云环境下基于双向拍卖的资源定价模型

针对云资源的特点,提出了一种双向拍卖模型,该模型利用供应商的资源使用情况来影响供应商的报价,并对买方的报价进行排序,测定获胜者;考虑了按照价格排序测定获胜者后剩余资源的问题,提出了避免剩余资源浪费的解决办法;最后,当获胜者全部测定完毕后,给出了收费函数,利用分段的方式解决了部分客户价格过高的问题,激励客户提高出价,增加供应商的收益。     

基于BERT和多头注意力的中文命名实体识别方法

针对双向长短时记忆网络-条件随机场(bi-directional long short-term memory-conditional random field,BiLSTM-CRF)模型存在准确率低和向量无法表示上下文的问题，提出一种改进的中文命名实体识别模型。利用裁剪的双向编码器表征模型(bidirectional encoder representations from transformers,BERT)得到包含上下文信息的语义向量;输入双向门控循环单元(bidirectional gated recurrent unit,BiGRU)网络及多头自注意力层捕获序列的全局和局部特征;通过条件随机场(conditional random field,CRF)层进行序列解码标注，提取出命名实体。在人民日报和微软亚洲研究院(Microsoft research Asia,MSRA)数据集上的实验结果表明，改进模型在识别效果和速度方面都有一定提高;对BERT模型内在机理的分析表明，BERT模型主要依赖从低层和中层学习到的短语及语法信息完成命名实体识别(named entity recognition，NER)任务。     

基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

为提高矿井涌水量预测的准确度，基于涌水量数据的不稳定性及随机性，提出一种自适应噪声完备集合经验模态分解(CEEMDAN)、贝叶斯优化(BO)与双向门控循环单元(BiGRU)相结合的矿井涌水量预测模型(CEEMDAN-BO-BiGRU)。该模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(IMF)和残差分量(Res)，过滤数据噪声，提取数据不同时间尺度波动特征，降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优，进一步提高模型的预测精度。之后对各分量进行超前1至3步预测预测，最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验，并将CEEMDAN-BO-BiGRU预测结果与CEEMDAN-BiGRU、BiGRU、BP、SVM进行对比实验，结果表明采用CEEMDAN-BO-BiGRU组合网络模型对矿井涌水量预测结果更准确，该方法对涌水量的短时预测提供了一种新思路。     

政府收支对我国经济波动的平抑效果

 采用构建的向量自回归模型（VAR模型）和向量误差修正模型（VEC模型），基于我国1985—2019年度经济发展相关数据的研究发现，政府支出冲击能在一定程度上提高实际产出和私人消费水平，对经济具有显著的促进作用；政府支出冲击会对私人投资造成短期挤出效应和长期挤入效应；从长期来看，政府收入冲击会导致实际产出水平的下降，政府收入冲击会造成私人消费和私人投资的剧烈波动。增强政策的正向效应，需要明确宏观调控中财政政策的目标，重视政府支出的度以及政府收入对私人消费和私人投资的影响，严格把控财政政策效应的滞后期。