图书馆借阅量预测的灰色系统模型

采集了1997年至2006年间九个学年度的借阅量,运用灰色系统模型的基本理论和后验差检验准则,预测2006年至2009年三个学年度的借阅量,从贯彻“以人为本”的育人理念,提高参考咨询服务水平的角度,探讨预测结果对新馆管理的启示。     

高校图书馆采购量预测研究

以H语言类图书的借阅量和藏书量为例,通过借阅量和借阅率之间的数量关系,介绍如何确定一类图书下一学年度采购量及采购量置信区间的步骤和方法。按照线性回归理论的检验要求,从全部37大类图书借阅量、藏书量、借阅率数据中,选择出符合检验要求的29类,预测29类图书在未来的2009-2010学年度采购量置信区间和全部37类图书采购量,为高校图书馆采访决策提供参考。     

平均复本量预测模型研究

在确定采购复本量过程中，重点突出读者借阅行为的影响作用，根据借阅率与平均复本量之间相关关系，运用线性回归分析方法，预测未来2008-2009学年度20个大类图书平均复本量。目的是为了给采购复本量的确定提供参考。选取高校图书馆中具有代表性的H语言类图书为例，介绍平均复本量预测过程。     

基于数据挖掘感知读者借阅规律的智慧型图书馆建设

以大连民族大学所有本科生读者两年借阅流通数据为研究对象,利用数据挖掘与统计分析的方法,通过天、周、年三个时间尺度深入分析了读者借阅行为的时间特性与周期特性,进而感知读者需求与目前服务的不匹配之处,最后对应优化各种业务流程使图书馆更加智慧地为读者提供服务。研究表明,通过大数据分析方式来感知读者借阅行为规律,对于提高图书馆服务水平、建设智慧型图书馆具有非常重要的意义。     

高校图书馆馆藏图书利用实证分析——以韶关学院图书馆为例

通过对韶关学院图书馆2006-2011各学年度图书利用情况及2010年大学生借阅数据的统计分析,证明高校图书馆需要合理布置馆藏,不断创新服务方式,才能更好地服务读者,发挥馆藏图书的最大功用.     

基于灰色系统模型的用户借阅行为分析实证

探索以用户需求为驱动的高校图书馆馆藏建设模式,提高读者服务的个性化和精准化需求.以某高校纸质图书借阅量为实证对象,分析了其变化趋势及读者借阅的倾向偏好,并选取经典GM(1,1)和改进的TDGM(1,1)对未来借阅量进行了预测分析.结果表明,该校纸质图书借阅量的月度数据变化趋势基本一致并且具有明显的季节周期性;年度借阅量...     

省属本科院校图书借阅情况分析与对策研究——以河西学院为例

随着信息技术的迅速发展,高校图书馆纸质图书借阅量逐渐下降,为了给图书馆新书目科学采编和馆藏结构调整提供参考,更好地服务于读者。文章以河西学院图书馆2015—2022年纸质借阅数据为例,利用SPSS、OriginPro软件,从月、年借阅册数、学科类目3方面统计分析读者借阅情况和阅读喜好,结果表明：2015—2022年图书借阅量逐年下降,8年下降了91.69%;借阅册数随月份的增加先增加后波动减小,3月借阅量最高,占全年总借阅册数的15.98%～34.42%;在图书类别上,文学类书籍的借阅量较高,航空航天类、交通运输类、军事类和自然科学总论类书籍相对较低。根据统计结果分析了目前省属本科院校图书借阅中存在的问题,提出了解决这些问题的对策建议,为图书馆全面服务于学校高质量发展创造条件。     

高校图书馆借阅统计实证分析及其对策——以江苏大学图书馆为例

对2009年和2010年江苏大学图书馆馆藏图书借阅流通的有关数据进行了统计分析,研究了两个年度馆藏图书的总流通量、各学科图书的流通量、读者的主要阅读倾向和借阅需求以及各类读者的借阅情况,提出了提高图书利用率的对策。     

基于数据统计的工科院校阅读现状及改善——以浙江科技学院图书馆为例

通过对浙江科技学院图书馆2011-2013年馆藏中文图书借阅流通相关数据的统计,分析了近3年来馆藏中文图书的总借阅量和借阅率、各学科图书的借阅量和借阅率的变化趋势及读者的阅读倾向和阅读特点,研究了工科院校读者阅读需求的变化规律,阐述了影响图书借阅流通量的主要因素,有针对性地提出了调整馆藏结构、完善借阅制度、创新管理摸式和提升服务水平等改善读者服务工作的对策和建议.     

基于流通统计的高校图书馆文学类中文图书阅读倾向研究——以上海海洋大学为例

以上海海洋大学中文图书(特别是中文文学类图书)为研究对象,通过对图书借阅量的统计分析,研究了读者的阅读倾向。研究结果显示:近年来读者借阅文学类中文图书的数量有所下降,借阅量居前十位的图书绝大多数是文学类中文图书,而这些图书中,绝大多数作者是新生代作者。     

基于企业商业年龄的信贷风险分析

信贷风险其研究对象涉及企业、个人等组成的社会群体,影响因素具有定性、定量相结合的特征·基于企业商业年龄,研究信贷风险状态的Logistic回归模型和寿命分布的概率模型,并给出信贷风险控制的案例计算·结果表明,贷款总额一定时,贷款额度分配受到贷款风险损失的限制,银行不能满足全部企业的贷款需求,而从银行收益角度,倾向于选择高贷款利率的企业·     

我国商业银行亲周期性的实证研究

利用多元GARCH模型,研究了我国商业银行的亲周期性问题,分析了我国经济周期和信贷周期之间的相互关系.结果表明,我国商业银行的信贷行为具有十分明显的亲周期性特征,两者的当期波动状况不但受其自身前期波动的影响,还受各自前期波动的交叉影响.     

