产业集群风险理论研究述评

在简要评述国内外产业集群风险理论的基础上,指出现有集群风险理论研究上的缺陷。基于演化经济学的分析框架,从技术与制度两个层面入手构建了产业集群自稔性风险成因的扩展模型,旨在为深入探求集群风险的成因与化解途径提供更多支持。     

基于多元时间序列模型对碳交易风险的管理与控制

首先建立以购买力风险等为度量指标的基于一次指数平滑法和同期平均增长率方法的预测模型;其次,以北京地区为例,对比不同指标的真实数据和预测数据;再次利用模糊C均值聚类分析七个城市的碳交易类型计算风险识别的各个指标,得出碳交易的主要类别是B类:购买力风险中等,市场风险和流动性风险较低;最后提出了碳交易市场风险管控的措施.     

基于GA-ANFIS的生物质气化过程研究

提出了一种基于遗传算法和模糊神经网络的生物质气化过程研究的新方法.采用竹子气化数据建立GA-ANFIS模型,并验证该模型方法在生物质气化过程建模中的适用性.结果表明:提出的GA-ANFIS模型预测方法精度较高,效果也比较理想,是一种可行有效的建模方法.     

基于卡尔曼滤波的网络安全预测

针对现有网络安全态势预测模型往往只能对离线数据进行预测,无法根据历史信息来对当前数据进行在线实时预测的问题,提出了一种基于卡尔曼滤波的网络安全态势预测方法.首先,介绍了卡尔曼滤波的基本原理和相应的状态方程和预测方程,然后设计了基于卡尔曼滤波的网络安全态势在线预测算法,算法采用最小二乘方法来求解预测方程中的权值矩阵和噪声参数,从而获得了相应的预测表达式,可以实现对网络安全态势的实时预测.为了验证所提模型的预测效果,将其应用于离线数据集和在线实时数据中,并与其它方法进行了比较.仿真结果表明:所提模型能准确有效地对网络安全态势进行预测,具有预测精度高的优点,和其他方法相比,具有较大的优越性.     

基于杨梅基因组鸟枪法测序开发的107个SSR标记及其在品系鉴定中应用(英文)

研究目的:开发多态性高的基因组简单重复序列(SSR)标记,为杨梅遗传多样性、遗传图谱构建及品种鉴定相关研究奠定基础。创新要点:从杨梅全基因组鸟枪法测序数据中新开发了107个SSR标记,并应用于品种间遗传多样性分析及品系鉴定。研究方法:应用生物信息学软件从基因组测序数据中搜索SSR位点并设计相应引物,添加通用的M13尾巴和荧光标识筛选多态性高的SSR标记。重要结论:开发的107个基因组SSR标记可以广泛应用于杨梅种质资源和遗传育种研究,鉴定出三个杨梅新品系。     

基于Hadoop的变电站设备故障状态识别与预测模型

在智能变电站环境下,各种智能量测装置运行过程中产生了海量的状态监测数据。针对在数据量巨大的情况下,现有故障诊断方法分析效率缓慢且预测精度不高等问题,提出一种大数据环境下设备故障快速识别与预测模型,改进并实现了MapReduce并行模式下设备故障分类算法,通过专家推理机制,依据规则进行准确的故障预测。建立了一个基于Hadoop集群的数据处理实验环境,以SF6断路器的3种故障状态为对象,分析证明了该模型在不同故障模式下识别与预测的正确性和有效性。     

基于集成学习模型的糖尿病患病风险预测研究

为提高早期糖尿病患病风险的预测准确性,基于集成学习算法建立糖尿病患病风险预测模型.分别基于集成学习算法随机森林、GBDT和XGBoost建立糖尿病预测模型,并比较以上3种方法与单一分类器支持向量机和BP神经网络的分类预测性能.在UCI数据库的早期糖尿病数据集上进行验证试验,使用准确率、精确率、召回率、F1分数和AUC ...     

