长三角地区绿色物流效率评价——基于超效率SBM模型与Malmquist-Luenberger指数分析

采用包含非期望产出的SBM模型、Malmquist-Luenberger指数和相关指标,对长三角2011—2021年的绿色物流效率进行静态和动态分析.结果显示:从总体看,长三角绿色物流效率水平虽然相对较高,但仍有进步空间;三省一市绿色物流效率的表现各不相同;Malmquist-Luenberger指数和分解表明,长三角绿色物流效率的改进主要源于物流的技术进步.基于上述结果给出相应的建议.

基于序列Malmquist-Luenberger指数的碳排放约束下的全要素能源效率

为了研究在碳排放约束下的全要素能源效率问题,运用基于含有非期望产出的SBM与序列Malmquist模型构成的序列Malmquist-Luenberger指数对中国东、中、西部和整体29个省份(自治区、直辖市)进行比较,对其全要素生产率分别进行分析对比.通过实证研究分析可知,技术进步和效率变化共同促进了整体全要素生产率的不断提高,并且技术进步的作用大于效率变化的作用;东部区域的各省市在碳排放约束下的全要素生产率SM L引领着整个中国的进步,中部区域和整个中国发展水平几乎一致,而西部明显落后于整体.

技术存量效应、真实效率追赶与中国低碳TFP核算——基于RAM与序列Malmquist-Luenberger指数

传统以GDP为导向的TFP核算已经难以适应中国发展经济发展方式转变的现实。本文采用新发展的非径向DEA方法 -双重产出RAM模型与序列Malmquist-Luenberger框架构建了中国低碳TFP指数,继而基于TFP分解研究了技术存量效应和效率追赶效应,并检验了低碳TFP的收敛性。研究发现碳排放纳入核算明显拉低了中国TFP增长,中国粗放经济模式付出了的高额环境代价;2006年后技术进步成为TFP增长的主要引擎;地区间存在明显的追赶效应;中国整体上不存在绝对收敛,但存在条件收敛。

我国区域海洋经济发展的效率评价研究——基于SBM模型和Malmquist-Luenberger指数的实证分析

基于SBM模型,测度了1998—2013年我国区域海洋经济的静态技术效率,并运用Malmquist-Luenberger指数对区域海洋经济的全要素生产率进行了动态分解。在区域海洋经济发展过程中,我国沿海地区应在技术进步的基础上,提高技术效率,同时要注意环境保护和环境治理的投入,以实现同等投入下更多的产出。

基于在线监测时间序列数据的水质预测模型研究进展

当前地表水突发性污染事件频发,已造成严重的环境和社会影响,对环境监管部门应急处置能力建设提出了新要求和新挑战。地表水水质在线监测数据具有高频率和高时效等特点,系统论述了基于在线监测时间序列数据的水质预测模型的研究现状和进展,包括数据软测量、预处理方法和水质预测模型等,分析了不同水质预测模型在应用过程中存在的问题,并对未来研究方向进行了展望,以期为水质预测预警和环境监管提供技术支持和方法参考。

中国内地GPS坐标时间序列噪声模型特征及其对站点速率影响

为了进一步评估全球定位系统(GPS)时间序列噪声模型水平和垂直速率的大小,及其对误差的影响,选取中国内地227个GPS连续基准站2010—2020年南北、东西和垂直3个方向的坐标时间序列,采用6种噪声模型或噪声组合模型对其进行噪声分析。结果表明,中国内地GPS坐标时间序列噪声模型存在多样性,且部分站点在不同方向的噪声模型也存在差异,主要以一阶高斯马尔可夫+随机漫步噪声(GGMWN)和闪烁噪声+白噪声(FNWN)为主;在100°E附近的GPS站点噪声特性差异最为显著;噪声模型与速率之间的关系分析表明噪声模型对水平向速率的大小和误差影响较小,在现实计算中可不考虑噪声对水平速度的影响,但对垂向速率的大小和误差影响显著;考虑噪声模型可有效提高垂向速率的精度,同时也可能会改变部分站点的垂向运动方向,所以在现实计算中须考虑噪声对垂向速率的影响。

基于一类非线性时间序列模型的锂离子动力电池建模研究

伴随着新能源产业的飞速发展,锂离子动力电池作为一种高效的储能方式,已成为电动汽车的重要组成部分。在电池管理系统的功能中,电池的高精度建模至关重要。在实际应用中,电池不是一个线性系统,其输入和输出由于外部扰动等原因表现出非线性特征,从而直接影响参数识别效果,进而影响模型精度。鉴于此,本文对锂离子动力电池进行了Hammerstein-ARMAX(Autoregressive MovingAverage with Extra Input)模型构建,并对模型参数的估计方法进行研究,旨在提高模型的准确性。实验结果表明了该方法的有效性。

