领导者心理韧性下行传递效应的多元实现路径

心理韧性是个体应对危机挑战不可或缺的心理能力。如何促进领导者心理韧性的下行传递效应成为提升领导有效性、强化员工心理韧性,进而增强组织危机应对能力的关键。本文融合质性与实证方法,挖掘并验证了心理韧性下行传递效应的实现机制。首先,基于程序化扎根理论的三级编码过程,构建了领导者心理韧性的下行传递效应理论模型,并结合社会信息加工理论探讨了不同传递路径的实现机制。其次,运用Bootst rap方法,通过纵向追踪数据验证了理论模型的普适性。结论包括:1.心理韧性下行传递效应实现机制包括情感传递、认知传递和行为传递三条路径,各路径存在协同作用关系;2.领导与员工间的积极情绪感染构成心理韧性的情感传递路径;3.领导建设性反馈和员工自我效能感搭建了心理韧性的认知传递路径;4.领导容错行为和员工差错反思构成心理韧性的行为传递路径。研究结论增添了心理韧性在组织行为领域的应用场景,为增强组织环境适应力提供新的启示。

社交焦虑、病耻感在精神分裂症患者正念、认知中链式中介路径研究

目的研究社交焦虑、病耻感在精神分裂症(SP)患者正念、认知中链式中介路径。方法选取2022年9月—2023年9月收治的SP 87例,采用一般资料调查问卷、精神疾病病耻感量表、交往焦虑量表、正念注意觉知量表、韦氏成人智力测试对其展开问卷调查,采用Pearson和结构方程模型分析社交焦虑、病耻感、正念、认知间的关系。结果不同性别、年龄、病程、受教育层次、体质量指数、疾病分型SP患者智商值比较差异无统计学意义(P>0.05)。Pearson相关分析显示,SP患者病耻感与社交焦虑呈正相关,正念与社交焦虑、病耻感呈负相关,认知与社交焦虑、病耻感呈负相关,认知与正念呈正相关(P<0.01)。结构方程模型拟合指数χ^(2)/df=4.935,RMSEA=0.051,TLI=0.963,CFI=0.977,NFI=0.952;Bootstrap程序检验显示,正念对认知有直接效应,也可通过社交焦虑、病耻感的平行中介效应或社交焦虑→病耻感链式中介效应间接起正向效应。结论临床在SP患者认知功能康复治疗中,应重视正念干预在不同作用路径之间的效应,并以路径为依据,采取合适方式提高患者认知功能。

基于改进Ratio统计量的重尾AR(p)时间序列均值变点检验

文章提出两个改进的Ratio统计量来研究重尾AR(p)时间序列均值变点检验问题,在原假设下推导了统计量的渐近分布,且在备择假设下证明了其一致性。由于重尾指数未知且难以估计,因此结合Wild Bootstrap重抽样方法来确定渐近分布的临界值;在均值变点存在的情形下,给出了变点位置的一致估计量。数值模拟结果表明:统计量的临界值均不受重尾指数和自回归系数的影响,其经验水平和经验势均取得满意的效果;尤其在原假设下,积分型Ratio统计量的经验水平表现出更好的稳健性,而在备择假设下,最值型Ratio统计量则具备更好的显著性。最后,基于一组股票数据,从实际应用角度进一步阐明所提方法的有效性和可行性。

基于机器学习的高铁边坡位移预测不确定性度量与应用

为解决不确定性问题对高铁边坡位移预测精度的影响,引入区间预测理论量化位移预测中的不确定性问题,并建立Bootstrap-GRU-BP混合区间预测模型(BGB模型)。该模型首先采用基于Bootstrap的门控循环单元(Gated Recurrent Unit,GRU)算法度量位移预测均值和认知误差的方差,再采用BP算法度量随机误差的方差,然后将位移预测均值、认知误差和随机误差的方差3者结合在一起,量化出一定置信水平下的预测区间。最后,基于杭绍台高铁沿线边坡的监测数据,探讨BGB模型认知不确定性的响应特征,并通过对比多种区间预测模型来验证BGB模型的优越性。结果表明:BGB模型不仅能构造清晰可靠的预测区间,还能提供高精度的点预测结果;改变模型输入特征和预测算法会导致认知不确定性的改变,而BGB模型所构造的预测区间能正确地响应不确定性的变化;对比以极限学习机(Extreme Learning Machine,ELM)和支持向量回归(Support Vector Regression,SVR)为核心的区间预测模型,BGB模型的区间预测和点预测性均能更优。研究成果可为高铁边坡位移发展提供可靠的预测结果,进而为高铁边坡可靠度分析提供理论基础。

