基于Stackelberg博弈的电炉企业供应链渠道选择模型

为了提升电炉企业供应链渠道的风险抵抗力,设计一种基于Stackelberg博弈的电炉企业供应链渠道选择模型。在Stackelberg博弈中,分析电炉企业供应链成员的Stackelberg博弈条件,作出相关假设;将Stackelberg博弈基本元素与电炉企业供应链元素一一对应,计算实际市场需求量和收益函数,确定电炉企业渠道选择的影响因素,建立物流企业供应链渠道选择模型;设计电炉企业供应链渠道选择步骤,选择最优的电炉企业供应链渠道。实验结果表明:研究方法选择的供应链渠道在内部风险和外部风险条件均获得较高收益,具有较优的抗风险能力。

基于潜在类别选择模型的MaaS套餐偏好异质性分析

出行即服务(MaaS)旨在为用户提供一个集成信息、预定和支付的单一数字平台。MaaS还可以为用户提供各种产品,其中包括捆绑式的MaaS套餐,将多种交通方式结合并以一站式的方式提供给用户。为了探讨出行者对MaaS套餐的需求和偏好,通过对上海312名受访者进行调查,使用潜在类别选择模型(LCCM)分析不同群体之间偏好的异质性。识别3个潜在类别,不同类别具有不同的MaaS套餐偏好和个体特征。结果表明,个体偏好存在显著的异质性。年龄、收入、受教育程度和当前出行行为都在个人购买决策行为方面发挥着重要作用。研究结果为MaaS运营商和政策制定者识别潜在人群和设计可行的MaaS套餐方案提供参考,以帮助提升用户出行体验和更广泛的采用与推广MaaS。

融合碳激励潜变量的低碳出行方式选择模型

以计划行为理论与价值-信念-规范理论为理论基础,综合考虑影响出行者低碳出行意愿的潜变量,以分析出行者低碳出行行为及内在机理.基于杭州市实证数据,建立多原因多指标模型,标定潜变量适配值.构建混合选择模型与无潜变量的Logit模型,对比分析出行者工作日方式的选择行为.建立二元混合选择模型,分析碳激励下高碳人群的出行行为转变.结果表明,态度、知觉感知控制、激励态度等潜变量显著影响出行者的低碳出行意愿与出行方式选择,混合选择模型比无潜变量的Logit模型具有更好的拟合优度,预测精度提升了4.6%,碳激励下64.4%的高碳人群倾向于选择低碳出行,碳激励可以有效促进公众的出行方式转变,变量态度、出行时间在公众出行方式转变上存在一定的异质性.

考虑决策惯性的多元路径选择模型

为研究决策惯性在出行者路径选择行为中的影响,将出行者分为高敏感型和低敏感型。在决策惯性影响与超出决策惯性影响的基础上,分析出行者在路径选择中的实际行为。从真实的决策结果出发,明确了惯性决策临界值的计算方法,通过量化对决策惯性的影响范围进行描述;分析了不同情境下的惯性行为及影响因素,采用因果图和贝叶斯网络寻求变量间关系;构建不同情境下的多元路径选择模型,从而因地制宜地计算路径选择概率。通过验证数据集,对构建模型进行验证。研究结果表明,决策惯性在出行行为中真实存在,对不同情境下的路径选择概率有不同影响,在考虑路径选择时考虑决策惯性将得到更精准的结果;同时,惯性临界值对模型的选取有较大的影响。

基于IMM框架的多模型选择算法在多级运载火箭跟踪中的应用

通过研究多级运载火箭飞行全过程,搭建包括多级运载火箭仿真数据产生器、数字回波产生器、模拟目标跟踪系统、精度评估系统在内的半实物仿真平台,采用基于IMM框架的多模型选择算法进行模拟跟踪实验,得到一组匹配参数,将实测数据作为半实物仿真平台数据输入,进行算法验证。仿真结果表明,基于IMM框架的多模型选择算法具有鲁棒性高、跟踪无滞后的特征,适于工程实际应用。

消费需求分析中的模型选择--以农村居民商品与服务消费需求为例

文章基于2000—2021年我国31个省份农村居民商品与服务消费支出的面板数据,对施加了理论约束进而能够反映消费者选择公理的双对数(Double-Log)模型、线性支出系统(LES)模型、鹿特丹(Rotterdam)模型、近乎完美需求系统(AIDS)模型和二次近乎完美需求系统(QUAIDS)五个完整需求系统模型进行了样本内和样本外的商品与服务消费需求预测评估研究。结果显示,QUAIDS模型的预测表现最好,AIDS模型和Dou-ble-Log模型次之,LES模型和Rotterdam模型相对较差;模型函数式方法的预测误差明显大于弹性均值方法的预测误差,弹性均值预测方法优于模型函数式预测方法。根据经济变量和非经济变量弹性绝对值大小、显著性以及正负符号是否符合经济学理论和现实观察,有助于判断模型选择的恰当性,但不能据此确定模型的优劣,需要通过样本内和样本外的预测评估,特别是样本外的预测评估选取适用的需求分析模型。

