基于向量GJR-GARCHSK模型的高阶矩持续与协同持续性研究

在对单整理论和协整理论研究的基础上,文章提出基于向量GJR-GARCHSK模型的偏度和峰度持续与协同持续的概念,并给出了偏度和峰度持续与协同持续存在的充分必要条件,同时给出了相应的理论证明。金融时间序列高阶矩协同持续的研究为更好的进行动态金融风险防范与对冲提供了理论工具,使得建立在高阶矩协同持续性基础上的动态资产配置成为可能。

大语言模型融合知识图谱与向量检索的问答系统

随着深度学习的发展,大型神经网络在自然语言处理领域得到广泛应用。然而,基于大模型的问答系统存在幻觉、失效过期等问题,且难以捕捉实体之间的复杂关系,导致结果偏差。鉴于此,提出一种利用大语言模型微调构建知识图谱和向量检索的融合问答系统。系统通过微调大模型实现知识图谱构建与应用、多模型混合调用;结合知识图谱搜索和向量搜索实现检索结果优化。系统包括图查询模型微调、知识图谱抽取模型微调、知识图谱与向量数据库构建、融合检索与排序4个模块。图查询模型和知识图谱抽取模型分别用于生成图查询语句和抽取三元组知识;知识图谱存储在Neo4j中,文本向量存储在向量数据库中(postgres vector,PGVector)中;融合检索综合利用知识图谱和向量搜索结果。结果表明:在标准问答数据集(the stanford question answering dataset,SQuAD)上,融合检索方法的F1值为0.77,优于单一的知识图谱检索(0.73)和向量检索(0.74)方法。专家评估也表明,融合方法的结果最佳。该融合问答系统能充分发挥大模型、知识图谱和向量检索的优势,提高了问答的准确性和全面性。未来可在知识图谱更新、模型偏见减少和系统优化等方面开展进一步研究。

基于情绪向量的隐半马尔可夫模型股市拐点预测方法

股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法难以适应市场情绪的多变性,在实际应用中效果不理想。文章针对市场情绪的不稳定性导致股市拐点难以预测的问题,提出一种基于情绪向量的隐半马尔可夫模型股市拐点预测方法(hidden semi-Markov model stock turning point prediction method based on sentiment vector,SV-HSMM)。针对市场情绪不可观察性,选取与市场情绪相关的主要特征,使用马尔可夫毯融合成市场情绪;利用隐半马尔可夫模型建模市场环境,构建市场情绪、市场状态和状态持续时间之间的结构关系;引入情绪向量平滑情绪的多变性,并利用Kullback-Leibler(KL)距离量化情绪热度;利用隐半马尔可夫模型的动态推理实现股市拐点预测。结果表明情绪向量方法具有更好的预测效果。

湖南高速公路基础设施碳排放峰值支持向量回归预测模型

本文选取湖南省的人口数、人均GDP、基础设施固定资产投资、单位产值能耗比和单位能耗碳排放量作为高速公路基础设施的碳排放影响因素,选用湖南省2003—2021年相关数据并采用支持向量回归(SVR)机器学习法,建立了湖南省高速公路基础设施碳排放预测模型,预测在基准、低碳和超低碳情景下的碳排放数据。结果表明:训练样本交叉验证均方误差为0.007011,模型的预测值和真实值的拟合回归效果良好,训练集和测试集的相关系数分别为0.9869和0.9870,即模型具有良好的学习和推广能力。本文识别了碳排放的影响因素,预测了未来碳排放趋势,对交通基础设施碳减排行动具有一定的参考意义。