并网逆变器最优开关序列模型预测电流控制

传统的并网逆变器模型预测电流控制方法仅在控制周期内对电流波形进行单点预测,忽略了逆变器开关状态变化引起的输出电流纹波,为此提出一种改进的最优开关序列并网逆变器模型预测电流控制策略。首先,为减小开关切换次数、优化频谱分布,对空间电压矢量组合进行重新排列,设计6组开关序列,并根据开关序列提出基于无差拍的矢量持续时间计算方法。其次,在一个控制周期内设置8个电流预测点,以计算开关序列在控制周期内作用所产生的电流预测误差,并通过累加电流预测误差构造预测控制的价值函数,选择使价值函数最低的开关序列作为最优序列组合,提高并网电流波形质量。最后,通过实验验证所提策略在降低并网逆变器输出电流纹波方面的有效性。

基于时间序列模型ARIMA的校园供水管网暗漏检测研究

为了及时发现校园供水管网暗漏情况,减少水资源浪费和降低暗漏检测成本,在获取校园各区域水表数据的基础上,根据学校用水规律及特点,建立基于时间序列模型ARIMA的用水量预测模型,分析预测用水量与实际用水量之间的差异性,进而判断校园供水管网是否存在暗漏,构建校园供水管网暗漏检测模型。结果表明,基于时间序列模型ARIMA的校园供水管网暗漏检测模型判断正确率为80%,实际应用效果良好,可以作为校园供水管网暗漏检测的一种预警方法。此方法是基于水表数据的数据模型方法,省时省力省钱,并且可以拓展到其他场所使用。

基于时间序列的改进型永磁同步电机三矢量无模型预测电流控制策略

针对永磁同步电机驱动系统传统的三矢量模型预测电流控制策略参数鲁棒性差的问题,提出一种基于时间序列的改进型三矢量无模型预测电流控制策略,以消除参数失配的影响,提高系统的鲁棒性。首先,建立时间序列数据驱动模型,将输入输出数据拟合为离散传递函数,并结合递归最小二乘法在线估计模型待定系数,预测所需变量。此外,对矢量扇区进行重新分类,以优化三矢量组合的选择过程。引入矢量占空比直接计算方法,抑制电机参数入口对占空比计算环节的不确定性影响,进一步提高系统的鲁棒性。最后,仿真和实验结果表明,所提出的策略能有效提高模型参数的鲁棒性,dq轴电流纹波减小,电机参数变化引起的干扰得到有效抑制。

环境卫生与医院感染的时间序列研究:基于广义相加模型(GAM)

目的定量分析环境卫生对医院感染发生的影响。方法收集某三甲医院2018年1月—2022年12月医院感染与环境卫生学监测资料,采用时间序列的广义相加模型分析环境检出菌落形成单位(CFU)对医院感染发生的影响。结果单污染模型显示,医院感染与工作人员手细菌菌落数之间存在显著正相关性(β1=0.009,P=0.012),工作人员手月度平均菌落形成单位(MCFU/Dish)每升高1个四分位数间距(IQR),医院感染发生率增加13.28%(95%CI:2.82%~24.81%);亚组分析与滞后效应分析显示,工作人员手月度MCFU/Dish(卫生手消毒后)升高1个IQR,当月(lag0)医院感染超额风险(ER)为16.26%(95%CI:15.45%~17.09%)。多污染模型中,物体表面污染与医院感染的相关性同样具有统计学意义。结论医院环境卫生与医院感染之间存在显著相关性。

基于融合序列的远控木马流量检测模型

针对现有远控木马流量检测方法泛化能力较弱、表征能力有限和预警滞后等问题,提出了一种基于融合序列的远控木马流量检测模型。通过深入分析正常应用网络流量与远控木马流量在包长序列、包负载长度序列和包时间间隔序列方面的差异,将流量表征为融合序列。将融合序列输入Transformer模型,利用多头注意力机制与残差连接挖掘融合序列内在联系,学习木马通信行为模式,有效地提升了对远控木马流量的检测能力与模型的泛化能力。所提模型仅需提取网络会话的前20个数据包进行检测,就能够在木马入侵早期做出及时预警。对比实验结果表明,模型不仅在已知数据中具有优异的检测效果,在未知流量测试集上同样表现出色,相比当前已有的深度学习模型,各项检测指标有较大提升,在远控木马流量检测领域具备实际应用价值。

基于时序序列分解和IBAS LSTM的滑坡数据预测模型

针对传统静态机器学习模型在周期项位移预测中的缺陷和动态神经网络超参数人工选择困难的问题,在时序序列分解的基础上,提出一种新的滑坡预测耦合模型。首先,用最大相关最小冗余算法对周期项位移筛选合适的环境特征,作为长短期记忆人工神经网络的输入。然后,在天牛须搜索算法搜索过程中引入反馈机制,以避免原算法中出现远离最优解的问题;在算法迭代过程中将固定的递减因子改为动态递减因子,以提升前期全局和后期局部的寻优能力;利用改进的天牛须搜索算法对长短期记忆人工神经网络超参数进行寻优,以获得最佳的网络参数组合。最后,重构趋势项和周期项预测结果,得到最终预测位移。以发耳滑坡为例进行分析,结果表明:相较于其他方法,所提模型在平均绝对误差、均方根误差以及拟合度等方面更具优势。

