中国股市基于成交量的价格动量策略

根据1999年Hong和Stein信息逐渐扩散的行为模型，构建了中国股市基于成交量的价格动量策略、结果表明，低成交量组合中存在着显著的中期动量，并且持有低成交量赢者组合，明显能够战胜市场组合．成交量包含未来股价走势的重要信息，能够测度私有信息的扩散速度及动量交易的规模．传统风险因子对策略收益缺乏解释力，与信息逐渐扩散模型假设相一致，私有信息或公司特有信息的缓慢扩散，造成股价对信息反应不足，从而产生了价格动量．此外，由于信息不对称引发的股价操纵行为，对价格动量也具有一定解释力。     

变风量空调系统中基于预测的末端再热控制策略

在对多区域变风量空调及其控制系统分析研究的基础上,提出一种优化的新风控制策略———基于预测的末端再热控制策略.该策略通过预测的方法对系统实施前馈控制,使用末端再热器调整区域的送风量,从而能够合理地分配新风.仿真结果表明,该新风控制策略与最大新风比控制策略相比,可以使系统保持较小的总新风吸入量,通过有效地控制各区域新风的配给,在保证各区域新风要求的同时,节约系统的能耗.     

阶梯状来流中立管的涡激振动响应预报

将变参数受拉柔性梁的有限元模态分析与涡激振动预报结合在一起,建立了变参数柔性立管的横向涡激振动预报模型,考虑到海洋立管的模态信息与涡激振动响应高度耦合,为合理计算附加质量对模态信息的影响,模态分析与涡激振动响应预报迭代进行.其中,使用有限元方法对立管进行模态分析,考虑了质量、拉力、抗弯刚度沿立管轴向的变化;在此基础上,涡激振动响应计算在各个模态上分别进行.在出现多模态参与的情况时,比较各模态的振幅,对模态受力进行折减.与近期阶梯状来流作用下立管涡激振动实验结果的比较显示,本文模型是有效的.     

基于短期预测的追捕方法

针对具有安全区的追捕逃避问题,抛开参与人是否理性的假设,提出了一种基于短期预测的追捕方法.由参与人短期内状态空间有限和伪蒙特卡罗方法原理阐述了进行短期预测的可行性.追捕方法的流程为:追捕方先根据物理条件限制预测双方的短期状态;根据反映对抗态势的特征计算出对手处于某状态时自身某状态的收益,并由此进一步获得针对同时刻对手各个状态的自身某状态的综合收益;估算出自身各个预测状态的综合收益后,选取某个状态作为短期目标,执行能到达该状态的行为.结合足球机器人一对一对抗的实践进行了仿真,结果表明该方法有效.介绍了在自主式足球机器人上应用基于短期预测的追捕方法的初步实验,证实该方法具有一定的实际应用价值.     

高速公路软基最终沉降预测的范例推理方法

针对高速公路软基沉降的复杂性和不确定性，充分利用地质资料，运用模糊相似优先的概念，构造了高速公路软基最终沉降预测模型。对每个影响软基沉降的因素，分别建立了软基目标范例与源范例之间的模糊相似优先关系。经过影响因素之间的两两比较，获得了不同影响因素下软基的目标范例与源范例之间的相似性序列，计算得到软基目标范例和源范例之间的综合相似性序列，从而找到与软基目标范例最相似的源范例，实现了软基最终沉降预测。实例评价结果与实际沉降观测结果一致，这为预测软土地基路基沉降提供了一种新的方法。     

砂岩级配料开采爆破块度预报与爆破参数优化研究

通过张河湾抽水蓄能电站上水库面板堆石坝级配料开采爆破试验对Kuz-Ram爆破块度预报经验模型进行修正,建立了适合张河湾蓄能电站级配料开采的爆破块度分布模型,通过对爆破块度级配与爆破参数的相关分析,提出了砂岩级配料开采的优化爆破参数.     

浅谈工程量清单报价

介绍了工程量清单报价的特点,阐述了几个阶段(施工前准备阶段、施工招标阶段、施工实施阶段、竣工结算阶段)的工程量清单造价控制。     

晋城市郭壁供水工程水价改革的实践与思考

晋城市郭壁供水工程因水价低而连年亏损。介绍了进行水价改革后仍存在的问题和困难,建议出台地方性实施办法,降低供水成本,推动水价改革。     

基于微观经济学方法的网格资源分配管理模型

提出了一种基于微观经济学方法的网格资源分配管理模型,采用分布自治原则由众多的网格域构成整个网格系统.系统根据用户作业请求发出投标信息,各网格域参考投标信息及自身资源使用情况利用PSP拍卖机制确定中标者,最后系统从中标信息中选择费用最低的完成任务,以一定的周期运用微观经济学供需均衡原理动态调整资源价格,并给出了价格调整算法.相对于别的网格资源管理系统,本模型提出的资源管理方案在管理上比较简单,系统不必掌握全局资源信息,可扩展性较强,易于实现,并且通过引入竞标机制解决了资源提供者的报酬问题.     

Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.