基于随机游走增强型矩阵分解的混合服务预测

随着Web服务数量的急剧增长,如何在大量功能相似但非功能属性各异的服务中选择满足用户个性化需求的服务是亟需解决的问题。基于QoS（Quality of Service）预测的服务推荐方法成为研究热点。然而, QoS数据的稀疏性和“冷启动”问题阻碍其发展。针对当前主流的QoS预测模型预测精度不高和收敛速度较慢等问题,提出一种基于随机游走模型和矩阵分解技术的混合QoS预测方法。该方法首先基于矩阵分解获得用户及服务的潜因子矩阵,并将用户潜因子矩阵转化为用户相似度矩阵;然后基于用户相似度矩阵并结合Web服务的网络位置信息,使用随机游走模型提高用户相似度矩阵的准确性;最终结合协同过滤方法与矩阵分解模型进行QoS预测。在真实数据集上实验,结果表明,与当前主流的QoS预测方法相比,该方法具有更高的预测精度和效率。     

基于遗传支持向量机的生物质发电气化研究

提出了一种基于遗传算法和支持向量机的生物质气化过程研究的新方法。采用竹子气化数据建立GA-LS-SVM模型,并验证该模型方法在生物质气化过程建模中的适用性。GA-LS-SVM模型预测方法精度较高,效果也比较理想,是一种可行有效的建模方法。     

基于改进LSSVR的电子商务信用风险评估

由于电子商务具备诸多新型的产业特征,而现有的风险识别工具关注传统行业的产业发展,无法有效地评估电子商务这一新兴产业的风险情况。为防备电子商务企业可能出现的信用风险,提出了一个基于支持向量机的LSSVR风险识别模型,并采用我国18家上市电子商务企业的数据进行了实证分析。结果表明,该方法具备较强的实践价值和风险预测能力,相较于传统LSSVR方法计算速度更快,所需参数更少,能够提升电子商务信用风险的评价效率。     

基于遗传神经网络的时序数据预测

针对机场短时局地天气预报这一特定的时序数据预测问题,提出用遗传算法同时优化神经网络的连接权值、阈值和网络结构,建立了基于遗传神经网络的天气预报模型,并利用某气象站的实际观测数据进行了实验。仿真结果表明,相对于单独使用BP神经网络,运用该方法可以有效提高预测精度。     

从文化视角看产业集群风险防范

集群文化缺失或僵化是产业集群风险形成的重要原因,优秀的集群文化建设和培育是化解集群风险的有效途径。我国产业集群文化缺失或僵化的原因主要有:观念问题,文化形成的特性,集群自身的特点,文化"路径依赖"。从集群文化的角度规避产业集群风险应从以下几个方面入手:构建集群文化,夯实集群文化,固化集群文化。     

基于TS-NN模型的道路交通车流量预测

针对现有的智能交通系统预测方法,基于道路交通的关键参数车流量预测,提出了一种基于深度学习的时间序列交通流预测方法,进一步提升道路交通车流量预测准确率。在对道路交通数据集进行清洗后,使用时间序列和神经网络的结合算法TS-NN 进行车流量预测,实验表明,在城市路段的预测中,TS-NN 相对时间序列模型ARIMA、神经网络模型LSTM 准确率分别提升了1.62%和2.13%?在高速公路数据集上测试上,TS-NN 有更加明显的改进,相对ARIMA、LSTM 分别提升了20.87%和3.53%,在一定程度上,TS-NN 算法确实有助于改进智能交通系统核心算法。     

