基于ISC3模型的南宁市SO_2污染控制策略

为了定量分析能源政策和城市用地布局对大气环境质量的影响,给城市总体规划提供决策支持,以南宁市为例,应用ISC 3模型和情景分析相结合的方法对SO2控制策略进行模拟研究。结果表明,若不采取任何控制措施,到2010年,研究区域的SO2年日平均浓度将达58μg/m3,超标率(浓度年均值超过国家二级标准的区域面积占总面积的比例)为38.94%;单一的控制措施可以减轻污染水平,但不能完全满足国家二级标准要求;若采取综合控制策略,平均浓度达到34μg/m3,所有网格均满足国家二级标准要求。上述探讨,为制定南宁市大气污染控制对策及调整空间用地布局提供了有效的支持。     

一种交互式脚本语言及其应用

为设计普遍用户所能使用和理解的社会代理，在介入一种描述代理和终端用户间交互的脚本语言Q的基础上，研究了它在语义Web中基于代理的信息搜索和面向电子商务的代理协商领域的应用．实验结果验证了Q语言在设计代理系统时的简单性、代理的可控制性，以及用户和代理系统间良好的交互性．     

利用GCM Transient Run生成我国冬小麦主产区的气候渐变情景

本文利用ＧＩＳＳＧＣＭＴｒａｎｓｉｅｎｔＲｕｎ模型生成了我国冬小麦主产区在公元２０１０年、２０３０年、２０５０年及达到ＣＯ２倍增的２０６２年的四种气候渐变情景,并模拟了我国在未来气候变化过程中气温及降水变幅的分布状况．初步分析了我国冬小麦生产可能受到的影响．     

神经网络在精密长丝杠磨削控制中的应用

提出了一种基于信息模型的“磨削过程卡”控制策略,介绍了它在精密长丝杠磨削过程控制方面的应用原理,介绍了误差测量系统的原理与实现,并就利用神经网络对传感器信息进行融合,以实现对丝杠磨削过程的预报控制的方法进行了研究与探讨．     

基于SAAM方法的CASL编译程序软件体系结构分析

介绍了一种基于场景的,面向对象的软件体系结构分析方法(SAAM),并根据SAAM方法提供的评价软件体系结构的可行的步骤对CASL编译程序所选用的管道过滤器风格的体系结构进行了一些分析,最终对CASL编译程序采用的这种体系结构作出了整体的评价.     

基于知识场景的知识流建模

业务流伴随着知识流,知识的流动促进了业务流程的改善和知识的增值.在分析了知识要素的基础上,给出了知识场景的概念以及一种知识流建模方法.该方法利用知识场景的动态变化描述知识的流动,为知识的有效管理提供技术手段.最后用一个例子说明该方法的有效性.     

基于情景分析的旅游产品定价博弈模型研究

旅游供应链是为游客提供有形的产品和无形的服务等所有需求的旅游产品供应体系。旅游产品具有易逝性、差异性和无形性等特点,同时其生产与消费具有不可分割性。针对旅游供应商主导的单个供应商和多个旅游代理商组成的旅游供应链系统,建立了多从属者二层规划模型描述传统零售渠道和网络渠道之间相互竞争的旅游产品定价问题。数值结果表明从属层多个旅游代理商的竞争使得占主导地位的旅游供应商的均衡效益不仅大于单个旅游代理商的均衡效益,而且大于旅游代理商均衡效益的和,而从属层的旅游代理商则会因为潜在市场份额更大得到更多均衡效益。最后采用情景分析的方法对模型中的参数进行了灵敏度分析,结果表明产品替代系数与旅游供应商和所有旅游代理商的均衡价格及均衡效益都是正相关;当旅行社和旅游代理商的潜在市场份额变化时,实际销售量更多的旅游代理商会获得更大的均衡效益,而与其制定的产品均衡价格高低无关;旅游代理商的价格弹性与其自身均衡价格负相关。     

