基于银行动态多层网络的系统性风险防控政策效果研究

本文基于构建的银行动态多层网络模型,刻画了系统性风险多渠道传染机制,进而模拟分析了宏观审慎政策和货币政策以及两者结合对银行系统性风险的控制效果。研究结果表明,更严格的流动性监管要求和市场约束要求降低了银行资产过度扩张带来的系统性风险。债券利率及其波动均会对银行系统产生影响,一定程度的债券利率波动会降低银行系统性风险,而当债券利率波动高于一定程度时,则会增加银行系统性风险。较高市场流动性水平能够降低银行系统性风险,但当市场流动性水平低于一定程度时,市场流动性水平对银行系统的负面影响会显著增加。宏观审慎政策和货币政策结合比单一货币政策对银行系统的影响更加显著,并且能降低债券利率波动和流动性风险对银行系统的负面影响。相比保证金制度,提高中央清算比例降低银行系统性风险的效率更高。

基于可达性的多层动态航空网络鲁棒性分析

为更准确地描述航空网络以分析其鲁棒性,提出1种以同一始发机场及其离场航班为子网络层,随出发时刻动态变化的多层动态航空网络模型。针对我国国内(不含港澳台)多层动态航空网络,以可达性、度中心性和加权介数中心性为节点特征指标,网络效率为网络性能测度指标,从随机攻击和蓄意攻击2种策略下对网络进行鲁棒性分析。研究结果表明:我国国内(不含港澳台)航空网络的鲁棒性主要由20%的机场提供,且在不同时间段内鲁棒性不同,在2023年夏秋航季,7∶00~20∶00间鲁棒性较好,4∶00~7∶00和20∶00~24∶00鲁棒性较差;用可达性指标衡量航空网络中机场节点的重要程度比度中心性和加权介数中心性指标更准确。研究结果可为保障航空运输网络安全提供一定参考。

动态多层网络视域下的知识解构与迁移路径识别

[目的/意义]文献分析与社会网络分析是知识发现的重要方式,根据知识演化的动态性和层次性,提出一种基于动态多层网络的知识解构和迁移路径识别方法。[方法/过程]首先,通过等时间段划分、知识要素提取、知识网络构建与分层,确定分层网络结构;然后采用单层共有节点占比和Jaccard系数计算知识迁移跨度,采用辛普森多样性指数确定知识要素的重要性,并筛选出知识迁移的主要路径;在此基础上,对知识网络予以重构,明确知识要素间的内在逻辑。以2001—2021年信息管理领域的24种期刊的22049篇文献为样本,以3年为间距划分为4个阶段,并采用CiteSpace软件进行关键词提取和初步统计,运用Pajek软件进行网络分层和基于重要路径的重构。[结果/结论]结果显示:近些年来,信息管理领域形成了以企业为核心的知识结构、以电子商务与用户行为为核心的知识结构和以信息技术与创新为核心的知识结构,信息技术是企业和用户间的重要连接。较聚类分析、时间拓展网络分析而言,所提出的方法不仅能够展示知识要素在知识迁移过程中的重要性,而且重构的网络所展示的知识要素模块及其内在关系逻辑更为具体明确。

基于多层递推离散动态贝叶斯网络的协同决策优化

根据电子对抗与火力打击协同使用分层递阶控制的特点,建立基于多层递推离散动态贝叶斯网络协同使用决策模型。依据协同理论,引入协同度概念,用协同度作为确定电子对抗与火力打击协同使用决策随时间变化的状态转移概率的依据。提出前向后向递归搜索算法,求解电子对抗与火力打击协同使用决策问题。通过仿真实验证明,该方法能够减少信息传输,缩短决策时间,大大增强动态不确定条件下决策的适应性。

基于多层动态累积模型的空间信息网络抗毁性分析方法研究

总结了抗毁性研究的主要方法以及3种主要攻击策略,将供需流思想和时间累积图方法融入到空间信息网络模型中,建立多层动态空间网络累积模型;提出动态网络模型下的抗毁性评价指标-时效网络连通性,以此构建空间信息网络抗毁性分析方法模型;以导航卫星网络、通信卫星网络、遥感卫星网络为例构建空间信息网络仿真想定,按照3种攻击策略进行攻击,并对空间信息网络抗毁性进行分析。验证了所提方法的合理性以及指标的有效性。

基于变结构算法的神经网络预测方法及其应用

针对油田系统常规的建模和动态预测方法的局限性,采用多层动态前向网络作为油田系统的数学模型.研究基于变结构算法的多层动态前向网络预测模型与预测技术;分析梯度算法的不足,提出改进方案;给出单变量多层前向网络预测模型和相应的变结构梯度法,并且把该模型和算法推广到多变量系统,改进了油田系统的建模和预测方法.新方案在油田产量预测应用中颇有成效.

带种族遗传算法的神经网络辨识器及其应用

为了解决油田动态系统建立数字模型难和模型训练难的问题,以多层动态前向网络为模型框架,给出了一种新的油田系统神经网络辩识器,它对上述系统具有通用性。为了训练该辩识器和避免极值问题,模拟生物种族进化机制,设计了新的种族遗传算法。该算法是由改进的带共享机制的遗传算法、启发式山峰聚类算法和新的Powell算法有机结合构成的新型混合算法。应用表明,种族遗传算法具有极强的全局和局部搜索能力,这确保了上述神经网络辩识器具有很高的预测精度,平均相对误差在1%以内。

多层动态前向网络在油田系统预测中的应用

针对油田系统常规的建模和动态预测方法的局限性,采用多层动态前向网络作为油田系统的辨识模型,研究了多层动态前向网络预测模型与预测技术.分析了递推预报误差学习算法的不足之处,提出了改进方案,提高算法的性能,从而更新了油田系统建模和预测方法.新方案在油田开发动态指标预测应用中,取得了很好的效果,表明本文方法的有效性.