机车前端薄壁吸能管仿真模型模糊参数的支持向量回归反求

为了获得影响耐撞性结构有限元计算精度的准确模型参数,提高冲击仿真的准确性,提出一种基于支持向量回归(support vector regression,SVR)模型进行参数优化反求的方法。以一种机车前端防爬结构中的预压薄壁吸能圆管为研究对象建立有限元模型,进行台车冲击试验验证仿真模型准确性。通过拉丁超立方试验设计驱动有限元模型进行少量计算获得数据集,有限元模型中的模糊参数为输入变量,计算与试验载荷的差异为目标响应,通过SVR方法构建映射关系,并采用增强精英保留遗传算法(strengthen elitist genetic algorithm,SEGA)对超参数进行优化,确定SVR模型最佳配置;通过该最优SVR模型再次使用SEGA优化反求,获得最佳模糊参数组合。使用这组参数组合设置有限元模型,其仿真结果相较初始计算耐撞性指标和载荷曲线匹配程度都得到了提高。研究结果为有限元模型中模糊参数的准确设定、碰撞仿真的精度提升提供了一种新的思路。

城镇居民收入对中超联赛上座人数的影响——基于向量自回归模型的实证研究

为促进我国足球产业的发展,选择2004-2019年中超联赛上座人数和城镇居民可支配收入的时间序列数据,运用向量自回归模型探究了城镇居民可支配收入对中超联赛场均上座人数影响,结果发现:(1)对上座人数和居民收入取对数后,两者的原始数据都是属于平稳序列.向量自回归模型的最优滞后阶数是1阶,模型结果显示居民收入和上座人数两者存在协整关系.(2)两者存在单项因果关系,居民收入是上座人数的格兰杰原因,说明居民收入对上座人数有一定预测作用.(3)居民收入对上座人数有正向冲击,而上座人数对自身的冲击则波动较大.方差分解结果显示,居民收入对上座人数的贡献逐步提升,10期后接近20%;而上座人数自身的贡献率较大,保持在85%以上.根据研究结果,提出了打造联赛口碑,提升联赛质量,增加居民可支配收入,引导扩大体育消费等策略,以期为提高中超联赛办赛水平提供参考.

基于随机森林和支持向量机的Mo-Nb合金本构模型

在变形温度为900~1200℃、应变速率为0.01~10 s^(-1)条件下,采用Gleeble-3800型热模拟试验机对Mo-Nb合金进行等温恒应变速率压缩实验,研究Mo-Nb合金的流动应力行为,并采用随机森林和支持向量机的方法建立该合金的本构关系模型。结果表明:Mo-Nb合金是负温度和正应变速率敏感型材料,其流动应力随变形温度升高和应变速率降低而减小;随机森林和支持向量机本构关系模型的训练样本的相关系数和平均相对误差分别为0.989、0.998及2.41%、0.94%,测试样本的相关系数和平均相对误差分别为0.991、0.996及2.47%、1.4%,二者都具有较好的预测能力;支持向量机本构关系模型精度高于随机森林,因此,支持向量机本构关系模型更适于预测Mo-Nb合金的流动应力。

面向电力设备异常检测的深度自编码支持向量数据描述模型研究

针对深度自编码支持向量数据描述模型对电力设备部分异常区分能力不足的问题,提出自监督混合专家增强的深度自编码支持向量数据描述模型,构造多种自监督变换数据集模拟潜在未知异常,引入自监督分类和掩码重构任务以学习更具区分性的表示。此外,将编码器部分改造为混合专家模型结构,将数据分配给不同专家子模块进行专业化的学习,使异常决策边界更清晰。在4个公开数据集和3个电厂设备数据集上的实验结果证实了自监督学习和混合专家模型的有效性。

