基于BP神经网络的科创板企业研发成本预测

把脉研发创新规律,突破科技成果转化难关是盛行不衰的话题。文章选取280家科创板上市公司的数据作为学习样本,建立了BP神经网络研发成本预测模型,并对网络进行仿真测试,以杭可科技公司为例应用预测模型进一步验证其可行性与准确性,结果发现:BP神经网络模型在科创板企业研发成本预测上的应用是行之有效的;BP神经网络预测相较于传统的回归预测拟合效果好,有较高的预测精度;BP神经网络的应用能提升科创板企业研发成本预测的准确性,解决历史数据不足问题,也能为企业降本增效指明方向。最后,鉴于真实情况和预测结果为科创板企业降本增效工作提出相应的改进建议。

西安市2014-2022年大气污染物特征及潜在源分析

西安市作为汾渭平原典型城市,大气污染问题一直广为关注.本研究基于2014—2022年西安市的气象数据和环境空气质量监测数据,利用数理统计的方法对西安市大气污染特征及气象因子进行分析,再结合后向轨迹对典型污染事件进行深入分析.结果表明:西安市2014—2022年除O_(3)浓度增长外,其余5项污染物浓度均呈下降趋势;O_(3)月均浓度呈现“夏高冬低”的分布特征,颗粒物PM_(10)和PM_(2.5)重污染月为1月份;6项污染物的日内浓度变化明显,其中,O_(3)日内浓度分布特征为“单峰型”,PM_(10)与CO为“双峰双谷”的分布特征.从空间变化看,PM_(2.5)污染高值区逐年减少,O_(3)污染高值区从西部转移到中部;平均气温、相对湿度和降水等气象因子均与污染物浓度具有强相关性.通过后向轨迹聚类和潜在源区分析可知,PM_(2.5)重污染高值区域主要集中在河南西部、湖北西北部及陕西南部,主要为近距离传输;O_(3)重污染高值区域主要集中在湖南北部、湖北南部、四川东北部及陕西南部.