基于神经网络分位数回归的行业成本预测研究

针对成本在经济学系统中变化的非对称,与其影响因素之间的非线性关系,提出采用神经网络分位数回归法来研究成本与各影响因素之间的联系,并进行成本预测;该方法不仅可以通过神经网络结构模拟经济系统中非线性关系,还可以通过分位数回归功能揭示各影响因素对成本整个条件分布的影响规律;通过实证结果分析,神经网络分位数回归模型相较于OLS回归模型和分位数回归模型其预测精度更高,且揭示了各因素的影响规律,所以神经网络分位数回归模型的分析结果更科学,更有价值,更有助于相关管理决策者进行成本分析、控制和管理。     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

非扩张半群公共不动点与广义变分不等式 解的迭代收敛性

引入一种新的非扩张半群显式粘滞迭代算法,使用这种显式粘滞迭代算法,在较弱条件下,在Hilbert空间中建立了非扩张半群公共不动点集与具有α-可逆g-强单调映象的广义变分不等式解集的公共元素的强收敛定理,推广和改进了相关结果.     

一类区域分数阶Schrdinger方程的基态解

用变分方法研究了区域分数阶Schrdinger方程(-Δ)_ρ~αu+V(x)u=f(x,u)x∈R~N,u∈H~α(R~N)获得了该方程基态解的存在性.     

降低OFDM系统复杂度的改进SLM算法

为了降低正交频分复用(OFDM)系统中传统选择性映射(SLM)算法的计算复杂度,提高系统的频谱利用效率,提出了基于转换向量(conversion vectors)与随机筛选序列(random selection sequences)相结合的选择性映射(CR-SLM)算法.CR-SLM算法是将原始信号序列等分,然后对于数据序列的前半部分与转换向量相乘进行循环卷积,对于数据序列后半部分进行随机序列筛选,筛选出最优序列.最后将两部分输出序列合并生成候选序列,筛选出最优序列进行传输.仿真结果表明:CR-SLM算法在保持与传统SLM 算法PAPR性能相近的情况下,较大幅度降低了计算复杂度.     

单调变分不等式问题的惯性松弛投影算法

在Hilbert空间中研究单调变分不等式问题的惯性松弛投影算法.在该算法的每一次迭代中，只需要向特殊结构的半空间进行2次投影.另外，采取一定的线搜索条件，在单调和Lipschitz连续且Lipschitz系数大小未知的假设下，证明该算法所产生的序列强收敛到变分不等式的解.     

我国国有与民营能源上市公司全要素生产率对比研究 ——基于DEA-Malmquist指数法

以2012年为基年对2012—2018年我国国有和民营能源上市公司的数据剔除通货膨胀,在此基础上运用DEA模型和Malmquist指数分解法对国有和民营公司的全要素生产率进行对比研究。结果表明:研究期内民营能源上市公司的技术效率高于国有,主要原因是民营公司的纯技术效率高于国有。民营公司的制度和管理水平、技术水平、资源配置效率较高,且公司间差距较小,而国有公司相反。研究期内国有和民营能源上市公司全要素生产率都得到增加,民营能源公司增加的幅度大于国有,主要原因是民营公司规模水平恶化程度比国有公司小。国有能源上市公司全要素生产率的变化公司间差异小,而民营公司间差异大。在此基础上提出提高国有与民营能源上市公司全要素生产率的建议。     

三力平衡的解法

三力平衡问题困扰着很多同学,归类题目,总结方法是解决这类问题的关键,将题型分为七类,共总结力的平行四边形合成法、力的三角形合成法、按力的作用效果分解法、正交分解法、三力汇交原理、图解法、相似三角形法七类方法,学生掌握这七种方法后不再困惑,能既轻松又愉快的解决三力平衡问题。在物理教学过程中,我们每分析三力平衡问题时,都遇到这样的困难,学生拿到题目时,分析受力后,不知用什么方法解,更谈不上快速、准确的求解,解三力平衡问题成了很多同学的困扰,面对这样的情况,我将三力平衡问题进行归类,总结解决方法,在教学中取得了很好的教学效果。     

基于误差修正与深度强化学习的原油期货价格预测研究

准确预测原油价格一直都是政府管理决策部门、投资主体和学术界关注的重点.然而由于货币政策、地缘政治等多样化风险因素相互作用,原油价格表现出更加复杂的非线性特征,使得原油价格预测面临着前所未有的挑战.本文以INE和WTI原油期货市场为研究对象,通过基于数据分解、强化学习集成策略和误差修正技术构建的原油价格预测模型(PVMD-QSBT-ECS)开展实证研究.首先运用自适应权重的粒子群优化算法(particle swarm optimization, PSO)优化的变分模态分解(variational mode decomposition, VMD)对原油期货价格序列进行分解;然后利用Q学习算法(Q-learning, QL)确定堆叠式长短期记忆网络(stacked bidirectional long short-term memory, SBiLSTM)、双向门控循环单元(bidirectional gated recurrent unit, BiGRU)和时域卷积网络(temporal convolutional network, TCN)的最优权重组合以构建集成预测模型,而后对预测结果...     

弦的受迫振动方程的推导

用牛顿力学和分析力学的方法推导出弦的受迫振动方程,加深了对力学的理解,对力学教学和研究有一定的参考价值.