融合Logistic回归与Tabnet模型的P2P网贷违约预测方法

结合P2P网贷平台的特点,融合Logistic回归和Tabnet模型,提出一种P2P网贷违约预测方法。采集人人贷平台借贷数据,并对数据进行清洗与加工预处理;通过信息价值法和相关性分析,对众多解释变量进行筛选,以借款状态作为因变量,采用Tabnet神经网络进行训练,根据训练得到的特征重要性选择关键的解释变量;将Tabnet神经网络预测结果作为新的训练数据集,构建Logistic回归模型;将人人贷数据集输入Logistic回归学习与训练,以训练好的Logistic回归用于网贷违约预测。实验结果表明,Tabnet模型的网贷违约平均预测准确率和精确率分别为9958%、9547%,Logistic回归的平均准确率和精确率分别为9872%、9221%,而融合模型的平均准确率和精确率分别为9960%、9672%;在3个测试集上的准确率标准差分别为0001 4、0000 6、0000 5,精确率标准差分别为0034 4、0013 3、0013 2。表明融合Logistic回归与Tabnet的网贷违约预测方法具有Logistic回归模型的可解释性与稳定性,可提高单一模型的预测精确度。     

国家助学贷款风险防范探析

根据广东省2007年3月开始实施的国家助学贷款管理办法,贷款学生的审批权下放到高校的同时．明确了学校的贷后管理职责及加大违约风险承担责任。在这种情况下,为加强校级贷款管理、将助学贷款风险防范控制在初期。笔者结合所在学校近几年的工作实践,提出从以下三个方面来入手：严格按量化标准认真做好贷前的贷款生认定及贷款审批工作：做好贷款学生的诚信教育、金融知识的宣传教育工作;完善贷款后期的管理工作。     

厦门市金融发展与经济增长关系的实证分析

选取厦门市金融机构存、贷款余额与当年GDP的比率来衡量厦门市的金融发展水平,采用1990～2005年的相关数据进行回归分析以及格兰杰-西姆斯因果检验。实证分析结论为：厦门市金融发展与经济增长呈现强相关关系、厦门市金融机构存款和贷款余额对经济发展的推动作用存在滞后问题。最后,从制定厦门市中长期金融发展规划、高级金融人才的培养引进、扩大直接融资比例、创建良好金融生态环境、积极探索对台金融合作等五个方面提出加快厦门市金融发展的建议。     

崇明东滩鸟类国家级自然保护区环志鸟类种群特征年际变化

【目的】为了解亚太地区途经上海崇明东滩湿地的迁徙鸟类群落变化、种间关系及迁徙机制,对崇明东滩鸟类国家级自然保护区环志鸟类群落的年际变化及迁徙物种种群数量种间变化的相关性进行研究。【方法】依照《鸟类环志技术规程》记录2005—2014年东滩湿地环志鸟类种类和数量,计算各年度内鸟类日均环志数量、物种比例、群落物种多样性指数及均匀度指数。【结果】10 a间共环志鸟类3目(鸻形目、鹳形目和鸥形目)8科51种。年环志种类在32～45种间波动,环志鸟类生物多样性指数为2.38～2.79,均匀度指数为0.68～0.76。日均环志数量呈下降趋势,从2006年日均环志59.07只下降到2014年日均环志17.13只。10年间年均环志量均超过环志总数1%的常见种有大滨鹬(Calidris tenuirostris)、黑腹滨鹬(C.alpine)、红颈滨鹬(C.ruficollis)等10种鸻鹬类; 对其进行两两种间种群数量随时间变化的相关性分析表明, 有14对呈显著正相关, 其中5对呈极显著正相关。【结论】环志鸟类迁徙路线上栖息湿地破坏与减少是导致环志鸟类种类和数量变化的主要潜在因素。     

个人住房抵押组合贷款模型分析

由于个人住房抵押组合贷款对购买住房的同一借款申请人、使用同一抵押物、采用同一贷款期限、执行不同贷款利率，所以与单纯的政策性个人住房抵押委托贷款或商业性个人住房抵押贷款不同。为此，试图建立一个考虑居民收入增长的个人住房抵押组合贷款理论模型，通过该理论模型可以确定合理的贷款期限以及各年的还本付息额。结合本模型提出了改进现行的抵押贷款还款所采取的等额偿还法，采取随着居民收入的提高逐渐增加每期还款额，从而减少总的还款期限的建议。最后提出引入合同储蓄贷款的组合贷款理论模型，运用该理论模型可以测算引入合同储蓄贷款的组合贷款期限以及各年的还本付息额。