基于结构方程模型的共享停车选择行为研究

共享停车对解决城市交通停车难题有重要意义。为分析城市共享停车用户选择行为的影响因素,构建了基于混合的多项选择模型。该模型上层通过引入感知风险、知识水平和服务质量这3个潜变量扩展了技术接受度模型;利用结构方程模型分析各潜变量间的结构关系和路径显著性,验证了模型提出的假设,将上层估计的潜变量和社会属性变量带入下层多项Logit模型并对模型参数进行标定。研究结果显示:停车用户潜变量、个人及家庭属性和停车特征均对用户选择共享停车具有显著性影响;相较路边停车,共享停车无论是服务质量还是安全性均对用户吸引力更大,但是跟专业化运营的公共停车场相比优势不够明显。

光通信系统的最优信道选择模型构建研究

构建光通信系统的最优信道选择模型,提升光通信系统的数据传输速率,降低传输时延。首先光通信系统中发送端和接收端之间的感知时间和传输时间,以传输速率最大化为目标函数,构建最优信道选择模型,采用改进离散蝙蝠算法求解模型目标函数,获取最小适应度值对应的结果为当前最优解,输出最优信道选择结果。测试结果显示:该方法具有较好的应用效果,最优信道选择比率结果均在0.944以上,可极大程度地保证最优信道的选择效果;数据传输最大时延结果为1.08 s,满足应用标准;信道选择后光通信系统的传输速率均在10 Mbps左右,其中最大值达到10.57 Mbps。

小鼠两瓶自由选择模型上加波沙朵的精神依赖作用

目的利用小鼠两瓶自由选择模型评价突触外γ-氨基丁酸A型受体(GABAAR)激动剂加波沙朵的精神依赖性,并与突触内GABAAR变构调节剂咪达唑仑比较。方法①C57BL/6J雄性小鼠分别ig给予溶剂、咪达唑仑(59.0,73.7,92.2,115.2,144.0和180.0 mg·kg^(-1))或加波沙朵(8.4,10.5,13.1,16.4,20.5,25.6和32.0 mg·kg^(-1))后进行翻正反射行为观察,通过翻正反射消失量效曲线计算两药的半数有效量(ED50)。②在两瓶自由选择模型上评价加波沙朵或咪达唑仑是否诱导小鼠产生偏好行为。小鼠分为正常对照、加波沙朵或咪达唑仑组。在两瓶自由选择实验的适应期(第1~3天)测试瓶和溶剂对照瓶均装入饮用水,训练期(第4~5天)两瓶均更换为4%蔗糖溶液,测试期(第6~15天)测试瓶分别装入含溶剂、加波沙朵(3.9×10^(-6)mol·L^(-1))或咪达唑仑(1.4×10^(-5)mol·L^(-1))的蔗糖溶液,溶剂对照瓶分别装入含相应溶剂的蔗糖溶液,置于饲养笼两侧。小鼠自由选择两瓶饮用,分别记录测试瓶和溶剂对照瓶每日饮用量,计算每日总饮用量、测试期内药液累计饮用量、相对饮用量和测试期内累计相对饮用量,并每日记录小鼠体重。结果①咪达唑仑和加波沙朵均剂量依赖性地增加小鼠翻正反射消失率,ED50分别为咪达唑仑105.3 mg·kg^(-1)(95%Cl:96.4~115.2 mg·kg^(-1),R^(2)=0.9796)、加波沙朵13.7 mg·kg^(-1)(95%Cl:12.6~15.0 mg·kg^(-1),R^(2)=0.9773)。②与正常对照组相比,加波沙朵组和咪达唑仑组每日总饮用量无显著变化;咪达唑仑组在测试期第11~15天测试瓶每日饮用量较同组溶剂对照瓶显著增加(P<0.05),测试期内加波沙朵组测试瓶每日饮用量也显著升高(P<0.01)。与正常对照组比较,咪达唑仑组和加波沙朵组测试瓶累计饮用量无统计学差异;加波沙朵组第9天的每日相对饮用量显著增加(P<0.05),测试期累计相对饮用量也显著增高(P<0.01)。各组小鼠体重变化无显著性差异。结论在两瓶自由选择模型上,咪达唑仑和加波沙朵均诱导小鼠产生饮用偏好,提示加波沙朵可能也存在精神依赖潜能。

基于Fiducial推断的Kriging模型选择

计算机试验异军突起,并因其经济性而越来越普遍地取代物理实验。Kriging模型作为计算机试验的元模型之一,因其使用简单、灵活被广泛地应用于各大领域。本文给出了基于Fiducial推断的Kriging模型选择方法,并与Lasso和Elastic Net惩罚下的选择方法相比较。数值模拟和实例分析表明Elastic Net惩罚下的选择方法优于Lasso,基于Fiducial推断的模型选择方法相较于Lasso和Elastic Net具有更高的拟合准确性和预测精度。

