受热弹性地基梁在机械荷载作用下的非线性分析

基于弹性地基梁在均匀升温及横向均布荷载联合作用下的非线性常微分控制方程。考虑一端固定夹紧、一端可移简支边界条件,采用打靶法得到了该两点边值问题的数值结果。分析了不同参数对结构平衡路径及内力分布的影响。     

酵素和生根壮苗剂对对开蕨组培苗生长的影响

以2 a生对开蕨组培苗为试验材料,0.3%尿素+0.3%磷酸二氢钾为对照,对对开蕨组培苗喷施酵素和生根壮苗剂两种叶面肥,研究两种叶面肥对其生长的影响.结果表明:随着施肥次数的增加,各处理下对开蕨组培苗生长加快,长势增强.与对照相比,叶面施肥后处理6的叶片数量、叶面积增幅最大,差异达显著水平(P0.05),处理3次之;处理5的株高、冠幅净增长量最大,差异显著(P0.05);各处理的新萌发叶片数量和孢子囊叶片数量无明显差异;处理6的比叶重见效最快,施肥后期各处理无显著差异.综合考虑,生根壮苗剂600倍最有利于对开蕨组培苗的生长,其次是1 000倍花粉酵素+700倍光合酵素+10 000倍开根酵素.     

城市电网最优无功补偿容量模型及应用

文章采用年电能损失费用与新增无功补偿设备的费用之和最小为目标 ,建立城市电网无功补偿优化规划的数学模型 ,在目标函数中综合考虑了网损微增率、无功负荷补偿容量及网络因素。并采用适合城市电网特点的潮流计算方法 ,经实际系统计算 ,验证了本数学模型及算法的合理性与有效性 ,具有较高的实用价值     

金融资产收益率的多尺度统计分析

金融资产收益率是金融投资要考虑的重要因素.金融资产收益率数据样本的不确定性可以用统计模型进行描述.本文从多尺度的角度讨论和分析了金融资产收益率在小波域的统计模型和统计特性.蒙特卡罗仿真实验和分析表明了结论的有效性.     

基于反洗钱应用的一种有效的增量聚类算法

为了更及时、清晰地发现洗钱的踪迹,减少反洗钱的工作量,基于增量层次算法聚类以及划分算法聚类的思想,将中心点的思想应用到BIRCH算法中聚类特征(CF)的计算,用核心树代替CF树,可以更加适用于类似金融数据这样数据类型复杂,含有“噪音”的大型数据集合．     

后股权分置时期大股东资产注入实证分析

以后股权分置时期上市公司大股东重要行为方式——资产注入为研究对象,运用事件研究和回归分析,实证检验了资产注入事件的超额累计收益及其相关影响因素。对样本的事件研究表明,使用股权模式进行资产注入的上市公司股价均有显著为正的超额累计收益率,且大股东为国有背景的上市公司超额累计收益率显著高于民营背景上市公司,说明股权模式的资产注入方式以及国有大股东的资产注入更为投资者和市场认可;超额累计收益的回归分析显示大股东持股比例对超额累计收益的影响呈显著的U型关系。     

基于关系合约的供应链合作伙伴关系建模及其可自执行性分析

构建了基于关系合约的供应链合作伙伴关系的理论模型,给出了供应链合作伙伴关系可自执行性的条件,并分析了资产专用性对可自执行性的影响．结果发现：供应链合作伙伴关系适合于中等资产专用度的场合;若资产专用度较高,则合作收益必须足够大,才能保证合作伙伴关系的可自执行性。     

Neural model identification,variable selection and model adequacy

In recent years an impressive array of publications has appeared claiming considerable successes of neural networks in modelling financial data but sceptical practitioners and statisticians are still raising the question of whether neural networks really are ‘a major breakthrough or just a passing fad’. A major reason for this is the lack of procedures for performing tests for misspecified models, and tests of statistical significance for the various parameters that have been estimated, which makes it difficult to assess the model's significance and the possibility that any short‐term successes that are reported might be due to ‘data mining’. In this paper we describe a methodology for neural model identification which facilitates hypothesis testing at two levels: model adequacy and variable significance. The methodology includes a model selection procedure to produce consistent estimators, a variable selection procedure based on statistical significance and a model adequacy procedure based on residuals analysis. We propose a novel, computationally efficient scheme for estimating sampling variability of arbitrarily complex statistics for neural models and apply it to variable selection. The approach is based on sampling from the asymptotic distribution of the neural model's parameters (‘parametric sampling’). Controlled simulations are used for the analysis and evaluation of our model identification methodology. A case study in tactical asset allocation is used to demonstrate how the methodology can be applied to real‐life problems in a way analogous to stepwise forward regression analysis. Neural models are contrasted to multiple linear regression. The results indicate the presence of non‐linear relationships in modelling the equity premium. Copyright © 1999 John Wiley & Sons, Ltd.     

老龄化背景下居民资产配置研究

本文基于生命周期投资理论,根据历史数据进行参数校准,分析引入了生存概率背景风险后的居民最优风险资产配置情况,建立最优消费效用投资组合模型,并使用Carroll提出的数值解法进行模型求解。模型得出了在不同财富水平下、不同劳动收入增长率以及遗赠影响下居民随着年龄增长其最优风险资产配置比例情况。     

平均模型在致密气井产量预测中的应用

在致密气资产快速评价中应用经验型递减模型能够快速得到气井产量的递减情况;但不同的递减模型在完成历史拟合后,长期产量和累积产量预测结果相差很多。应用GLUE法评价各模型预测结果的不确定性,并引入平均模型的概念,计算各模型权重后建立平均模型。以加拿大致密气田两口致密气井的实际生产数据为例应用平均模型进行累积产量的计算,结果表明GLUE法可进行各模型预测结果的不确定性进行分析,且通过设定筛选标准后,利用满足条件的模型进行聚合得到的平均模型计算结果具有更小的标准差与变异系数。