基于Black-Scholes模型的期权定价新方法

考虑到实际金融市场的不完备性以及收益率分布的厚尾性,基于经典Black-Scholes模型并运用函数的下凸性,期权定价公式H（a）=E[（X-a）2]被推广为Hk（a）=E[（X-a）2k].通过DJSH（道琼斯上海）指数收益率的GARCH模型,并使用随机模拟的方法对这两个公式进行定价比较.结果表明这种方法有效提高了定价,从而降低了风险.     

高强混凝土的脆性与断裂面特征的关系

给出了基于荷载挠度全曲线的脆性指数B和基于断裂面的脆性指数R，对不同材料组成的混凝土试验测定了这两种脆性和强度，比较了这两种脆性的相关性，指出了混凝土材料的脆性实质上是断裂面上的脆性指数R的变化，通过掺入冶金集料改变断裂面的脆性指数R，使混凝土的脆性减小并提高了混凝土的强度。     

单细胞RNA测序数据插补方法综述

单细胞RNA测序（scRNA-seq）数据插补方法用于解决scRNA-seq数据观测中存在的大量“漏失”（dropout）噪音，改善下游分析，scRNA-seq数据插补方法设计是单细胞数据研究的热点方向之一.本文首先对20种主要的scRNA-seq数据插补方法进行介绍，包括基于模型的插补方法（6种）、基于平滑的插补方法（3种）、基于深度学习的插补方法（8种）和基于低秩矩阵的插补方法（3种），分析了各类方法的优势和缺点；其次，简要综述了插补方法比较研究的相关成果；然后，针对4种下游数据分析评估了以上方法（除scGNN外）的性能；最后，分析目前scRNAseq插补所面临的挑战，并指出新的研究方向.     

二极管p－n结杂质浓度分布模型改进

 简化的突变结或线性缓变结模型已能很好地近似二极管p－n结杂质浓度分布规律，但从精密的实验测量结果中发现传统模型存在局限性。基于随机选取常用产品的C－V实验数据，利用泊松方程并结合提出的改进模型，可以更准确地描述p－n结杂质浓度分布。虽然部分样品C－V关系可由指数1/2或1/3独立表示，但数据拟合分析显示采用指数n=1/2和n=1/3两模型分量共同描述更合理。模型改进可获得更准确的p－n结杂质浓度分布规律及物理参数。     

指数函数e^x的快速计算方法

基于双精度数在计算机中是按阶码和尾码分别存储的原理，提出了一种新的计算指数函数）y=e^x的方法，它能直接计算出），的指数部分（阶码）和有效数位（尾码），并直接存储到变量），中。通过与MatLab中的库函数exp相比较，表明这种新算法计算精度更可靠，速度更快。     

基于CATPCA的优化Transformer卫星电源消耗时序预测研究

提出一种由基于最优尺度量化的分类主成分分析数据处理模块和优化Transformer时序预测模块组成的卫星电源消耗预测方法.针对卫星工程数据的高冗余问题，建立了基于赫斯特指数分析（Hurst）、灰色关联分析以及分类主成分分析（CATPCA）的卫星高维数据处理模型，对百维度时序数据进行有效提取，重构输入数据.采用对抗学习网络架构，建立多学习Transformer的卫星电量预测模型，模型综合考虑影响卫星能源消耗的多种因素以及时序数据依赖，可以在较短的时间内完成高精度卫星电源消耗时序预测.实验部分采用卫星真实运行数据，综合考虑影响卫星能源消耗的多种因素，12 h预测拟合优度达到94%，比BP神经网络，长短期记忆网络（LSTM）精度更高.可以有效克服常规工程数据的冗余、缺失以及脏数据问题，解决了常规时序预测需要依赖长期数据的不足缺陷，有效完成卫星能源短时消耗高精度预测.这对卫星在轨任务规划、卫星在轨健康管理等后续任务提供可靠支持.     

分子电负性距边连接性标量指数（∧）在金属卤化物的结构表达和性质预测中的应用

基于化合物分子的拓扑图结构建立的分子电负性距连接性指数（a novel scalar index of molecular electronegativity distance-edge connectivity,Imedc,∧），在对有机物的定量构效关系（QSAR／QSPR）研究中，具有高度选择性、相关性、稳定性和良好的预测能力；本文尝试将其扩展到无机物：以分子电负性距边连接性指数（Imedc,∧)实现对金属卤代化合物的结构性质的表征及相关研究。运用多元线性回归（MLR）方法，以此分子电负性距边连接性指数建立20个碱金属卤代化合物的晶格能（U）和34个过渡族金属卤代化合物的标准生成焓（△fH^θ）结构性质相关模型，对于碱金属卤代化合物的晶格能相关模型的相关系数为RMX=0.9732(n=20），对于过渡族金属卤代化合物的标准生成焓RMX=0.8907(n=34),取得令人满意的结果。     

基于学习者能力的注意力机制知识追踪方法

基于学习者能力,针对基于循环神经网络（RNN）和长短期记忆（LSTM）网络的深度知识追踪（DKT）算法对早期知识点关注的不足,提出一种加入注意力机制的DKT算法,并用时隙聚类的方法对不同能力学习者动态分组并赋予不同的注意力权值,以建立更平衡、更客观的知识记忆程度权重分布模型.常用公开数据集上的实验结果表明：该模型优于2种基准模型和2种消融实验模型,说明所提出的模型能更好地表现学习者的知识状态.     

