云南私营企业现状及其问题研究

改革开放以来,中国的私营经济经历了从无到有以至逐渐壮大的发展过程。通过对相关数据的整理、分析,将私营企业在云南国民经济中的地位和贡献予以量化,不难发现,私营企业在国民经济中占有重要甚至支柱性质的地位,两者的发展相辅相成。     

大水电CDM项目开发应对极端环保组织责难的策略研究

我国水电项目CDM开发潜力巨大,但大水电项目CDM开发难度较大,可能遭遇极端环保组织的责难. 结合筱溪水电项目在CDM开发过程中应对国际河流组织的责难经验, 分析大水电项目CDM开发中应对各种责难的策略, 为我国大水电CDM项目的开发提供必要的技术指导和借鉴.     

利用哈勃参量观测数据限制ACDM宇宙学模型：MCMC方法

利用最新的哈勃参量观测数据(OHD)对标准宇宙学模型在空间曲率k=0和k≠0两种情况下,分别使用MCMC(Markov Chain Monte Carlo)方法对其模型参量进行了限制.对于平坦宇宙而言,得到如下结果:Ωm=0.248 85+0.03 81-0.04 52(1σ)+0.07 30-0.09 21(2σ),H0=72.731 4+2.01 19-1.80 72(1σ)+3.845 7-3.723 6(2σ);对于非平坦ΛCDM模型,Ωk=-0.332 66+0.391 1-0.358 7(1σ)+0.764 7-0.667 9(2σ),Ωm=0.375 88+0.147 8-0.150 3(1σ)+0.278 5-0.296 8(2σ),H0=73.876 3+2.373 9-2.345 5(1σ)+4.683 3-4.716 1(2σ).该结果与绝大多数多元数据联合限制的结果相一致并强烈支持暗能量宇宙的存在.     

时间序列分析技术在GDP增长预测中的应用

综合运用了判别时间序列平稳性的方法，建立了1952-2004年中国GDP的时间序列模型。为了消除虚假回归，利用单位根方法检验了时间序列的单整阶数；在判别差分序列的平稳性之后，利用AIC和SC准则判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q))；然后用OLS法对时间序列模型的回归参数进行了估计，对估计模型进行了白噪声检验，并对通过检验的回归结果进行了分析。     

培育农业CDM项目的意义及现实可行性——以环鄱阳湖区为例

农业领域清洁发展机制(CDM)项目对于现阶段我国区域经济具有三大意义:(1)巩固和完善当地生态以维护可持续发展;(2)进入国际碳交易市场获取可观资金和(或)先进环保技术;(3)打造国际公认一流的生态环境标志.本研究以环鄱阳湖区为实例,将当地人口密度、经济结构、能源构成、劳动力转移和新农村建设等因素与CDM立项要求作关联分析,则见目前最具可行性及规模效应的农业CDM潜力项目乃是农村沼气工程.     

涪陵区产业结构状况及其优化方向

对涪陵区1998-2016年三次产业生产总值和就业人数的变化趋势进行了分析,发现第二产业生产总值的增长幅度大于第一、三产业,第三产业的就业重要性高于第二产业,第二产业的就业重要性高于第一产业.为了促进涪陵区的产业结构向更高水平优化,建议助推新型农业现代化、建立现代化工业体系、发展现代服务业和实现产业结构协调发展.     

r雪灾对湖北省GDP增速的影响

利用ARIMA模型,计算得出2008年湖北省第1季度GDP实际累计值比预测值要低一些,GDP累计增速有所减缓,认为这主要是2008年年初的雪灾所造成的,这场雪灾给很多行业造成了负面影响,对GDP增速有拉低作用．     

我国原油进口量与国际原油价格及GDP的实证关系研究

近年来,我国原油进口量稳步提升,原油进口已经成为我国经济可持续发展的重要影响因素。本文对我国原油进口量与国际原油价格、我国GDP以及三大产业之间的关系进行了深入分析。结果表明,我国原油进口量与我国GDP及三大产业之间存在长期协整关系,而国际原油价格对我国原油进口量影响甚微。通过建立原油进口量以及三大产业之间的VAR模型发现,我国原油进口量对三大产业的影响程度依次为第三产业、第一产业、第二产业。最后根据研究结果,对我国原油战略提出了建议。     

开宇宙的xCDM模型

用XCDM模型探讨开宇宙的情形.结果表明,当考虑宇宙加速膨胀的事实后,该模型下的冷暗物质(CDM)场将具有从负能正压状态向正能负压状态演化这一怪异的特点.     

基于改进遗传BP算法的产业产值中单位GDP碳排放量的预测研究

针对产业产值中单位GDP碳排放量的预测问题,系统分析了产业产值与能源消耗碳排放量的关系,在传统遗传算法的基础上,根据动态神经网络模型优化算法过程,克服了传统遗传算法的无动态性,提出了改进遗传BP算法.根据2005—2014年北京等10个省市第三产业的单位GDP碳排放量相关数据资料,利用改进遗传BP算法预测各省市在2015年的单位GDP碳排放量,其预测值与真实值的平均误差值为-0.03,其平均相对误差仅为1.06%,说明该算法在数值预测方面的有效性.