阵乘积关于广义逆的交换律与混合交换律

运用矩阵秩方法和奇异值分解分别对两个矩阵乘积关于{1,2,3}-逆与{1,3,4}-逆的交换律以及混合交换律进行了研究,得出了两个矩阵乘积关于{1,2,3}-逆与{1,3,4}-逆的交换律以及混合交换律成立的充分必要条件.     

Benthic foraminiferal δ~(13)C minimum events in the southeastern Okhotsk Sea over the last 180 ka

A total of six d13C minimum events,i.e.,VI,V,IV,III,II,and I,were observed via a stable carbon and oxygen isotope analysis of infaunal benthic foraminifera Uvigerina spp.in gravity core OS03-1 in the southeastern Okhotsk Sea over the last 180 ka.These events occurred at112–109,102–90,85–76,57–54,44–40,and 17–10 ka BP.The largest negative excursions reached 2.5%in event V and were greater than 1%in the other events.We proposed that all d13C minimum events were caused by the increase in sea surface water productivity,the weakened formation of Okhotsk Sea intermediate water,and the enhancement of the oxygen minimum zone.The negative excursions were unaffected by methane hydrate destabilization and subsequent methane release based on the results obtained by using archaeal lipid markers.     

高温时H13钢中初生碳氮化物的分解研究

利用光学显微镜、扫描电镜和电子探针研究了H13钢中初生碳氮化物高温分解时的形貌、尺寸、成分变化规律.原始初生碳氮化物主要为10~30μm的长条状(Vx,Mo1-x)(Cy,N1-y)及少量方形的(Tix,V1-x)(Cy,N1-y).在1200℃保温2.5 h后碳氮化物边缘变为凹凸不平的锯齿状,然后形成细小的分解颗粒,10 h后碳氮化物平均长度减小为12.9μm,主要为(Tix,V1-x)(Cy,N1-y).当经过1250℃ ×5 h保温后87%的碳氮化物发生分解,(Vx,Mo1-x)(Cy,N1-y)溶解消失,碳氮化物长度在20μm以下,当保温时间延长到10 h后碳氮化物长度均在10μm以下,70%为方形并且93%分解形成细小颗粒,未分解的碳氮化物为(Tix,V1-x)(Cy,N1-y).电子探针分析(Tix,V1-x)(Cy,N1-y)的分解与Fe元素扩散有关,高温时Fe在(Tix,V1-x)(Cy,N1-y)中含量逐渐增加而Ti、V减少,优先在边部曲率半径较小部位或缺陷处分解,形成0.1~1μm的细小分解颗粒,并由外向内以区域溶解方式使原始碳氮化物逐渐消失.双亚点阵模型分析两种碳氮化物的平衡溶解温度和组成有关,试样中大部分(Tix,V1-x)(Cy,N1-y)平衡溶解温度在1200~1246℃之间,与实验吻合较好.