基于CEEMDAN和改进的混合时间序列模型工作面涌水量预测研究

为提高采煤工作面涌水量预测准确度,收集大量工作面涌水量观测数据进行整理、统计、分析,将涌水量稳定性、周期性和季节性特征考虑在内,提出1种基于数据驱动的完全自适应模态分解算法(CEEMDAN)和改进的混合时间序列模型工作面涌水量预测方法。该方法利用CEEMDAN处理涌水量数据,构建麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)和自回归移动平均模型(ARIMA)并行级联而成的混合时间序列模型对工作面涌水量进行预测。研究结果表明:该模型预测结果与真实数据相差更小,平均绝对误差为6.36 m 3/h,均方根误差为10.6 m 3/h,模型拟合系数为0.95,更适用于工作面涌水量预测。研究结果可为矿井工作面涌水量预测及防控提供参考。

基于超局部化时间序列的永磁同步电机无模型预测电流滑模控制策略

在复杂环境、多变负载工况中,由于时变电感参数、磁场耦合、铁心饱和等影响,电机控制精度及可靠性下降。为解决以上问题,该文充分利用时间序列模型反映电机电压、电流等状态变量之间关系,消除传统参数化建模的影响,提出基于超局部化时间序列的无模型预测电流滑模控制(SMC)方法。该方法将时间序列数据驱动模型超局部化,提升传统超局部模型精度,并采用递归最小二乘法(RLS)在线估计和更新模型中全部待定系数,实时精准响应当前系统工作状态。在此基础上,结合超局部时间序列模型,生成滑模控制函数,并设计Lyapunov方法验证函数趋近条件。实验结果表明,与传统控制方法相比,提出方法具有更强的鲁棒性、更优的电流质量和较低的系统噪声。

基于时间序列AR(P)模型的边坡变形预测与应用

获取边坡的监测数据进行分析,并预测其接下来的变化趋势,具有重要的意义。本文以贵州省福泉市高坪矿区英坪矿段内边坡工程项目为研究对象,对监测数据采用时间序列AR(P)模型方法进行了分析与预测。研究结果表明,模型拟合的结果和预测精度较好地反映了监测点的变化趋势,可为矿区边坡模型建立和监测数据的预测提供一定的参考。

A^(2)former模型在时间序列预测中的应用研究

时间序列预测在金融、医疗、交通和气象等领域发挥着重要作用。在长时间序列预测中,迫切需要提高预测的精度,解决内存不足等问题。近年来,Transformer模型在自然语言处理领域得以成功应用的同时,在预测研究领域也引起了学者们的广泛关注,Transformer变体Informer模型的研究在时间序列预测中取得了较大进展。本研究以Informer框架为基础,与加性注意力机制相结合,提出了A^(2)former模型。利用A^(2)former模型在ETT,WTH,ECL和PM2.5数据集上进行了长时间序列预测的实验,实验结果表明所提模型在长时间序列预测中表现出比基线方法(如Informer模型和LSTMa模型)更好的性能。A^(2)former模型不仅将计算时间复杂度降低到线性,而且可以实现更有效的序列建模。本研究的工作为时间序列预测提供了有益参考。

电流迁移态序列特征模型与获取方法研究

基于使用智能插座对电路中的电流高频次监测、获得用户用电态势数据,对电流迁移态序列、电流迁移态序列特征的一元回归模型进行了研究.基于电流稳态序列ε片段、电流稳态序列片段,设计了电流迁移态序列的构造方法,提出使用一元回归模型描述每一个电流迁移态序列,实现将长度不定的电流迁移态序列到维数固定的电流迁移态序列特征空间的映射.进一步,设计了基于微环境的粒子群优化算法(Microenvironment based Particle Swarm Optimization,MPSO),实现了电流迁移态序列一元回归特征的优化.实验表明:使用所提电流迁移态序列特征进行电器状态识别,平均可以达到97.93%的准确率,且相较PSO算法与CAPSO算法,MPSO算法在使用较少的粒子数达到与这两种算法一致精度的同时,使用时间显著降低.

基于时间序列神经分层插值模型的光伏功率超短期多步预测

针对光伏功率预测准确性受数据质量和外部变量影响的问题,提出一种结合外生变量分析、数据质量控制以及时间序列神经分层插值(N-HiTS)模型的光伏功率超短期多步预测方法。首先,提出用于筛选外生变量的综合相关性度量(ICM)指标,并采用K近邻(KNN)算法与线性插值策略处理数据缺失问题。然后,引入N-HiTS长时间序列预测模型,通过多尺度信号采样和分层插值提高模型对长时间序列数据的处理能力。最后,通过算例对所提方法与传统光伏功率预测方法进行对比分析,验证了所提方法的预测准确性。

基于API序列和预训练模型的恶意软件检测

针对现有方法存在特征表达受限、无法捕获API序列全局语义信息,且恶意软件数据集通常包含大量无标注数据,无法直接进行有监督学习等问题,利用自然语言预训练模型技术,提出一种基于API调用序列和预训练模型的恶意软件检测方法。使用原始API序列构建分词器;基于BERT模型构建出动态掩码序列模型进行无监督学习的预训练,同时获取API序列的全局动态编码表示;使用该编码构造检测模型。实验结果表明,所提方法能有效检测出恶意软件。