应用可解释的人工神经网络预测表层嵌贴纤维增强复合材料板条与混凝土界面的粘结强度（英文）

目的:针对采用纤维增强复合材料加固的钢筋混凝土结构,本文旨在运用机器学习方法取代目前广泛使用的半经验-半分析理论公式,以准确预测该类加固结构中表层嵌贴纤维增强复合材料(CFRP)板条与混凝土界面的粘结强度。创新点:1.建立反向传播人工神经网络(BPNN)预测表层嵌贴CFRP板与混凝土界面的粘结强度。2.采用基于Garson算法和连接权重算法的神经解释图(NID)定量分析神经网络中各个输入变量的重要性。方法:1.从作者课题组完成的实验和已发表的文献中收集共163组表层嵌贴CFRP-混凝土单剪实验结果,并形成数据集。2.运用建立的数据集训练和测试BPNN,构建实验参数与界面粘结强度间的非线性映射关系及预测模型。3.基于Garson算法和连接权重算法分别计算神经网络输入变量的重要性,并通过NID分析数据集中有重要影响的输入变量和无效输入变量。结论:1.建立的BPNN模型得出的预测结果与实验数据吻合良好,预测值与真实值之间的决定系数在整个数据集中的表现为0.957。2.通过删除数据集中的无效输入变量可提高BPNN的计算效率和准确性。3.与现有的半经验-半分析理论公式相比,本文建立的BPNN模型可以得出更准确的估计。     

基于“酥梨”芽转录组的简单序列重复(SSR)标记开发(英文)

研究目的:基于转录组数据开发具有扩增率高和跨物种转移性的基因组编码区内的SSR(genic-SSR)标记,为梨属植物的分子系统发育关系和遗传多样性相关研究提供新的方法。创新要点:首次利用梨属植物的转录组测序(RNA-seq)数据结合M-13荧光尾巴高效率地开发了104个genic-SSR标记,并成功将其应用于梨属植物的系统发育关系研究中。研究方法:应用生物信息学软件从转录组测序数据中搜索SSR位点和设计相应引物,结合高效的M-13荧光尾巴的方法筛选多态性高的SSR标记。重要结论:转录组数据能够为梨属植物分子系统发育关系和遗传多样性研究提供新的SSR标记来源。     

审计过程中虚假财务报告的回归分析模型研究

审计人员具有虚假财务报告(Fraudulent Financial Report,FFR)的责任,其职责对于社会是至关重要的.设计了基于逻辑回归的分析模型,使用真实数据作为样本,通过考虑财务风险因素,分析识别出数据样本中的虚假财务报告.财务风险因素包括了财务杠杆、盈利能力、资产构成、流动性和资金周转.文中的逻辑回归模型在评估虚假财务报告风险方面具有较高的准确性.结果表明:一个简单的、基于回归分析的模型在区分虚假和正常财务报告方面表现良好.该模型可以实际应用于评估财务报告,以挽回由于虚假财务报告导致的重大风险.     

基于AHP-TOPSIS的返贫风险评估预警方法

采用AHP-TOPSIS分析法对不同地区的返贫风险等级进行实证分析,结果表明:在产业发展风险、疾病风险、政策风险、道德风险和协同不足风险中,疾病风险尤其是恶性疾病是造成返贫最主要的因素。基于返贫因素权重计算的贴近度指标能有效识別和比较不同地区的返贫风险,且预测准确率高。     

基于因子分析与层次聚类的学生评教数据挖掘

学生评教在教师课堂教学评价中起着至关重要的作用。通过基于主成分、因子分析聚类与和值聚类对吕梁学院学生评教数据按全体和专业分别进行分析可知:在现有评价体系中,学生更注重教学态度、教学方法,采用不同的方法聚类结果各不相同,但在四级分类中合格、中等的情况基本一致。管理者可根据不同评价预期对现有评价体系进行调整,或使用不同的分析方法,使学生评教结果在管理中起到应有的作用。     

基于IOWHA算子组合模型的旅游总收入预测——以安徽省旅游总收入为例

基于已有关于旅游相关预测的文献大都采用单一预测模型,例如灰色系统理论模型、人工神经网络、时间序列预测等、缺乏对旅游的组合预测的研究。文章尝试在IOWHA算子的基础上构建组合模型,进而对安徽省的的旅游总收入进行预测。预测结果表明基于IOWHA算子的组合预测模型相对于单一的预测方法具有更高的精度,在旅游预测中是有效合理的。     

基于可变阶模型的Web访问模式挖掘算法

提出一种基于Markov的可变阶模型,综合了一阶Markov模型和高阶模型的新方法。该方法通过引入精度因子和所逼近模型的阶数,可以在保持与一阶Markov模型相当的较低复杂度的同时,使预测精度能够逼近高阶Markov模型。通过实验数据说明了所提出算法的正确性和有效性。