基于MaxEnt模型预测气候变化下厚叶木莲在中国的潜在地理分布

厚叶木莲（Manglietia pachyphylla）是中国特有的极小种群野生植物,目前仅在广东和广西有少量居群,被列入国家Ⅱ级重点保护野生植物,研究其潜在地理分布有重要意义。本研究基于标本记录和野外调查数据,结合56个环境因子,应用MaxEnt模型模拟现代（1970-2000年）和3种未来（2021-2060年）气候情景下厚叶木莲在中国的潜在地理分布。结果表明：（1）MaxEnt模型模拟精度极高,受试者工作特征曲线下面积（Area Under ROC Curve,AUC）值为0.978;厚叶木莲现代潜在适生区集中分布于广东、海南、台湾、广西、福建及江西的大部分地区,在云南南部、湖南东部和西藏东南部等地也有分布。（2）对厚叶木莲的分布贡献率较大的主要生态因子有6个,分别是旱季平均温度（23.6%）、年平均降水量（22.7%）、下层土壤盐基饱和度（16.9%）、下层土壤碎石体积百分比（12.1%）、下层土壤质地分类（9.1%）和最冷月最低温度（7.3%）。其中,旱季平均温度20-25 ℃、年平均降水量3 500-4 500 mm和酸性砾质土是最适宜厚叶木莲生长的生态位参数。（3）现代厚叶木莲适生区面积合计67.07万平方千米,约占中国陆地面积的7%,低、中、高适生区分别占适生区总面积的69.3%、26.4%和4.3%;2021-2060年,在不同气候情景下,厚叶木莲适生区面积存在分化。在SSP126和SSP585气候情景下,厚叶木莲适生区面积均收缩;在SSP245气候情景下,其适生区面积则有较大幅度扩张。（4）2041-2060年,在SSP585气候情景下,当前气候条件下分布于广东中部和西部、广西西南部及海南中部的厚叶木莲高适生区全部消失。因此,建议广东江门古兜山省级自然保护区、北峰山国家森林公园等机构加大对厚叶木莲的保护力度,并开展其种苗培育和引种驯化相关工作。     

基于语义匹配的作战体系仿真想定生成方法

针对传统的想定建模方法耗时长、成本高的问题,为了实现作战体系概念模型数据到仿真想定的数据映射重用, 提出一种基于语义匹配的作战体系仿真想定生成方法。首先,基于网络爬虫技术获取武器装备的参数信息, 构建了作战领域知识库。在此基础上, 提出了新型的混合式语义匹配方法以提供仿真想定的数据来源, 根据自然语言数据库WordNet开展调参实验确定算法参数, 通过对比人工打分结果有效提高了算法的可信性。在确定了概念模型与仿真想定的数据映射关系后, 给出了仿真想定的生成方法。最后, 通过编队突防仿真应用案例, 验证了该方法的可行性。     

Out‐of‐sample equity premium prediction: A scenario analysis approach

We propose two methods of equity premium prediction with single and multiple predictors respectively and evaluate their out‐of‐sample performance using US stock data with 15 popular predictors for equity premium prediction. The first method defines three scenarios in terms of the expected returns under the scenarios and assumes a Markov chain governing the occurrence of the scenarios over time. It employs predictive quantile regressions of excess return on a predictor for three quantiles to estimate the occurrence of the scenarios over an in‐sample period and the transition probabilities of the Markov chain, predicts the expected returns under the scenarios, and generates an equity premium forecast by combining the predicted expected returns under three scenarios with the estimated transition probabilities. The second method generates an equity premium forecast by combining the individual forecasts from the first method across all predictors. For most of predictors, the first method outperforms the benchmark method of historical average and the traditional predictive linear regression with a single predictor both statistically and economically, and the second method consistently performs better than several competing methods used in the literature. The performance of our methods is further examined under different scenarios and economic conditions, and is robust for two different out‐of‐sample periods and specifications of the scenarios.