基于全局搜索策略WOA优化ELM的RUL预测性维护

实时掌握设备的剩余使用寿命(RUL),有助于降低工业互联网制造业中事故成本。为提高预测性维护准确度,使用基于全局搜索策略的鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA)确定极限学习机(Extreme Learning Machine,ELM)的参数,提出一种新型剩余使用寿命预测模型(IWOA-ELM)。将该模型应用于膜过滤器剩余使用寿命的电子涂层超滤维护数据集,结果表明:与ELM、WOA-ELM预测模型相比,本文提出的IWOA-ELM模型极大地提高了预测精度,泛化能力更强,能有效地预测膜过滤器剩余使用寿命,以便提前计划维护。

MD&A文本实据性与企业权益资本成本:基于文本挖掘的方法

我国已全面实施以信息披露为核心的注册制改革,实据性作为信息真实性和完整性的体现,有助于提高企业信息披露质量,从而提高资本市场资源配置效率。以2016—2021年我国沪深A股上市公司为样本,采用文本挖掘方法对管理层讨论与分析(MD&A)文本实据性进行度量,探究MD&A文本实据性对权益资本成本的影响。研究发现:MD&A文本实据性程度越高,权益资本成本越低,且两者关系在文本复杂性较低、信息中介跟踪较低以及外部治理环境较好的样本组中更加显著。研究结论丰富和拓展了权益资本成本的影响因素及文本信息增量价值的相关研究,为监管部门构建系统化的文本信息披露制度提供了新的方向。

数字经济发展背景下中部地区物流行业智能化发展现状及对策研究

在新技术的迅速发展和普及以及国家对于数字经济发展的大力扶持和倡导之下,数字经济已经对我国的发展和人们生活水平产生了巨大的影响,文章选取物流行业数字化发展为研究对象,以中部地区为样本,从智慧物流运营、智慧物流技术发展及智慧物流经济基础三个方面构建合理的评价体系,运用层次分析法算出各个指标所占权重,再利用模糊综合评价法算出每个指标下的综合得分,并据此对数字经济下中部地区智能物流优劣势进行评价,从而找到相应的短板,并在此基础之上给出合理改进的政策与建议。

企业集群下中小企业上云建设影响因素研究

随着党的二十大召开,各地政府陆续推动产业数字化进程,目前,中小企业认识偏差使得中小企业上云难、信息化转型难的问题亟待解决。文章基于演化博弈论,以企业集群网络中的中小企业、具有引导作用的龙头企业和第三方工业互联网平台为主体,构建演化博弈模型,分析影响中小企业上云的主要因素。利用Matlab对模型进行仿真实验,实验结论表明中小企业加入平台与成本分担比例、政府补贴、原有成本三个因素成正比,与未加入前收益单个因素成反比,同时研究发现龙头企业的引导机制不受机会成本的影响。

基于改进CEEMDAN-TCN模型的风电功率预测研究

针对风力发电时间序列数据随机性大、单一算法难以获得准确预测结果的问题,本文采用改进的完全自适应噪声集合经验模态分解(ICEEMDAN)与时域卷积网络(TCN)相结合的模型预测风电功率。首先,针对集成模态分解的残余噪声和杂散模式问题,采用改进的CEEMDAN将原始序列数据分解为多个复杂度差异明显的子序列;其次,利用样本熵评估各分量复杂度,采用注意力机制的TCN,分别对低复杂度子序列和高复杂度子序列进行预测;最后将各子序列的预测结果叠加,得到最终的预测结果。经在弗兰德伦地区的数据集上测试结果表明,所提的ICEEMDAN-TCN模型的MAPE为1.74%,RMSE为127.36,优于其它对比模型,预测效果表现最优。

基于经管类特色的数据库课程教学体系改革与建设

基于经管类特色的数据库课程教学体系改革与建设是对党的二十大指导思想的响应和落实,培养专业化数智人才适用于高校各个专业。以经管学院《数据库基础A》课程为例,从教学改革中面临的问题、改革目标、课程和组织建设改革、课程教学未来规划几个方面进行剖析,研讨基于经管类特色的数据库课程教学体系改革与建设的路径和方案。

一种Unet图像分割模型的联邦蒸馏优化算法

联邦学习致力于保证用户隐私与数据安全条件下,有效地解决医疗领域数据孤岛的问题,是一个极巨潜力的发展方向.然而,现存的联邦学习在医疗领域的应用中存在两大难点:高额的通信开销与不平衡数据导致的性能下降.基于此,设计一种应用在图像分割领域的联邦蒸馏优化算法.在算法中,首先设计本地教师模型-全局学生模型的框架,重构轻量的Unet作为学生模型,并用蒸馏损失保证模型性能的稳定.然后,在服务器上部署调节器筛选聚合的参与方,缓解数据不平衡对模型的影响.实验结果表明,该算法降低16倍以上的通信数据总量与约25%的单次训练时间,在异质性的数据集下,不会因为极端数据导致梯度爆炸与性能下降.此外,本文使用真实的COVID-19与HAM10000医疗数据,证明该模型的有效性.

