数字素养对相对贫困影响效应研究

数字经济的浪潮席卷而来,数字素养在贫困治理中的作用尚不明确。本文基于2017年和2019年的中国家庭金融调查数据(CHFS),在主观相对贫困和客观相对贫困的双重视角下,运用Probit模型验证了数字素养对相对贫困的影响效应。结果表明,数字素养水平每增加1%,客观相对贫困发生率下降0.94%,主观相对贫困发生率下降0.73%,数字素养能有效缓解居民相对贫困,其缓解机制为数字素养通过促进创业以及非农就业、降低信贷成本、积累社会资本来缓解主客观相对贫困。另外,异质性分析发现,数字素养对农村居民主客观相对贫困的缓解效应更显著,数字素养对60岁及以上群体客观相对贫困缓解程度更显著,但对60岁以下群体主观相对贫困缓解作用则不及60岁及以上群体显著。

基于模糊PID的恒功率车削控制方法

针对数控车床车削过程复杂多变、参数选择保守等特点以及传统控制方法自适应性差、超调现象严重等问题,将模糊控制与传统PID控制结合,以主轴功率恒定为约束条件,使用模糊PID控制算法,实现对数控车床车削加工过程的恒功率控制。对车削系统进行功率建模,采用Simulink仿真分析和车削实验进行验证,结果表明:文中方法优化了车削加工效率、降低了能耗。

基于PCC-GWO-SVM算法的刀具磨损预测

针对在刀具磨损实时监测过程中受外界噪声影响而导致预测准确度较低问题,提出一种基于皮尔逊相关系数(Pearson Correlation Coefficient,PCC)和灰狼优化支持向量机(Grey Wolf Optimization Support Vector Machine,GWO-SVM)的刀具磨损量预测模型。该模型采用时域、频域和时频联合域上的特征提取方法,能有效捕捉刀具磨损过程中不同方面的信息;通过PCC优化方法筛选与刀具磨损高度相关的特征数据,提高模型的特征提取能力;利用灰狼算法获取搜索狼群中具有最佳适应度值的位置,即对应的SVM惩罚因子C和核函数参数σ作为SVM的最优参数进行构建和训练,提高预测精度。实验结果表明,PCC-GWO-SVM模型在球头铣刀磨损预测任务中的均方误差MSE为0.0181mm^(2),平均相对误差MAPE为0.187%,决定系数R^(2)为0.9827,均优于预测模型GA-SVM和BES-LSSVM,验证了该模型的有效性和可行性。