基于时间序列分析的图书类目馆藏量预测

利用时间序列分析方法建立H315与H319两类图书馆藏量模型,预测出后两年馆藏,实验表明所拟合模型具有很好的预测性能。根据预测结果,图书馆合理安排图书架位,从而能减少图书倒架工作。     

时间序列法在我国石油需求预测模型中的应用

本文首先介绍了时间序列法以及时间序列的种类,通过分析得出我国石油需求序列是有确定趋势的非平稳时间序列,并选择最小二乘法分两步建立模型。然后详细介绍了建模过程,并对模型预测精度和稳定性作了评价,结果表明所建立的模型是较好的预测模型。最后用该模型对我国2006年—2020年的石油需求进行了预测。     

社会支持对运动员投入的影响：心理坚韧性与应对方式的序列中介作用

摘要：目的：考察社会支持对运动员投入的影响以及心理坚韧性和应对方式在其中的序列中介作用。方法：采用运动领域领悟支持问卷、运动心理坚韧性问卷、竞技运动领域应对问卷、运动员投入问卷对483名现役运动员进行调查。结果：1）社会支持对运动员投入有显著的正向预测作用;2）心理坚韧性与应对方式在社会支持与运动员投入之间起中介作用。结论：社会支持不仅能直接促进运动员投入,还可以通过心理坚韧性与应对方式的中介对其产生间接促进作用,具体包括4条中介路径：通过心理坚韧性的中介路径;通过任务导向应对的中介路径;通过心理坚韧性与任务导向应对的序列中介路径;通过心理坚韧性与脱离导向应对的序列中介路径。本研究构建的中介效应模型在一定程度上揭示了社会支持影响运动员投入的内在机制。研究提示,通过提供社会支持,将能增强运动员的心理坚韧性,促使其更多地采用任务导向应对,更少地采用脱离导向应对,进而促进运动员投入。     

踢毽子动作发展序列特征研究及案例教学分析

摘要：为了发扬民族传统体育项目的健身锻炼功效、发挥中小学踢毽子活动的育人功能,以及科学探索不同年龄阶段健康个体在学习踢毽子动作时的典型动作特征。采用现代动作学科知识理论研究民族传统体育项目是传承传统文化的具体体现,也是实施体育育人的操作手段。梳理文献资料得出U6—14阶段健康个体典型的动作发展特征,即U6—7阶段的学习运用自我、U8—9阶段的基本动作过程学习、U10—11阶段的基本运动技能的学习和应用,以及U12—14阶段的基本动作技术向专门动作技术过渡。录像观察得出踢毽子活动的动作发展序列特征,即,整体发展序列的5个阶段和4个部位发展序列的不同阶段发展特征。案例教学实验分析了义务教育阶段体育与健康课程标准、教科书、教师用书中关于踢毽子课程设置的客观性,得出U6—7阶段和U10—11阶段踢毽子课程设置难度大。本文揭示了儿童、青少年踢毽子动作的学习与掌握不仅依赖于直接教学,更要关注儿童、青少年的发展;体现儿童、青少年对特定运动项目的学习特征是自然发展的,而不应是学习与训练促成的。     

利用AIS数据计算港口间竞争度的方法

为能更有效地提供有价值的航运情报, 借鉴网络分析法相关原理,挖掘船舶AIS数据,获取港口之间的竞争度.该法通过船舶数据模型、港口数据模型、船舶抵达港口事件模型、船舶挂靠港记录、港口之间运力、港口网络等建立港口间竞争度模型. 选取2014年4—8月中国沿海船舶AIS数据和17个主要港口数据,利用模型计算出对上海港竞争度排名前三的港口依次是宁波港、张家港港和南通港.     

状态空间模型在双变量时间序列分析中的推广

状态空间模型不仅能反映系统内部状态,可以将几个变量时间序列处理为向量时间序列,还能够较好地解决多输入多输出变量少情况下,应用于双变量时间序列建模具有良好的统计性质;将状态空间模型在双变量时间序列模型中进行推广,研究其统计性质及检验方法,通过实证分析验证该方法的优越性.     

纵横解析语文要素把握阅读教学体系

阅读教学在统编小学语文教科书里是一个庞大的体系,内容占比大(约300篇课文),教学时间长(十二学期),几乎占据了小学语文教学的“半壁江山”.部分教师因解读教材的经验和能力不足,不能较好地把握阅读教学体系,导致教学随性、随意,人为地破坏了它的序列性和完整性,致使导学功能紊乱,极不利于学生的学习.鉴于此,面对12册教科书,...     

英语内在格习得的语段伸缩及其参照—认知的序列离散性

本文通过汉译英内在格句翻译测试探究了内在格习得进程中的语段伸缩与参照—认知的序列离散样态.结果显示:四类内在格句的习得难度影响到语段的局部性伸展长度、收窄长度以及语段接口重装形态;三个组别在参照点与认知标的上表征为铰链型序列组合(弱震颤离散化)、黏着型序列组合(强震颤离散化)以及松散型序列组合(超强震颤离散化).语段伸...     

基于BP神经网络的芜湖市社会用电量预测研究

为通过社会用电量分析来反应经济状况,文章采用BP神经网络算法,首先对芜湖市近几年的社会用电量进行分析,再通过Matlab神经网络工具箱构建预测—时间序列模型,最后根据需求获得相应的预测数据。仿真试验表明,该模型找到一条函数曲线很好地拟合已知数据,同时顺利地预测未知数据,所提算法达到预期的效果。