企业社会责任对会计文本语调操纵的治理效应

企业社会责任(CSR)是企业经营战略中不可或缺的一环,在企业治理中发挥着重要的作用。为检验企业社会责任表现对会计文本语调操纵是否具有治理效应,本文基于2017—2021年我国沪深A股上市公司面板数据,实证检验了企业社会责任对会计文本语调操纵的作用机理。研究发现:企业社会责任有效抑制了会计文本语调操纵。进一步研究发现,管理层股权激励在两者关系中发挥了“倒U”型的调节作用,数字信息操纵发挥了部分中介效应。异质性检验发现,当企业为非国有企业、内控质量较低时,企业社会责任对会计文本语调操纵的治理效应更明显。对此,文章提出:政府部门应不断完善关于社会责任的相关制度建设;企业应将社会责任履行纳入公司治理机制中;投资者应更多关注履行社会责任的企业。

基于数据要素视角的养老服务资源建设方案评价方法研究

数据作为当前社会生产各领域中重要的资源,尤其在智慧民生服务中发挥越来越重要的作用。基于数据要素驱动民生服务视角,如何客观对民生服务中养老服务资源实施建设方案科学评价,这对完善整个养老服务体系的建设显得尤为重要。本文从数据要素驱动智慧民生的角度出发,结合模糊理论、博弈论及信息熵相关知识,提出一种多指标的养老服务资源建设分配方案评价方法。该方法针对养老服务的需求特征,分别从日常照料、医疗护理和精神慰藉三个维度构建评价指标体系,进而确定指标的客观权重,并利用优化模型客观地获得多层次结构上标准的交互系数、权重和方案满意度,有效避免了主观偏好不一致的影响。同时,以上海市16个行政区养老服务资源建设分配方案进行方法验证实验。实验结果显示,本文构建的养老服务资源分配方案评估方法具有可行性,且与实际情况契合。本研究是数据驱动民生服务的具体实践,其研究结果可为政府养老服务资源的合理建设实施提供一定的辅助科学决策支持,也为数据要素在智慧民生中提升建设与管理水平提供可借鉴的应用案例。

基于LEBERT-BCF的电子病历实体识别

针对BERT在中文电子病历实体识别过程中缺少词信息,实体边界信息被浪费和模型鲁棒性较差等问题,提出一种基于BERT并引入外部词典进行特征增强和对抗训练的实体识别模型LEBERT-BCF。该模型通过外部词典自动为电子病历进行词汇匹配构建字符-词语对,在BERT内部将字符-词语对中对应字向量与词向量经过Lexicon Adapter模块进行特征融合并使用FGM提升模型的鲁棒性。在CCKS 2019数据集上的实验结果表明,该模型的F1值比BERTBiLSTM-CRF提高了3.45%。

元宇宙技术在工业互联网中的应用研究

纵观我国数字发展新道路,将工业互联网应用于企业的数字化转型已成趋势,但其在信息交互方面仍存在沟通网络覆盖不全、信息传递不够快速准确等问题。为解决此类问题,学者从虚实结合的角度作为切入点,尝试将元宇宙相关技术注入工业互联网之中,为其提供新的优化思路。本文针对元宇宙技术在工业互联网的信息交互方面的应用进行研究,综合现阶段企业数字化转型进程及元宇宙技术在工业互联网中的应用情况,发现元宇宙相关技术已融入工业环境的研发设计、生产制造、产品营销、售后服务等环节,助力工业互联网打破现有时空范式,加速信息流通,从而实现工业互联网配置与部署的全面升级。同时,对二者的未来发展进行展望与建议,元宇宙技术与工业互联网的深度融合将进一步开拓新型工业技术发展、多元发展、绿色发展、循环发展道路,助力我国实现建设工业强国的伟大目标。

基于GA-DBN模型的分类方法研究

本文采用多层受限玻尔兹曼机和BP神经网络构成的深度置信网络作为分类模型,并采用遗传算法对深度置信网络中的受限玻尔兹曼机的参数进行逐层寻优,从而构建了GA-DBN分类模型。通过与随机森林、人工神经网络、支持向量机和XGBoost分类模型进行对比实验发现,构建的GA-DBN模型在分类准确度和F_(1)值上均有较好的表现。为验证遗传算法对DBN模型的优化效果,将人工蜂群算法优化的DBN模型即ABC-DBN模型与GA-DBN模型进行对比实验发现,GA-DBN模型在准确率、F_(1)值和运行时间上均表现出良好的效果,说明遗传算法对DBN模型的优化效果更突出。

