考虑碳配额回购融资的再制造企业生产决策

以资金约束的再制造企业为研究对象，分析了碳配额回购融资下的再制造生产决策问题。分别建立了资金约束下有无碳配额回购融资的再制造生产决策模型，利用Kuhn-Tucker条件得到了不同情形下的最优解，并对两种情形下的最优解进行了比较；通过算例分析初始生产资金、消费者偏好和碳配额回购量对最优产量和利润的影响。研究表明：当初始生产资金较低时，再制造企业选择碳配额回购融资会提高新品产量和总产量；若消费者对再制造品的偏好较高，采取碳配额回购融资提高再制造企业的利润；随着碳配额回购量的提高，再制造企业的利润先提高后降低。另外，存在唯一的最优碳配额回购量使得利润最大。     

制造商融资决策:银行、商业信用或区块链供应链金融

基于收益共享契约构建银行信用融资、商业信用融资和区块链供应链金融的对比模型，探讨各模式下供应链的最优决策方案，定量分析各融资模式下供应链绩效随不同参数的变化情况.研究表明，当零售商资金成本低于制造商资金成本时，商业信用融资一定优于银行信用融资;存在两个区块链供应链金融平台费率的阈值，只有当平台费率低于低阈值点时，区块链供应链金融才是同时利于制造商和零售商的最优模式.此外，收益共享比率越高，制造商收益越高，则零售商收益越低.     

旅游数字足迹研究：热点与展望

在疫情蔓延、经济下行的背景下,开展旅游数字足迹研究,分析预测旅游消费行为,是推进旅游消费发展、推动国际国内经济"双循环"的重要基础工作.作为旅游信息化领域的新兴话题,旅游数字足迹是游客在通讯网络、互联网和物联网等泛在网络上留下的海量电子痕迹,真实反映了游客选择偏好和深层次的行为规律.国内外学者对这方面的研究已取得一定成果,但仍处于探索阶段.鉴于此,本研究辨析了旅游数字足迹的定义、类型和相关概念,阐明了旅游数字足迹的数据来源、特征和应用,分析了旅游数字足迹在游客人口特征、游客人格预测和游客行为分析领域的热点问题.最后,从理论体系构建、数据来源和预测方法精度等问题出发,对旅游数字足迹领域未来的研究方向进行了展望,为持续激发旅游消费潜力、推动旅游消费规模增长提供理论参考.     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

基于不平衡数据的公司破产预测研究

整合创新数据预处理技术与集成算法利用不平衡数据探讨了公司破产预测问题。首先，运用冗余信息处理方法、不同抽样方法等对不平衡数据进行预处理。其次，以5.0分类器（Classifier 5.0,C5.0）决策树和单隐层前馈神经网络作为基分类器，分别与三类重抽样数据预处理技术结合，择出最优抽样法。再次，结合自助汇聚法提升分类效果，并运用十折交叉验证的受试者操作特征曲线的下方面积进行评价，对比了两基分类器的集成模型。最后，运用加利福尼亚大学尔湾分校数据库中一万多家波兰制造业公司的实际数据进行实验验证。实验结果表明：欠抽样或人工少数类过采样法与神经网络结合的集成模型分类效果最优，为企业实施破产预测提供积极支撑。     

基于信息决策的最优保守度配电网恢复策略

考虑到自然灾害的极端不确定性，本文提出了一种基于信息决策的最优保守度配电网恢复策略。首先将信息缺口决策理论应用于拓扑不确定性，将配电线路发生自然灾害后的停电状态视为一个不确定参数。进一步提出了一个鲁棒性函数，用于确定配电线路中断的风险规避区域及其总受损长度。然后通过线性优化模型实现最优拓扑重构方法，以确保在遭受破坏性自然灾害后提供预定水平的负荷，并且提出了一种新的保守度选择算法来调整模型的输入。实验结果证明优化的分布式电源资源配置、拓扑重构和线路加固方案能显著提高配电网的可靠性和恢复力。     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

基于效率和经济价值的期货套期保值二次决策准则

基于不同风险测度得到的期货套期保值策略不同，利用套期保值效率可以对比分析不同风险测度下的套期保值效果。然而，当考虑套保成本时，套保效率大的套保策略不一定是“最优”的。为兼顾套保效率和套保成本，引入经济价值进一步对比不同套保策略的效用，提出期货套期保值二次决策准则。首先，构建方差、VaR和 CVaR等风险测度下的期货套期保值模型，给出最优套保头寸和套保效率的显式表达式，提出模型驱动下的最优套保策略决策准则；然后，考虑套保成本，基于经济价值提出不同套保策略的二次决策准则；最后，针对Brent原油期货套期保值进行实证分析，实证研究结果与理论研究相吻合。基于一次准则的最优套保策略的经济价值并不恒大于零，即当考虑套保成本时，基于套保效率最大的套保策略可能使投资者得不偿失，这也进一步体现了本文所构建的套保二次准则的有效性。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。