基于Logistic回归和支持向量机的早发性结直肠癌风险预测模型

目的:通过Logis tic回归和支持向量机(SVM)探究早发性结直肠癌(EOCRC)和晚发性结直肠癌(LOCRC)的危险因素,建立针对不同年龄段人群的风险预测模型并比较预测效果。方法:选择2012—2022年诊断为结直肠癌患者,记录人口学特征、临床表现、既往史、家族史、生活方式、体格检查、实验室检查及病理诊断,分别建立风险预测模型,比较两模型的ROC曲线下面积(AUROC)、准确率、精确率、召回率、F1分数。结果:综合两模型结果,EOCRC风险与出现消化道出血、腹胀腹痛、大便习惯改变等临床表现、体重减轻、肿瘤标志物升高具有较强的正相关性,与婚姻状况、阑尾切除史、糖尿病史、血脂异常病史、结直肠癌家族史也存在较弱的正相关;LOCRC风险与婚姻状况、出现临床表现、体重减轻、血脂异常、肿瘤标志物升高具有较强的正相关性,与年龄、吸烟、阑尾切除史、结直肠癌家族史也存在一定的正相关性。两模型的AUROC、准确率、F1分数相差不大,但Logistic回归模型的精确率更高而SVM模型的召回率更高。结论:EOCRC和LOCRC的危险因素不完全相同,婚姻状况、吸烟、血脂异常、肿瘤家族史在EOCRC中的贡献低于在LOCRC中的贡献。相较Logistic回归,SVM能发现更多的结直肠癌危险因素,能尽可能多的找出结直肠癌的可能患者。

基于信息量-支持向量机组合模型的东莞市地面沉降灾害易发性评价

易发性评价是地面沉降灾害风险识别及减避控制的靶向关键技术问题,为解决单一评价模型存在的过拟合问题,以东莞市地面沉降发育重点区为对象,采用相关系数法筛选并构建由软土层厚度、填土层厚度、与断裂带距离、建筑密度和道路密度组成的评价因子组合,开展基于信息量-支持向量机组合模型的地面沉降易发性评价,并结合地理信息系统(GIS)划分出高(Ⅰ)、中(Ⅱ)和低(Ⅲ)3个易发性等级分区。结果表明:使用受试者工作特征曲线(ROC)和历史灾点验证法校验,信息量-支持向量机(IM-SVM)组合模型的AUC值为0.915,位于高、中易发性分区内的灾点数为90.57%,较单一信息量模型(IM)和支持向量机模型(SVM)具有更高的评价精度。基于数据驱动的机器学习法在对灾害评价分类方面有更强的优越性,进一步选取相同原理、性能差异不大的学习器进行组合更能实现评价可靠性的提高。

中国冬季降水的支持向量机预测模型研究

我国冬季降水对于农业、水资源管理和自然灾害风险评估具有重要意义.受多种气象因素的影响,冬季降水的预测仍具有挑战性,进一步提升冬季降水的预测技巧是当下短期气候预测研究的重要课题.本研究采用支持向量机(SVM)方法,旨在通过机器学习方法提高中国冬季降水的预测准确率.基于NCEP_CFS, ECMWF_SYSTEM, BCC_CSM等五个模式数据以及站点数据,建立针对冬季降水的SVM集成预测模型,并与单个模式和等权集合平均模型(AVE)加以对比.SVM模型因其强泛化和处理非线性问题的能力,在中国冬季降水预测中表现良好.研究表明:(1)SVM模型较单个模式及AVE模型的预测准确性与稳定性得到大幅提升,SVM模型的PS评分和PCS评分显著高于单个成员模式的结果,最大分别提高了8.0(12.6%)和3.9(7.4%),较AVE模型则最大分别提高了5.4(8.2%)和2.1(3.8%),预报技巧的提高在观测资料相对缺乏的西南和西北地区尤为明显.(2)从均方根误差和时间相关系数的空间分布上来看,SVM模型对其成员模式在西藏地区、西南地区、华东及华南地区误差较大的情况改善明显,误差最大降低了259(90.9%),预报技巧最大提高了1.13.(3)独立样本检验中,SVM模型的PS评分和PCS评分显著高于单个模式和AVE模型,最大提高了10.79(20.3%)和11.39(27.3%).因此,SVM模型的构建,将有助于进一步提高中国冬季降水预测的准确性和稳定性,为气象防灾减灾和气候资源开发利用等提供重要技术支撑.