年报可读性、信息中介与股票累计超额收益率

上市公司年报作为彰显企业经营业绩的重要文件,其披露信息的可读性关系到资本市场运行的效率。以2017~2021年我国沪深A股上市公司年度财务报告为研究样本,综合运用文本挖掘法、主成分分析法、层次分析法和熵权法相结合的方法构建年报可读性评价指标体系,实证检验年报可读性对股票累计超额收益率的影响。研究发现:年报可读性显著影响股票累计超额收益率,年报可读性越高,股票累计超额收益率越高。但这一影响存在边际递减效应,即随着窗口期拉长,年报可读性对股票累计超额收益率的影响会逐渐减弱直至消失;媒体关注度和分析师关注度负向调节年报可读性与股票累计超额收益率之间的关系。进一步考察发现,在内控质量高、非国有企业、地区市场化程度高以及投资者持股比例高的样本中,年报可读性对股票累计超额收益率的影响更加显著。基于上述研究结果,建议完善政策法规,加大对上市公司信息披露质量的监管力度,提高资本市场信息透明度,切实落实新《证券法》要求。

一类约束优化问题的改进遗传算法

遗传算法是一种解决非线性无约束优化问题的搜索算法，对于约束优化问题通常采用罚函数法；所提出的改进算法很好地解决了一类带有凸约束的非线性优化问题。数值结果说明该方法效果较好。

遗传算法的改进与应用

遗传算法不依赖于具体问题，作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法，对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法，通过构造交叉与变异操作，可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统。

虹桥机场信息化建设项目中的风险管理方法

讨论风险管理内涵与特点,给出风险管理的目标与风险分析的流程。通过以虹桥机场扩建工程中的信息化建设项目为应用背景,应用风险识别理论和相关方法,总结出项目风险识别、分类、评价的思路与方法,进而提出风险控制的策略。

基于节点活跃度与疾病交互双重影响因素的传染病模型

基于SIS传播机制,提出了一个可以用来研究同时具有节点活跃度与疾病交互双重影响因素的复杂网络疾病传播模型。与以往研究不同,本文研究的是两个不同的疾病,同时传播在同一群体中,并且通过疾病间的交互影响来改变自身的传播概率。同时,群体中的个体也会根据一定的活跃度来改变自身活跃状态,进而影响与其他个体的接触状态。在该模型基础上,根据异构平均场理论,分析了疾病传播的动态演化过程和临界阈值。通过计算机仿真验证了模型和理论分析的准确性。结果显示,数值模拟仿真与理论分析结果相吻合,进一步验证模型的准确性。另外,通过模拟疾病间相互损害、相互促进的相反传播情况,发现系统临界阈值的大小会随着个体活跃度的降低而减小。

基于半耦合字典的CT图像超分辨率重建方法研究

在CT图像超分辨率重建中,传统方法存在峰值信噪比和结构相似性低、重建效果差的问题,为获得更好的图像,提出基于半耦合字典的CT图像超分辨率重建方法。该方法利用初始图像与神经元函数之间的卷积形式,曝光处理CT图像。基于图像分辨率的离散化特点,构建了图像降质退化模型。设置匹配点和计算机断层扫描的基本参数,获取CT图像的超分辨率属性特征。经由傅里叶算法,准确匹配图像超分辨率特征点,通过训练半耦合算法,设计了图像超分辨率重建算法,实现CT图像的超分辨率重建。结果表明,该方法不仅可以提高重建的峰值信噪比和结构相似性,还提高了重建图像边缘的圆滑程度,从而实现提高重建质量,获取更好的图像。

基于代价敏感的AdaBoost双层分类社会救助预测模型

社会救助服务是保障社会公平的重要举措之一。针对社会救助业务中被救助人员类型的精准识别问题具有极度不平衡性和传统算法在极度不平衡数据分类中具有强偏好性这两大难点进行研究,提出一种新的不平衡多分类模型—基于代价敏感的AdaBoost双层分类(Cost sensitive AdaBoost-Softmax,CA-SF)模型。首先,基于数量均衡原则设计一种“多变二”机制将多分类问题转化为二分类问题,利用具有代价敏感的AdaBoost模型以降低救助数据的极度不平衡性对分类效果的影响。其次,采用能有效规避多重共线性的Softmax回归来解决平衡数据的二次分类。综合实验结果表明CA-SF与多种常用模型相比在社会救助的精准识别上有更高的预测精度和更强的稳定性,能为精准社会救助提供科学且有效的辅助决策手段。

智慧机场建设中飞行区数智化应用研究

智慧飞行区建设是智慧机场工程中的重要子课题之一,在数智化背景下不断开展飞行区应用探索,对民航产业高质量发展具有重要意义。首先梳理飞行区工作环节,从人工智能、大数据、物联网、元宇宙四个当前主流的数智化技术角度,探索其在智慧飞行区建设中的具体应用,然后总结智慧飞行区建设对于机场系统运营全局的辐射作用,最后展望智慧未来。全面阐述智慧飞行区建设的路径选择和实践,为智慧机场未来发展奠定基础。