一种基于区间值 Pythagorean 三角模糊语言集的多准则决策方法

为提升不确定环境下信息描述的准确性, 提出了区间值勾股三角模糊语言集(interval-valued pythagorean triangular fuzzy linguistic set, IVPTrFLS), 并研究了区间值勾股三角模糊语言变量(IVPTrFL variable, IVPTrFLV)相关的基本理论. 同时, 针对区间值勾股三角模糊语言环境的多准则决策问题, 提出了一种改进的基于区间的组合评价(combinative distance-based assessment, CODAS)方法, 即 IVPTrFL-CODAS 法. 首先, 定义了 IVPTrFLV 的概念、运算法则、Score 函数、Accuracy 函数及距离公式, 提出了区间值勾股三角模糊语言优先加权(IVPTrFL prioritized weighted arithmetic averaging, IVPTrFLPWAA)算子, 并对计算规则及算子性质给予证明; 然后, 通过求解属性权重的相对重要性系数, 建立了基于 IVPTrFLV 的改进 CODAS 方法; 最后, 通过实例对所提出方法的有效性及稳定性进行了验证.     

贫困村农户电商扶贫参与意愿及其影响因素研究——以资源枯竭型城市阜新为例

基于阜新市贫困村407份调查数据,识别了农户参与电商扶贫的意愿,并运用多元有序Logit模型实证分析了农户参与意愿的影响因素。研究表明,农户对电商扶贫的参与意愿较高;受教育程度、网络使用经验、主要经济来源、农村电商认知、电商扶贫收入效应认知、亲戚朋友电商扶贫参与意愿、政府电商扶贫相关工作、电商服务站相关工作、电商扶贫服务体系、特色农产品规模对农户电商扶贫参与意愿有显著正向影响,家庭年均纯收入、生活满意度认知因素对农户电商扶贫参与意愿有显著负向影响。     

Forecasting the duration of short‐term deflation episodes

The paper proposes a simulation‐based approach to multistep probabilistic forecasting, applied for predicting the probability and duration of negative inflation. The essence of this approach is in counting runs simulated from a multivariate distribution representing the probabilistic forecasts, which enters the negative inflation regime. The marginal distributions of forecasts are estimated using the series of past forecast errors, and the joint distribution is obtained by a multivariate copula approach. This technique is applied for estimating the probability of negative inflation in China and its expected duration, with the marginal distributions computed by fitting weighted skew‐normal and two‐piece normal distributions to autoregressive moving average ex post forecast errors and using the multivariate Student t copula.     

电路原理全英文混合式教学模式研究与实施——以大连民族大学为例

教学模式改革是高等教育的一个永恒课题。结合电路原理全英文教学的特点,以学生为中心,全面实施混合式教学模式,引入“雨课堂”等新型教学工具,改革课程评价方式,强化学习过程考核,学生的学习效果得到较大程度提升。     

关于数学物理方程课程教学的研究

针对目前数学物理方程教学中存在的一些问题,结合课程的教学目的与基本特点,提出注重基础知识回顾,精选教学内容,改进教学方法及考核方式等教学改革措施.以激发学生的学习积极性,提高教学质量.     

突发事件快速评估模型

突发事件发生初期,进行突发事件的快速综合评估,有利于及时、准确地把握事件的态势,以满足应急决策的时效性要求.为解决突发事件数据量较大,数据更新较快时,过于复杂的运算过程和计算软件缺乏以及已有软件兼容性低而难以满足应急决策的时效性要求的问题,本文简化了Simos过程和PROMETHEEⅡ方法,构建了突发事件快速评估模型,即SSPPM(Simple Simos'Procedure and PROMETHEEⅡModel).为了验证新模型的有效性,本文选取了两个数据进行实验.实验结果表明,在对评估速度的要求大于对精度的要求的突发事件控制阶段,新模型能快速综合多位应急决策者的意见,快速获取权重,简化评估过程,提高突发事件综合评估效率.     

基于CVaR的能源互补联合系统优化配置模型研究

由于风电、光电出力具有不确定性,因此会引起电网频率的较大波动,严重影响电能质量.为了保证含有新能源电力系统的稳定运行,特提出风光水储联合调度优化模型.首先,建立含新能源的电力系统优化调度数学模型,该模型追求系统机组耗量最小.在进行含新能源发电的电力系统优化调度中,可被用来调度的出力实际为满足负荷功率后,扣除新能源输出功率的那部分火电机组出力.算例结果表明,本文采取CVaR具有良好的性能;风电与光伏清洁能源机组并入系统中增加了日前调度的不确定性风险,但通过CVaR评估计算系统风险,采取有效的措施会使系统发电成本减少与碳排放量减少.     

基于多变量高斯过程模型的贝叶斯建模与稳健参数设计

针对模型预测偏差和波动的稳健参数设计问题,在多变量高斯过程(multivariate Gaussian process,MGP)建模的框架下,结合质量损失函数和非线性优化约束方法构建一个新的多响应优化模型.首先,利用成对估计方法获得超参数近似值,构建多变量高斯模型;其次,结合MGP模型特征,构造充分考虑响应波动因素的质量损失函数.利用蒙特卡罗模拟方法,获得响应落入指定区间的期望概率;然后,以期望概率为约束,结合本文所提质量损失函数建立优化模型;最后,利用全局优化算法进行寻优,获得考虑响应期望概率的优化结果.实际案例和软件仿真表明,该方法综合权衡了预测偏差和预测波动引起的不确定性对优化结果的影响.获得了兼顾质量损失和期望概率最优均衡解,从而实现稳健参数设计.     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

Combining multivariate volatility forecasts using weighted losses

The ability to improve out-of-sample forecasting performance by combining forecasts is well established in the literature. This paper advances this literature in the area of multivariate volatility forecasts by developing two combination weighting schemes that exploit volatility persistence to emphasise certain losses within the combination estimation period. A comprehensive empirical analysis of the out-of-sample forecast performance across varying dimensions, loss functions, sub-samples and forecast horizons show that new approaches significantly outperform their counterparts in terms of statistical accuracy. Within the financial applications considered, significant benefits from combination forecasts relative to the individual candidate models are observed. Although the more sophisticated combination approaches consistently rank higher relative to the equally weighted approach, their performance is statistically indistinguishable given the relatively low power of these loss functions. Finally, within the applications, further analysis highlights how combination forecasts dramatically reduce the variability in the parameter of interest, namely the portfolio weight or beta.