基于逻辑回归和支持向量机耦合模型的滑坡易发性分析

滑坡灾害的发生具有累进性,进行滑坡易发性评价是防灾减灾的前提。以四川省旺苍县为例,使用频率比法判断12个滑坡影响因子的各分级区间滑坡敏感性,经波段集统计确定11个滑坡影响因子作为滑坡易发性评价因子,通过建立逻辑回归-支持向量机(logistic regression-support vector machine,LR-SVM)耦合模型,搭建滑坡易发性评价体系,完成旺苍县滑坡易发性评价并进行模型精度比较。研究结果表明:逻辑回归-支持向量机耦合模型的评价指标结果均优于逻辑回归模型,易发性分区结果更合理,预测精度更高;在低易发区选取非滑坡点为提高滑坡易发性评价性能作用明显;研究区内道路、高程和NDVI对滑坡发育的敏感性较强;高易发区主要分布于低海拔的水系和道路两侧。

基于向量误差修正模型的电池簇不一致检测方法及智能运维方案

针对储能电站实际运行数据中存在电池数据不完整、数据片段化导致检测不准确的问题,提出基于向量误差修正模型的电池簇不一致检测方法。该方法根据随机电压片段数据构建电池簇与电池单体的向量误差修正模型,计算脉冲响应函数,分析电池单体对电池簇的动态作用机制,判断电池簇不一致程度,再通过方差分解分析确定异常电池单体及后续运维。最后,根据储能电站实际运行数据进行分析,验证了电池簇不一致检测方法及运维方案的可行性和有效性,并在100kW/200kW·h储能平台进行实际工程测试。

基于改进支持向量回归模型的高校学生成绩预测研究

为提高学生成绩预测的准确性,考虑到学生学习行为特征数据的高维和非线性特征,提出了一种基于改进支持向量回归模型的高校学生成绩预测。对支持向量回归(SVR)模型的核函数进行了改进;设计了变邻域搜索算法(VNS)对改进支持向量回归模型的参数进行了优化;将上述方法应用于某高校学生数学成绩数据,并与原始SVR和基于其他智能优化方法的SVR进行了对比,验证了所提方法的有效性。

基于ADDIE模型的高中数学单元教学设计——以“空间向量和立体几何”为例

在新课标空间向量和立体几何中要求教师在教学活动中能够培养学生直观想象的能力,因此本文运用ADDIE模型对空间向量和立体几何进行单元教学设计,根据分析、设计、开发、实施、评价五个方面对本单元的构建进行探索和设计,进而更进一步优化教学,更好地让学生理解、掌握、体会向量的必要性。In the new curriculum standard space vector and solid geometry, teachers are required to cultivate students’ intuitive imagination ability in teaching activities. Therefore, this paper uses ADDIE model to design the unit teaching of space vector and solid geometry. According to the five aspects of analysis, design, development, implementation and evaluation, the construction of this unit is explored and designed, so as to further optimize the teaching and better enable students to understand, master and experience the necessity of vector.

基于支持向量机算法的重症患者压力性损伤分级预测模型的构建及应用价值

目的基于支持向量机算法构建并验证重症监护病房(ICU)患者压力性损伤(PI)分级预测模型。方法收集2020年12月至2022年12月157例在重庆市某三级甲等医院重症医学科住院患者的临床资料,采用χ~2检验和kruskal-Wallis H检验筛选PI分级的影响因素。再将数据以7∶3的比例随机分为训练组和验证组,基于训练组数据利用支持向量机算法建立ICU患者PI分级预测模型,并采用五折交叉验证法进行参数优化。训练好的模型在验证组数据集中进行内部验证,对前后结果进行混淆矩阵分析,采用准确率、精确率、召回率、F1值和受试者工作特征曲线的曲线下面积(AUC)评估模型的性能。结果初步确定10个影响PI分级的因素,在gamma=0.1、cost=2.2时模型的性能最佳,PI分级预测模型的准确率为81.25%,精确率为79.70%,召回率为80.30%,F1值为79.90%,受试者工作特征曲线的AUC为0.939。结论构建的PI分级预测模型预测性能良好,可为临床医护人员制订ICU患者预防PI的分级护理干预方案提供参考依据。

