基于投入产出和DEA的重庆主导产业选择研究

本文以重庆经济社会发展所呈现的重大战略机遇期为背景,以重庆市的投入产出数据为依据,结合产业经济学中有关主导产业选择的理论,根据投入产出法、层次分析法和数据包络分析法的相关原理,构建了一个重庆主导产业选择的模型并进行了实证研究,最终选择出重庆的主导产业,并指出了研究的不足之处和以后的研究方向。

论重庆产业结构高级化趋势及制度环境构建

运用钱纳里-赛尔奎因准,分析了重庆市产业结构高级化演进的状况和趋势,并与同期全国平均水平进行了比较。对构建重庆市产业结构高级化的制度环境提出了建议。

扩大内需视角的重庆市居民消费需求探析

消费需求作为拉动经济增长的最终力量,正对我国经济发展产生越来越重要的影响。研究居民消费,有助于确定居民消费变化在扩大内需、促进我国经济增长中的作用,这对于各种政策的制定也有一定的参考价值和借鉴意义。本文从扩大内需的视角,选择二元经济结构突出的重庆市作为研究对象,通过城乡居民消费状况的比较,对其居民消费需求进行研究,进而提出扩大内需的具体建议和努力方向。

广东省工业主导产业选择初探——基于因子分析和聚类分析的实证研究

在系统梳理国内主导产业选择现有研究成果的基础上,根据产业经济学相关理论,构建出广东省工业主导产业选择的模型,并利用《广东省统计年鉴2009》、《2008年广东经普年鉴》和《中国统计年鉴2009》的相关数据,采用因子分析和聚类分析的方法进行实证研究,从而选择出广东省工业主导产业。

中国资源—环境—经济复合系统发展及协调状况研究:2000—2012

笔者以系统论的视角,利用2000—2012年数据,在分析中国资源、环境与经济发展状况的基础上,建立复合系统可持续发展评价模型,运用主成分分析法和模糊数学隶属函数,对中国资源—环境—经济复合系统的综合发展及协调状况进行实证研究。结果表明:资源—环境—经济复合系统的发展水平增长趋缓,中国资源—环境—经济复合系统协调发展水平较低,各子系统间发展不平衡。

重庆发展方式转变与结构调整问题研究

首先对重庆市经济社会发展的水平和态势进行评价,进而指出其中存在的突出矛盾和问题及其症结所在,最后提出关于重庆市未来发展中惠民生,调结构,转变发展方式的发展思路和政策建议。

基于小样本SVR的迁移学习及其应用

当前机器学习的技术已经运用到很多工程项目中,但大部分机器学习的算法只有在样本数量充足且运用在单一场景中的时候,才能获得良好的结果。其中,经典的支持向量回归机是一种具有良好泛化能力的回归算法。但若当前场景的样本数量较少时,则得到的回归模型泛化能力较差。针对此问题,以加权ε支持向量回归机为基础,提出了一种小样本数据的迁移学习支持向量回归机算法。该算法以加权ε支持向量回归机为Bagging算法的基学习器,使用与目标任务相关联的源域数据,通过自助采样生成多个子回归模型,采用简单平均法合成一个总回归模型。在UCI数据集和现实数据集——玉米棒与花生粒储藏环节损失数据集上的实验结果表明,该算法较标准ε-SVR算法与改进的RMTL算法在小数据样本上有更好的泛化能力。

基于RDPSO-RBF的粮食产后储藏环节损耗评估模型

为使减少粮食储藏环节的损耗,调查储藏环节中粮食作物的损失情况并进行评估预测。通过分析问卷,统计描述影响损失率的各个因素,应用随机漂移粒子群优化算法(random drift particle swarm optimization,RDPSO)和径向基函数(radial basis function,RBF)网络对储藏环节损耗进行评估预测,将调查问卷获得的数据作为RBF模型数据集,应用RDPSO算法进行模型的参数训练,从而获得粮食损耗的智能评估模型。采用稻谷数据作为各模型的数据集,通过仿真试验,对比数据拟合情况和均方误差,其RDPSO-RBF模型学习性能和泛化性能更强。因此,RDPSO-RBF能更好地应用于实际的粮食管理中。

基于RDPSO-SVM的粮食产后储藏环节损耗智能评估方法

粮食产后储藏损耗是困扰粮食储藏企业的一大难题,也是影响企业经济效益的重要因素,因此对粮食储藏环节中损耗的评估,对于粮食产后减损具有重要的意义。本文通过调查问卷,对粮食储藏中影响损耗的因素进行调查,将获得的数据通过支持向量机(Support Vector Machine,SVM)模型进行建模,对储藏环节中的粮食损耗进行智能评估。同时,为了提高模型的精度,采用随机漂移粒子群优化(Random Drift Particle Swarm Optimization,RDPSO)算法对SVM的参数进行训练,充分利用RDPSO算法的全局搜索能力找到模型参数的最优解。实验结果表明运用RDPSO算法优化的SVM模型,能够得到比基本的SVM模型和线性回归模型更准确的粮食损耗预测。

基于RDPSO-BP的粮食产后储藏环节损耗预测分析

对产后粮食损耗进行分析与研究,调查获得10多个省份的粮食损耗问卷,对问卷进行统计分析得到影响损耗的各个因素变量,同时进行数据预处理作为模型数据集。最后,将该数据集应用于提出的RDPSO-BP模型中。将随机粒子群(RDPSO)算法与BP神经网络相结合,并优化神经网络参数,从而得到粮食产后储藏环节损耗率预测模型。通过MATLAB仿真实验,发现优化后的RDPSO-BP模型相比传统BP神经网络,具有更高的预测精度,训练与测试误差分别降低了0.041%和0.055%。因此,该模型能够更好地预测粮食产后储藏环节的损失率,在实际粮食损耗分析中具有重要作用。

中国城市全面数字化转型

2020年,全球范围"新冠疫情"肆虐,传统生产生活方式面临挑战,信息化、数字化需求激增,城市全面数字化转型已是众心所向。2021年,落实"双碳"目标,坚定"高质量"步伐,数字化转型上升到国家战略,成为提升城市能级和塑造核心竞争力的得力抓手与现实选择。未来,头部城市数字化转型规模效应、示范引领和辐射带动作用凸显,随着转型战略的全面深入实施与数字红利的持续释放,一大批"转型大军"将快马加鞭、乘势而上。

2022年我国智慧城市发展八大趋势

新型智慧城市建设蕴藏着创新供给和扩大需求的巨大潜力和空间,已成为各区域抢占新一轮信息产业制高点的重要举措。在新型城镇化建设深入推进、“数字中国”战略持续实施、“双碳”目标贯彻落实及数字技术与实体经济深度融合的背景下,2022年我国智慧城市建设将在建设动因、布局重点、技术创新、低碳数字化、安全防护等方面呈现出八大新发展趋势。

智慧城市发展八大趋势

当前,我国智慧城市建设已进入全面提升新阶段,一改过去分散推动、单部门实施的建设模式,更加重视统筹协调与集约建设,着重以组织扁平化、数据共享化、业务协同化为切入点,进行一体化推进。智慧城市是建设数字中国、智慧社会的核心载体,我国智慧城市建设已进入以人为本、成效导向、统筹集约、协同创新的新发展阶段,发展重心也逐渐从满足政府管理需求向营造优质环境、构建长效发展机制转变。