基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量，能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型，利用BP 神经网络对样本数据进行处理，再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段，利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证，并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

基于仿真的无人机空袭沙特油田事件探索性分析

以2019 年9 月也门空袭沙特油田事件为例，提出一种基于仿真的危机事件快速分析方法，将仿真与探索性分析相结合，对危机事件进行全面的分析与处理。根据沙特、也门关于事件细节的公开资料，基于仿真推演复盘此次空袭的作战情况，校验各方在事件声明中细节的合理性和真实性，同时可为我国防御“低、小、慢”无人机的发展和作战研究提供借鉴意义。     

基于判别矩阵的潜艇作战态势认知决策建模方法

潜艇作战具备复杂环境中的动态博弈对抗特点,作战人员的态势认知与决策行为对潜艇作战效能有着重要影响。针对潜艇交战级作战实验中的态势认知决策建模难题,在分析态势认知决策过程的基础上提炼表征变量集合,提出基于判别矩阵的潜艇作战态势认知决策建模方法,并以某型潜艇交战级对抗为例研究给定想定条件下的态势认知决策过程,验证了方法的可行性和有效性。建立的模型能够有效刻画作战人员认知决策过程,支持潜艇作战实验中的交战机理和制胜机理研究。     

基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。     

城市疫情传播和复工强度建模及相关性分析

以多源大数据为基础构建模型,分析全国34个典型城市因疫情导致的人口迁徙变化和人力缺口,并通过迁徙基数推算其他各城市的复工强度。仿真结果证明SEIR仓室模型能够较好地模拟此次疫情发展趋势,利用其估计各城市内部新型冠状病毒感染肺炎的基本再生数,结合人力缺口对复工强度进行回顾性的矩阵分析,以总结我国此次抗疫经验。相关性分析阶段对K-means无监督聚类后的城市集群进行回归分析,结果表明对于大部分城市而言,复工强度的大小与其人力缺口、基本再生数以及人均GDP水平有明显的相关关系。     

Predicting exchange rates in Asia: New insights on the accuracy of survey forecasts

By linking measures of forecast accuracy as well as testing procedures with regard to forecast rationality this paper investigates aggregated survey forecasts with forecast horizons of 3, 12, and 24 months for the exchange rates of the Chinese yuan, the Hong Kong dollar, the Japanese yen, and the Singapore dollar vis-à-vis the US dollar and, hence, for four different currency regimes. The rationality of the exchange rate predictions is initially assessed utilizing tests for unbiasedness and efficiency which indicate that the investigated forecasts are irrational in the sense that the predictions are biased. As one major contribution of this paper, it is subsequently shown that these results are not consistent with an alternative, less restrictive, measure of rationality. Investigating the order of integration of the time series as well as cointegrating relationships, this empirical evidence supports the conclusion that the majority of forecasts are in fact rational. Regarding forerunning properties of the predictions, the results are rather mediocre, with shorter term forecasts for the tightly managed USD/CNY FX regime being one exception. As one additional important and novel evaluation result, it can be concluded, that the currency regime matters for the quality of exchange rate forecasts.     

Incorporating textual and management factors into financial distress prediction: A comparative study of machine learning methods

Financial distress prediction (FDP) has been widely considered as a promising approach to reducing financial losses. While financial information comprises the traditional factors involved in FDP, nonfinancial factors have also been examined in recent studies. In light of this, the purpose of this study is to explore the integrated factors and multiple models that can improve the predictive performance of FDP models. This study proposes an FDP framework to reveal the financial distress features of listed Chinese companies, incorporating financial, management, and textual factors, and evaluating the prediction performance of multiple models in different time spans. To develop this framework, this study employs the wrapper-based feature selection method to extract valuable features, and then constructs multiple single classifiers, ensemble classifiers, and deep learning models in order to predict financial distress. The experiment results indicate that management and textual factors can supplement traditional financial factors in FDP, especially textual ones. This study also discovers that integrated factors collected 4 years prior to the predicted benchmark year enable a more accurate prediction, and the ensemble classifiers and deep learning models developed can achieve satisfactory FDP performance. This study makes a novel contribution as it expands the predictive factors of financial distress and provides new findings that can have important implications for providing early warning signals of financial risk.     

基于解释结构模型和MICMAC的城市交通拥堵问题分析

通过对城市交通拥堵现状的调查研究,从管理、设施和交通参与者3个方面归纳出造成城市交通拥堵的11个主要因素,建立了解释结构模型,分析了各因素间的层级关系,通过交叉影响矩阵相乘法(matriced impacts corises-multiplication appliance classment, MICMAC)分析对影响因素进行了分类,进一步分析了各因素对交通拥堵的影响,找到了造成城市交通拥堵的表层、中层和底层影响因素,为缓解城市交通拥堵问题提供了可供借鉴的依据.     

栎树猝死病在中国的入侵风险评估

【目的】栎树猝死病是一种为害林木和观赏植物的毁灭性病害,发病迅速,短期内即可造成寄主植物大量死亡,寄主范围非常广泛,主要为害阔叶树树种。对其在我国的适生区范围进行预测,并系统评估其入侵风险,有助于更好地制定针对性的防治及检疫措施。【方法】采用MaxEnt生态位模型,以栎树猝死病菌现有分布点的环境变量为基础运算预测模型,结合地理信息系统ArcGIS绘制其在中国的适生预测图;并以南京林业大学有害生物入侵预防与控制重点实验室建立的多指标综合评价体系为标准,从5个准则层下设18个指标层因子,对栎树猝死病菌在我国的入侵风险进行了定性和定量的分析。【结果】MaxEnt模型测试遗漏率与预测遗漏率基本吻合,ROC(receiver operating characteristic, ROC)曲线的AUC值(area under curver, AUC)为0.974,标准差为0.008,明显高于随机分布模型,说明该模型对栎树猝死病菌在我国的适生区预测结果可信度较高,可作为后续评估依据。栎树猝死病菌在中国的适生范围在101.9°~122.9° E,18.9°~38.0° N,主要位于我国秦岭淮河以南的南方地区,集中在长江中下游平原和武夷山脉、南岭以南的沿海地区,约占中国行政区划面积的19.6%。栎树猝死病菌在中国的入侵风险指标值R为2.64,属于极高风险的有害生物。【结论】模型预测结果的可信度较高,鉴于栎树猝死病菌在我国暂无分布记录,且在多指标评价体系中被归为极高风险等级,建议在进境检疫中对其可能寄主植物实施严格检疫及2年以上的隔离试种,防止其进入中国。     

隧道爆破力学模型相似材料配比的正交试验

以砂岩作为模拟对象,研究满足隧道爆破力学模型试验要求的相似材料配比问题.基于正交试验法,选取石英砂、重晶石粉、石膏、水泥和水为相似材料,设置以石英砂/固体、水泥/石膏、重晶石粉/(重晶石粉+石英砂)的质量比为3个因素,每个因素3个水平,共9组配比的正交试验方案.通过室内试验,得到相似材料的密度、单轴抗压强度、弹性模量和声波波速的实测数据.试验结果表明:相似材料的物理力学参数分布范围较广,可满足不同隧道模型试验对相似材料的配比要求.利用极差敏感分析法分析各因素对相似材料参数的敏感性,并通过各因素对相似材料参数影响的直观分析图,分析各因素对相似材料物理力学参数的影响规律.对试验数据进行多元线性回归分析和室内试验,发现最优配合比下的相似材料与原型砂岩的单轴应力-应变曲线具有相似的脆性破坏特征;相似材料物理力学参数的设计值和实测值误差较小.