基于数值与文本特征的LSTM股票价格预测研究

行为金融学理论指出，由社交媒体文本数据所折射出的投资者情绪在一定程度上影响着股票市场的波动。为了利用投资者情绪对股票市场作出更准确的预测，本文爬取2020年8月31日至2021年9月1日的沪深300指数股吧评论文本数据，使用基于融合基础情感词典和金融词典的分析方法将评论文本数据量化为投资者情绪指标，并利用长短期记忆（Long short-term memory,LSTM）神经网络构建了融合股票历史交易数据和基于股吧评论的投资者情绪指标的多特征预测模型。实验结果表明，基于数值和文本特征的LSTM股票价格预测模型的平均绝对误差（Mean absolute error,MAE）、均方根误差（Root mean squared error,RMSE）和均方误差（Mean square error,MSE）值较LSTM数值特征预测模型降低了18.84、15.79、1486.54。较GRU(Gated recurrent unit)数值文本特征模型，其MAE、RMSE、MSE值则降低了11.42、10.49、931.75。实验结果表明本文提出的方法可以有效预测股票价格指数。     

基于近红外高光谱成像快速预测牛肉中猪肉掺入量

基于900~1 700 nm波段范围内的近红外高光谱成像技术结合线性算法快速预测牛肉 中猪肉掺入量。使用BC、SGS和SNV3种方法预处理光谱信息，结果显示原始光谱信息更适合于构 建PLSR模型，预测牛肉掺假效果良好（R2 P = 0.95，RMSEP = 6.82%，RPD = 4.89）。经Stepwise算法 从全波段486个波长中筛选出8个最优波长（918、926、935、1 053、1 055、1 086、1 088、1 382 nm）简 化全波段预测模型，结果显示，基于这 8 个最优波长构建的 MLR 模型预测效果良好（R2 P = 0.96， RMSEP = 5.70%，RPD = 5.56），可代替全波段光谱信息实现牛肉掺假的快速预测。     

增强的张量鲁棒主成分分析模型及其应用

鲁棒主成分分析（RPCA）是处理图像恢复和背景建模问题的常用模型。针对原始RPCA及其改进模型对输入数据低秩结构的依赖性过强问题，提出一个增强的张量鲁棒主成分分析模型（E-TRPCA）并构造了一个新的增强张量核范数（E-TNN）正则项。E-TNN基于张量数据的低维子空间投影约束其低秩性，可以更真实地反映张量数据的潜在结构，增强模型的泛化性。利用交替方向乘子算法（ADMM）对目标函数进行优化求解，在图像去噪和背景建模上的实验结果表明所提方法在图像恢复效果和运行时间方面要优于当前的其他方法。     

批量甜玉米低场核磁共振数据的统计分析

以烫漂甜玉米的低场核磁共振数据为例,采用统计分析系统（SAS）得到烫漂温度对甜玉米中水分分布的影响规律,利用SAS批量读入数据并对数据进行多指数模型拟合、主成分分析和偏最小二乘法模型预测,提供了相应的SAS代码.结果表明,当弛豫时间为450~750和50~70 ms时,相应水组分的弛豫强度分数随处理温度的变化而呈现出一定的变化规律;烫漂温度可初步划分为3个温度段,即20~40、50~70和80~100 °C;束缚水含量模型具有较高的预测准确性（决定系数R2=0.974,标准差RMSECV=0.32%）;SAS方法在批量数据处理过程中具有较高分析和处理数据的能力.     

