基于多维关联规则的区域能源安全外生警源隐含特征分析

针对现阶段我国区域能源安全突发事件频现的问题,对区域能源安全外生警源隐含特性展开了研究。通过对区域能源安全事件案例抽取,构建了能源安全外生警源属性集和数据集。依据数据集的特点设计了能源安全外生警源多维关联规则挖掘模型。该模型首先基于多维属性融合的思路,通过把属性划分为事务项,将外生警源多维属性映射为一维,然后利用Apriori算法的基本原理进行规则挖掘;在此基础上,将该模型应用于能源安全外生警源隐含特征分析中,研究警源属性间的关联关系,实现强关联规则输出。研究结果表明,多维关联规则方法可以发现隐藏在外生警源数据中的规律,通过对挖掘出的规则集的归纳分析,得出区域能源安全外生警源爆发时具有衍生性、季节性、危害性和持续性等共性特征。

从内生警源和外生警源看我国社会保障危机预警

本文在分析社会保障危机预警意义的基础上,对引发社会保障危机内生警源、外生警源及其二者之间的关系进行了深入分析,进而从内生警源与外生警源的角度对我国社会保障危机状态进行了预警分析,并提出了相应的预警对策。

区域能源安全外生警源形成机理及预警体系构建研究

当前我国区域能源安全问题凸显,区域能源中断事件频发,严重制约了地区经济和社会的发展。正是基于这一大的能源生态安全背景,本文着眼于从区域能源安全的外部性视角分析,在科学界定区域能源安全及外生警源内涵的基础上,从能源价格波动、能源政策调整和外部环境变化等方面重点剖析其外生警源的形成机理,并以此为依据,系统构建了区域能源安全外生警源的预警体系,以期为后续的能源安全的警情分析提供科学的理论支撑。

基于FI-GA-NN融合的区域能源安全外生警源分级预警研究

区域能源安全预警研究对于解决中国现阶段区域能源安全突发事件频现问题,保障区域经济与区域安全协调发展具有重要现实意义。本文以区域能源安全外生警源为研究对象,通过对区域能源安全事件案例收集及整理,构建了能源安全外生警源预警指标和数据集。融合模糊积分(Fuzzy Integral)、遗传算法(Genetic Algorithm)和神经网络(Neural Network)等方法的基本原理,设计了区域能源安全外生警源分级预警的FI-GA-NN模型,该模型首先利用模糊积分方法评估出区域能源安全外生警源样本分级预警的期望值,然后利用训练样本对遗传神经网络进行训练,最后对外生警源测试样本进行分级预警。实验测试结果表明:(1)利用FI-GA-NN模型对外生警源训练样本(1999-2006年)进行拟合训练,模型收敛速度快,训练到第717步时,模型误差平方和小于期望值。经过大约60代的搜索后模型的拟合度趋于稳定,模型训练的实际输出值与期望输出值较接近;(2)利用FI-GA-NN模型对能源安全外生警源测试样本(2007-2015年)进行分级预警,预警准确率较高,能有效提高区域能源安全外生警源预警的正确性,降低预警风险,模型体现出了较强的应用价值。