基于M估计强混合重尾序列结构变点的鲁棒检验

针对强混合重尾序列结构变点的检测问题,为避免因序列重尾性导致最小二乘估计产生偏差,文章提出了基于M估计的比值型检验统计量,用于检测重尾序列位置结构变点。在一般约束条件下证明了原假设下统计量的极限分布是布朗运动的泛函,并得到备择假设下的一致性。针对因序列相依性导致的经验水平扭曲现象,采用Block Bootstrap抽样方法获得了更为准确的临界值,有效提高了检验功效。数值模拟结果显示,在Block Bootstrap抽样方法下基于M估计的比值型检验在强混合重尾序列结构变点检测中能较好地控制经验水平,经验势也较合理。最后,通过一组汇率数据验证了所提检验方法的可行性。

全函数型线性回归模型参数的可分解性检验

本文提出一个可以用于检验函数型线性回归模型参数可分解性的方法.在参数的可分解性条件下,形成了一个新的函数型线性模型结构,此模型结构不仅降低全函数型线性模型的复杂度,还有利于对数据进行解释.构造的检验统计量主要基于模型参数在可分解结构与不可分解结构距离的范数.理论上证明了检验统计量在原假设和备择假设下的大样本性质.借助于Wild Bootstrap的重抽样技术,通过具体的模拟例子和实际数据分析来验证此检验方法的有效性.

基于Bootstrap-C_(pu)的机床进给机构装配过程能力评估方法

机床进给机构装配过程是其装配质量形成的过程,由于受5M1E因素影响,进给机构装配过程能力可能不足,会导致进给机构装配质量出现较大波动,甚至出现不合格产品。为此,基于C_(pu)和Bootstrap理论,构建了基于Bootstrap-C_(pu)的进给机构装配过程能力评估方法,并进行了实际应用。结果表明:在95%置信度条件下,该批机床进给机构装配过程能力是足够的,其装配质量波动较小。

基于Bootstrap框架的响应式网页设计与实现

目的:研究基于Bootstrap框架的响应式网页设计及实现方式,使网页能够适应不同尺寸、型号、品牌的终端,并表现出良好的呈现效果,以期能促进网页设计的发展。方法:深入了解Bootstrap框架的相关内容,并明确响应式网页设计的技术要求,为后续实现方式提供具体的依据,在此基础上探讨基于Bootstrap框架响应式网页的具体设计与实现。结果:结合具体案例对基于Bootstrap框架响应式网页设计与实现进行了详细阐述,明确了响应式网页设计时需要达成的内容及一般方法。结论:Bootstrap框架能够为响应式网页设计及实现提供完备且强大的功能支持,为响应式网页设计及技术应用与实现创造了更多的可行性及拓展性,使网页能够在不同终端上均呈现出理想表达效果。

联合均值和散度逆高斯回归模型的参数估计

逆高斯回归模型可用于分析正偏态数据,人们通常研究解释变量对其均值参数的影响,但往往忽略了对其散度参数的影响,文章则基于解释变量对均值和散度都有影响的前提,针对联合均值和散度逆高斯回归模型,探讨模型参数的极大似然估计问题。MM算法在优化问题上具有分离参数、降低目标函数的维度、简化求解过程等优点,将MM算法应用于联合均值和散度逆高斯回归模型,能将多元似然函数彻底分解为一系列一元函数之和,从而绕开了参数估计中的矩阵求逆问题。模拟研究表明,当数据量达到100时就能得到很好的估计效果;实证分析表明,理论研究在实际应用中具有可行性。