指数几何混合模型参数的嵌套EM算法

本文介绍了由指数分布和一个截尾分布混合得到的指数几何混合分布模型,简记为EG模型。它的概率密度函数为f（x;β,p）=β（1-p）e-2βx（2-pe-βx）（1-pe-βx）-2,通过直接积分得到该分布的矩为E（xr;β,p）=p-1（1-p）r!β-r[p-1L（p,r）-1]。首先说明了用EM算法在M步中不能求得参数β和p的极大似然估计的显式解,需要用数值解法,然后通过嵌套一个EM算法在另一个EM算法中,外层EM算法是基于混合模型的缺失数据讨论,内层EM算法是针对截尾观测数据的,得到了参数的极大似然估计量。     

基于贝叶斯Cox分段指数模型的烧伤感染时间分析

研究在右删失数据下,基于贝叶斯分段指数模型的Cox回归.在删失数据下建立Cox比例风险模型,估计出协变量对感兴趣事件的影响程度.对于Cox模型中基准风险函数,这里采用分段指数方法.对基准风险函数所在区间分段,在每一段上用指数估计基准风险函数,又运用了贝叶斯的方法,对基准风险函数中的参数进行贝叶斯估计,得到更合理的估计结果.最后将该方法应用于烧伤病人的实际数据中,所得结果对烧伤后的治疗具重大实际意义.     

一类产品需求预测的支持向量机方法

 需求预测是企业生产运营决策的基础,预测精度影响着产品的安全库存量,关系到企业利润和市场竞争力.建立了一类产品（包含多个品牌）基于支持向量机(support vector machine, SVM)的需求预测模型.在该预测模型中考虑了诸如季节性和促销等不确定性因子对产品最终需求的影响.模型的训练数据和测评数据采用的是由该类产品需求函数生成的数据.测试阶段的评价则是通过与其他统计模型（回归预测方法(REG）、双因素指数平滑法(DES)、Winter模型预测方法(WIN)）和径向基神经网络模型(radial basis function neural network, RBFNN)的对比来实现的.实验结果表明,基于SVM的需求预测模型预测精度明显优于其他模型,有效地降低了产品安全库存量,提高了企业利润,为解决这类产品需求预测问题提供了一个有力的工具.     

基于主成分分析的交叉环境DEA模型的应用

定义一般环境交叉互评指数,并针对现有交叉数据包络分析（DEA）模型计算指数时未能体现整体数据信息的缺点,结合主成分分析（principal component analysis,PCA）提出一种改进型交叉互评指数方法,使得每一个决策单元的评价向量依据其对评价矩阵中变异量的贡献度而赋予不同的权重;并筛除一些影响较小的信息,从而达到降维的目的,改善了交叉环境模型的评估效率。最后基于真实的能源投入与产出数据,对比传统交叉评价方法及改进型方法在计算能源效率结果上的异同。     

基于差分自回归移动平均模型、长短期记忆网络模型及相关模型的无人机俯仰角预测

为了提高无人机俯仰角故障数据处理和预测的精确性和可靠性,避免增加无人机试飞成本,利用长短期记忆网络（Long Short Term Memory,LSTM）、注意力机制+LSTM模型和差分自回归移动平均模型（Autoregressive Integrated Moving Average Model,ARIMA）模型预测无人机试飞俯仰角故障数据。结果表明,ARIMA预测结果：MAE（Mean Absolute Error）=0.35,RMSE（Root Mean Square Error）=0.73,MAPE(Mean Absolute Percentage Error)=23.80%;LSTM模型预测结果：MAE=0.49,RMSE=0.74,MAPE=45.20%;注意力机制+LSTM模型预测结果：MAE=0.17,RMSE=0.53,MAPE=18.93%。可见注意力机制+LSTM模型比其余两种模型更适合于试飞俯仰角的数据预测,以上三种方法对无人机故障数据预测都具有实际意义,有效的预测可以推进自动飞行器和移动机器人的异常检测或外国直接投资研究的最新进展,以进一步提高自动和远程飞行操作的安全性。     

HLA-A2限制性CTL表位肽定量构效关系研究

基于SCORE打分函数，运用定量构效关系的理论和方法研究了HLA—A2限制性CTL表位九肽结构与亲和性间的定量关系，并建立了SCORE得分与亲和性的定量关系模型，并用外部样本（5个HLA—A2限制性CTL表位九肽）作为预测集用于检验模型的预测能力．基于SCORE打分函数建立的定量模型具有较好的相关性（r=0，9165，RMS=0．38）和对外部样本的预测能力（rpred=0．9847，RMS=0．135）．基于SCORE打分函数，运用定量构效关系研究的理论和方法建立了HLA—A2限制性CTL表位亲和性的定量预测方法，为实验鉴定高亲和性HLA—A2限制性CTL表位提供了理论依据．     

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。     

二极管非超突变结C-V幂律分析

 基于杂质浓度分布的突变结或线性缓变结模型,二极管p-n结（电）容—（电）压关系可简单地由C-V幂律描述。精密的实验测量数据显示,采用指数n=1/2或n=1/3不足以全面描述非超突变结C-V关系。通过引入杂质浓度幂函数分布规律并利用泊松方程,从而获得二极管p-n结C-V幂律通式,而指数n=1/2或n=1/3仅是新模型的特例。运用合理的数据处理技术,由一系列实验结果说明该幂律分析方法更具普适性。