国家图书馆基藏书库分类排架创新方法的实证研究

讨论了与分类排架相关的倒架、文献增长预测方法、搁板间距确定、书库容书量等问题,介绍了创新型分类排架方法,即通过记录和考察各类目藏书总厚度的增长数据,精确预算预留书架空位,各文种藏书统归为一个序列,构建国家图书馆基藏书库科学的藏书排架体系,其过程包括3个程序:一是测量各类目图书所占搁板长度及预测其增长率,对书库重新规划布局;二是同类书按书型调整搁板间距,重新排架;三是增加架位号书标并录入到OPAC系统中。     

地方院校外语教师专业发展实证研究——以龙岩学院为例

通过问卷调查,以龙岩学院为例对地方本科院校外语教师的专业发展进行实证研究。研究的内容包括:专业发展现状、发展意识、教研意识、教研现状、发展途径、发展影响因素、综合素质等方面。目的是了解外语教师专业发展的真实状况,以便有针对性地对外语教师的专业发展进行引导。     

回归模型的相关性检验

基于经验似然的方法构造了检验统计量,对非参数回归模型中的误差进行了相关性假设检验,获得了零假设下检验统计量的渐近分布为χ2分布.模拟计算表明相关性假设检验的经验似然方法具有较好的功效.     

一个关于中国股票市场和宏观经济相互关系的实证分析

在简单介绍SVAR模型的基础上,对我国实体经济扰动和股市扰动对股票市场的影响作了实证分析,结果表明:目前我国股票市场的变化主要来源于股市扰动本身;各实体经济扰动虽有着稳定的影响,但不及股市自身的大,这可能和我国具体的融资环境有关.     

单频GPS基线精化解算的经验模式分解方法

为了削弱非模型化误差对单频GPS基线解算的影响,引入经验模式分解法对原始双差观测值进行自适应滤波消噪.在此基础上应用消噪后的双差观测值结合LAMBDA方法进行整周模糊度确定,进而计算基线固定解.算例分析结果表明:此方法可以有效增强基线解算的可靠性并能明显改善定位精度.     

基于经验模式分解与LM一BP神经网络的大坝变形预报模型

提出一种基于经验模式分解(EMD)与LM-BP神经网络相结合的模型进行大坝变形预报的方法.先利用EMD具有根据信号本身特征进行自适应分解的功能将变形时间序列分解为一系列不同尺度的固有模式分量IMF,再根据各个IMF的变化规律采用相匹配的LM-BP模型进行预报,最后对各分量的预报值进行叠加得到最终的变形预报结果.实例分析...     

黑龙江省金融发展与经济增长关系的实证分析

以国内外学者的研究成果为基础,利用最近十五年黑龙江省金融发展数据,采用线性回归分析方法,对金融发展与经济增长的关系进行实证研究.结果表明黑龙江的金融发展与经济增长呈负相关关系,人均GDP对国民生产总值的作用力度较弱.基于这样的结论,本文提出相应的政策建议以促进黑龙江省的金融发展,更好地服务于经济增长.     

基于EMD能量占比的海面漂浮小目标特征检测

针对传统的时频分析方法对海杂波分析有限的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)能量占比的海面漂浮小目标特征检测方法.首先,采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function,IMF)分量,实现对接收回波的频率从...     

An Adaptive Multiscale Ensemble Learning Paradigm for Nonstationary and Nonlinear Energy Price Time Series Forecasting

For forecasting nonstationary and nonlinear energy prices time series, a novel adaptive multiscale ensemble learning paradigm incorporating ensemble empirical mode decomposition (EEMD), particle swarm optimization (PSO) and least square support vector machines (LSSVM) with kernel function prototype is developed. Firstly, the extrema symmetry expansion EEMD, which can effectively restrain the mode mixing and end effects, is used to decompose the energy price into simple modes. Secondly, by using the fine‐to‐coarse reconstruction algorithm, the high‐frequency, low‐frequency and trend components are identified. Furthermore, autoregressive integrated moving average is applicable to predicting the high‐frequency components. LSSVM is suitable for forecasting the low‐frequency and trend components. At the same time, a universal kernel function prototype is introduced for making up the drawbacks of single kernel function, which can adaptively select the optimal kernel function type and model parameters according to the specific data using the PSO algorithm. Finally, the prediction results of all the components are aggregated into the forecasting values of energy price time series. The empirical results show that, compared with the popular prediction methods, the proposed method can significantly improve the prediction accuracy of energy prices, with high accuracy both in the level and directional predictions. Copyright © 2016 John Wiley & Sons, Ltd.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.