干细胞移植患者白消安暴露量的估算模型研究

目的采用有限采样法建立接受自体造血干细胞移植(autologous stem cell transplantation,ASCT)的淋巴瘤患者体内白消安暴露量-药时曲线下面积(area under the concentration-time curve,AUC)的估算模型。方法选取12名适合接受ASCT的淋巴瘤患者,采用含白消安105 mg·m^(-2),静脉滴注3 h的预处理方案,分别于白消安第1剂输注开始后1 h,输注结束后5 min,1、2、4、6、18 h采集血样,采用液质联用法进行白消安血药浓度测定。采用传统药动学方法计算白消安的临床药动学参数后,采用多元线性逐步回归分析法,建立有限采样法的白消安的AUC 0-t估算模型。以Jackknife法和Bootstrap法进行模型内部验证,采用Bland-Altman图评价经典药动学方法与有限采样法的一致性。结果采取有限采样法得出以AUC对C 60min、C 180min、C 300min进行多元线性回归的方程分析,方程的线性关系和预测效果最好,为AUC 0-t=295.003C 60min+233.050C 180min+273.163C 300min-1202.713,其中r 2为0.995,平均预测误差为-0.87%,均方根误差为2.40%。结论采用三点法估算的有限采样法模型,可以用于接受ASCT的淋巴瘤患者体内白消安AUC 0-t的估算,为临床合理应用白消安提供参考。

Bootstrap样本大数据模型和分布式集成学习方法

传统Bootstrap抽样和Bagging集成学习通常以串行方式实现,计算效率低,且存在样本不可重用、扩展性差等问题,不适合高效的大规模Bagging集成学习。从大数据分布式计算的思维入手,提出新的Bootstrap样本划分(BSP)大数据模型和分布式集成学习方法。BSP数据模型通过分布式生成算法将训练数据表达成分布式Bootstrap样本集的集合,存储成HDFS分布式数据文件,为后续的分布式集成学习提供数据支持。分布式集成学习方法从BSP数据模型中随机选取多个BSP数据块,读入集群各个节点的虚拟机,用串行算法对选取的数据块并行计算统计量或训练建模,再将所有的计算子结果回传至主节点中,生成最终的集成学习结果,此过程中可加入对子结果的质量选择以进一步提高预测效果。BSP数据模型的生成和分布式集成学习采用非Map-Reduce计算范式进行,每个数据块的计算独立完成,减少了计算节点间的数据通信开销。提出的算法在Spark开源系统中以新的算子方式实现,供Spark应用程序调用。实验表明,新方法可以高效地生成训练数据的BSP数据模型,提高数据样本的可重用性,在基于有监督机器学习算法构建的大规模Bagging集成学习实验中,计算效率能提高50%以上,同时预测精度进一步提高约2%。

基于联合时序场景和改进TCN的高比例新能源电网负荷预测

为充分挖掘新型电力系统建设过程中高比例新能源并网对负荷预测的影响,以风光负荷数据为研究对象,提出一种基于联合时序场景和改进型时间卷积网络的短期负荷预测方法。首先,基于3σ准则对风光负荷历史数据进行分析,剔除异常数据,然后应用联合时序场景刻画负荷需求与风光出力的相关性,分类出不同负荷预测场景。接着,利用随机森林算法进行负荷预测特征量提取,构建随机森林时间卷积网络(RF-TCN)预测模型,并采用Bootstrap算法对预测结果进行修正。最后,以甘肃省2022年数据为例进行仿真,并设置4种对比算例。仿真结果证明了所提方法的有效性,以期在新型电力系统建设过程中发挥积极作用。

新能源项目智能监控系统在后期运维中的应用

本研究的目标是利用层次分析法(Analytic Hierarchy Process,AHP)和熵值法构建一个全面的评价体系,以评估新能源项目智能监控系统在后期运维中的效益。考虑在实际运营过程中数据的稀缺性,在评估过程中引入Bootstrap方法。Bootstrap方法利用重复抽样构建多个虚拟样本,优化模型的预测性能。为评估监控系统的效益,进行Bootstrap采样分析,将采样分布结果与原始数据进行对比。这种方法能够更全面了解系统性能,准确评估后期运维效益。本研究旨在为新能源项目的智能监控系统提供科学、可靠的评估框架,优化运营系统,提升可持续性。

