基于灰色马尔可夫模型的专利申请量增长率预测

由于专利申请量年平均增长率受多种因素的影响,本文把专利申请量年平均增长率的变化过程视为一随机过程,将灰色系统理论与离散状态的马尔可夫链相结合,提出了专利申请量年平均增长率变化过程的灰色马尔可夫预测模型。在状态划分过程中,采用均值-标准差分级法进行指标分级与状态划分,在实例分析中,把11年的专利申请量年平均增长率资料划分成五种状态。预测分析结果表明,利用灰色马尔可夫预测模型进行专利申请量年平均增长率的变化过程预测是可行的。

改进的BP神经网络在专利申请量增长率预测中的应用

专利申请量的增长率受多个因素的影响,呈现高度的非线性.采用改进的BP神经网络对专利申请量年增长率进行预测.分别用一维和多维时间序列进行分析预测,结果表明一维时间序列分析泛化能力强,多维时间序列分析预测精度较高.

基于R/S分析的专利申请量年增长率的相关性研究

Hurst指数是描述分数布朗运动的重要指标.利用R/S分析方法计算出我国专利申请量年增长率的Hurst指数稳定在0.62附近,分形维数稳定在1.38附近.表明我国专利申请量年增长率时间序列,服从分数布朗运动,专利申请量年增长率具有长期相关性.历史数据的影响力随时间间隔的长度增长而缩小,当间隔长度达到10年以上时,历史数据的影响力趋于稳定.

宏观冲击如何影响区域创新绩效——基于区域创新体系的视角

本文利用 MCS-GVAR 模型为区域创新体系提供了一个定量的研究框架,并在此基础上研究不同层级的宏观冲击如何影响区域创新绩效的整体表现。为此,本文手工搜集了 2006 年至 2017 年的季度专利申请以及其它相关数据,分别考察了系统内部的中央层级、地方层级的政策冲击以及系统外部冲击对于各省份专利申请增长率的影响。研究结果发现我国各省专利申请增长率在短期内受中央层级政策的影响,在长期需要两年左右才能回到稳态。