基于频率比−支持向量机耦合模型的四川省喜德县滑坡易发性评价

针对滑坡易发性评价中因子分级基础数据与评价模型的选取问题,本文以滑坡灾害频发的四川省喜德县为研究区,采用斜坡单元为评价单元,通过对评价因子进行相关性分析,选取高程、坡度、曲率、NDVI、SPI、距水系距离、距道路距离、距断层距离、斜坡结构、工程地质岩组、土地利用类型11个评价因子,分别对区域点属性和滑坡点属性两类基础数据采用自然断点法进行因子分级,代入频率比模型和频率比–支持向量机耦合模型来评价滑坡易发性,并使用受试者工作特征(ROC)曲线与典型斜坡来验证模型精度。结果显示:以滑坡点属性作为分类基础数据并运用耦合模型得到的评价精度最高,对应的曲线下面积(SAUC)值为0.752,能更好地预测滑坡易发性;模拟结果显示,研究区极高、高易发区面积占比分别为4.65%和23.73%,主要分布在地形起伏较大、断层发育、人类工程活动强烈的区域。相反,断层稀疏、人口分散的地区属于中、低易发区,其面积占比分别为44.20%和27.42%。结果将为喜德县及其类似地区滑坡易发性评价工作提供科学参考。

基于粒子群优化相关向量机的爆破飞石距离预测模型

为了快速、准确地获取爆破飞石距离,及时控制爆破危害,提出了一种基于粒子群优化(particle swarm optimization,PSO)相关向量机(relevance vector machine,RVM)的爆破飞石距离预测模型。该模型用PSO对RVM模型核宽度参数进行优化,自适应获取最优参数,利用优化后的RVM建立炮孔孔径、炮孔长度、最小抵抗线与孔距之比、炮孔填塞长度、最大一段装药量和炸药单耗6个主要影响因素与爆破飞石距离的非线性映射关系。采用绝对值相对误差δ、均方根误差E_(RMS)、均方误差E_(MS)、平均绝对误差E_(MA)、相关系数R 2等多项指标对模型性能进行评价。将该模型应用于马来西亚柔佛州某矿山的爆破飞石距离预测,并与相同样本下的二次有理高斯过程回归模型、中等高斯核支持向量回归模型和双层神经网络模型3个模型中的最优结果对比:PSO-RVM模型的R 2提高了7.1%,E_(RMS)降低了14.56%,E_(MS)和E_(MA)分别降低了26.99%和15.96%。PSO-RVM模型的预测结果可信度和拟合度更好、精度更高。

构建圆的模型 巧解向量最值

向量最值问题是高中数学考试中经常出现的一类问题。圆是数学中非常重要的几何图形,如果能在向量最值问题中发现“隐形圆”,并构建其模型,那么这类问题就会迎刃而解。文章结合几道例题,从五个方面探讨如何通过构建圆的模型求解向量最值,以期为教师提高学生的解题能力、提升学生的思维能力提供参考。

基于向量自回归模型的旅游业相关因素分析——以贵州省为例

随着在第三产业的占比越来越大,旅游业逐渐成为城市发展的支柱产业,分析贵州省旅游业影响因素有利于促进旅游业持续发展和经济的增长。通过构建向量自回归模型,分析了贵州省旅游业与地区生产总值和园林陆地面积之间的关系。通过收集2000—2021年相关指标数据,运用平稳性检验、单位根检验、脉冲响应分析等进行检验,研究发现:贵州省旅游业与上述指标相互影响。