多重加速寿命试验下多部件系统的参数估计

多部件系统的可靠性推断是可靠性理论研究中的重要问题。本文首先基于多重恒应力加速寿命试 验研究了部件具有 kumaraswamy 寿命分布的 s-out-of-k 系统,建立了系统可靠性的似然函数, 还给出了模型参数极大似然估计的存在性和唯一性。基于极大似然估计的渐进正态性得到了模型 参数的渐进置信区间。同时,在给定参数共轭伽马先验的假设下,基于不同的损失函数,得到了 参数和系统可靠性的不同贝叶斯估计。其次,构造了参数的 Bootstrap 区间作为渐进置信区间和 贝叶斯区间的对比。最后,分析了一组真实数据来说明本文方法的可行性。

基于半正定优化的共形自举方法在量子力学中的应用

半正定优化是一种非常重要的数学方法,有着广泛的应用。最近两年的研究表明,半正定优化可以用来求解量子力学中的非谐振子问题。本文对此展开研究,以一个一般的多项式势函数为例,表明半正定优化可以求解量子力学中具有一般多项式形式的势函数问题。本文介绍如何将量子力学问题转化为半正定优化问题,并给出数值结果。

风险投资对区域经济协调发展的影响研究

根据2007—2021年省级面板数据建立空间杜宾模型(SDM),实证研究风险投资与区域经济协调发展之间的关系,并从科技创新这一视角切入,运用Bootstrap进行中介效应检验。结果表明:在空间杜宾模型下,风险投资推动区域经济协调发展存在显著的空间溢出效应,空间权重系数也显著为正,但对本地区的经济协调发展水平促进作用效率并不高。同时结合区域异质性来看,东部空间滞后系数显著为正,但中部和西部的空间滞后系数并不显著。在运用Boot-strap进行中介效应检验之后发现,风险投资可以通过科技创新来促进区域经济协调发展,部分中介效应成立。

职业技术教育学会课题申报管理系统设计与实现

传统课题申报方式需要提交书面材料,程序繁琐。开发江苏省职业技术教育学会课题申报管理系统,基于ASP.NET技术、三层架构,使用Bootstrap进行网站布局,采用Web前端框架及组件技术,使用C#进行后端编码,实现课题在线申报、评审。

基于数值天气预报修正和气象相似日的短期风电功率区间预测

为解决风电出力因其波动性无法准确预测的问题,提出了一种基于改进BP神经网络和Bootstrap方法的短期风电出力区间预测方法。拟合历史数值天气预报(NWP)及实际观测值,修正待预测时刻NWP数据,并根据灰色关联系数法筛选气象相似时刻。采用粒子群算法优化BP神经网络参数,引入Bootstrap法增加数据多样性,建立多个确定性预测模型。运用百分位数估计法得到了给定置信水平下各时刻的功率波动区间。以国内某风电场为例,提前24 h预测风功率,结果表明,所得区间各项评估指标均满足实际工程需要。

数据普惠金融对股份制银行的不良贷款风险影响探析

文章利用12家股份制银行中的贷款数据,基于数据普惠金融对股份制银行的不良贷款风险影响进行研究。首先利用假设中提出数据普惠金融在不同因素下对股份制银行贷款风险与异质性研究问题;其次建立被解释变量、核心解释变量与控制变量模型,针对研究状况通过Hausman模型效应进行相应的分析,其分析内容为贷款风险的稳定性与异质性;利用Bootstrap与Sobel进行检验不良风险贷款(NLRK)与银行内部特征(ICB)、法规政策(CRP)中介效应之间的关系;进而得出结论即数据普惠金融对股份制银行的不良贷款经营影响显著降低,而不受异质性影响,但受机制的影响;最后,根据数据得出的结论提出相关建议,有利于降低不良贷款的风险,提升金融服务质量。

基于微信小程的序体育用品租赁服务平台的设计与应用

随着各地区对人才的大量引进,体育用品租赁的需求日益增长。基于此背景,该课题设计了一款基于微信小程序平台的体育用品租赁系统。该系统分为微信小程序用户端和Web后台管理员端,涵盖了技术路线、系统设计、系统测试及系统应用等方面。该系统的开发思路和方向,针对尚未推广和使用的小程序版本的体育用品租赁系统,旨在为用户和管理者之间的交互与操作提供便利。