基于神经网络算法的电信客户选择预测模型研究

当前,机器学习广泛应用于多个领域,大数据作为机器学习的原材料,也成为重要资源。电信行业积累了海量优质数据,立足电信企业一线工作需求,将机器学习技术与大数据统计思维、应用相结合,能够实现大数据赋能通信产业,以科技引领产业转型升级。基于某电信运营商数据和Python平台构建神经网络,可以实现客户行为预测模型。该预测模型在输入数据维度、实际样本量、参数量、最终预测准确率等方面出现明显提升,在实践中能够产生较大的商业价值和效益。

股权结构与财务绩效的关联性研究——基于二元选择Logit模型的实证分析

本文以2017-2021年中国上市公司为样本,基于股权所有者结构与股权集中度两方面出发,使用二元选择Logit模型对股权结构与财务绩效的关联性进行实证检验。研究结果显示,我国上市公司的国有股比例、法人股比例有所下降,流通A股比例、管理者持股比例逐年上升,股权集中程度相对集中且稳中有升。其中,国有股比例、前十大股东持股比例与财务绩效显著负相关,法人股比例、第一大股东持股比例与财务绩效显著正相关,流通A股比例、管理者持股比例对财务绩效无显著影响。

具有三个极限环的四维等位基因选择迁移模型

本文主要研究了四维等位基因选择迁移模型.根据Liapunov稳定性定理, Hopf分支理论和中心流形定理,借助Maple计算中心焦点量La的程序Liapunov常数得到了两个稳定的极限环,又得到该系统属于Zeeman分类的第27类,然后根据Poincar′e-Bendixson环域定理得到了一个不稳定的极限环,进而推导出了四维等位基因选择迁移模型存在三个极限环.

基于目的地选择的跨城出行分布预测模型

为了更加精准地预测跨城出行分布量,利用广东省域手机信令数据和开源统计数据构建了基于大选项集的跨城出行分布选择模型。首先,分析传统出行分布模型在城际出行预测中的不足,指出影响城际出行选择的各项因素,提出基于大选项集的目的地选择模型;其次,以广州和深圳对外出行为例,划分通勤出行、非通勤出行2个出行目的,以出行阻抗、社会经济、产业发展、区位等作为选择变量,分别标定目的地选择模型的系数,得到较好的系数估计结果和模型精度;最后,在街道层面检验广东省跨城出行分布的拟合结果,满足宏观模型应用的精度要求,验证模型的有效性和可行性。

基于近似贝叶斯计算的包装件模型选择和参数估计

准确构建包装件模型是进行运输包装安全评价的基础,构建包装件模型包括模型类型选择和模型参数估计。考虑到包装件模型的不确定性和误差,需在贝叶斯推断框架下构建包装件的参数不确定模型,由于在计算似然函数中存在着一系列困难,利用传统贝叶斯推断估计模型参数存在着计算效率低,计算误差大的缺点;结合序贯蒙特卡洛和重要性采样,采用近似贝叶斯计算替代传统的贝叶斯推断,该方法可避免似然函数的计算,随着阈值的减小,在多种备选模型中优选出最佳模型,同时模型参数收敛至参数真值附近。对包装件进行随机振动试验,对试验数据进行分析,结果表明,Bouc-Wen模型(n=2)是最佳包装件模型,该模型可准确预测包装件的振动响应。

基于贝叶斯推理的包装件动力学模型优化选择研究

目的在多种类型的模型中挑选出最优包装件模型,并实现参数识别的方法。方法文中将包装件模型构建为参数不确定模型,在贝叶斯推理的框架下,采用马尔可夫链蒙特卡洛法识别模型参数,采用偏差信息准则(DIC)计算各备选模型的DIC参数,选择出最优包装件模型。结果在振动实验台用质量块-缓冲材料模拟包装件并进行随机振动测试,分析结果表明,Bouc-Wen(n=2)模型为文中包装系统的最佳模型。结论文中提出的基于贝叶斯推理的包装件模型优化选择和参数识别方法考虑了模型不确定性,构建的模型可准确预测包装件在随机振动下加速度响应的时域信号。

基于随机傅里叶特征空间的高斯核近似模型选择算法

核方法是一种把低维空间的线性不可分问题转化为高维空间中线性可分问题的方法,其广泛应用于多种学习模型。然而现有的核模型选择方法在大规模数据中计算效率较低,时间成本很大。针对这一问题,本文引入随机傅里叶特征变换,将原始核特征空间转换为另一个相对低维的显式随机特征空间,并给出核近似误差上界理论分析以及在核近似的随机特征空间中训练学习模型的误差上界,得到核近似的收敛一致性和误差上界与核近似参数之间的关系。基于随机傅里叶特征空间选择出最优模型参数,避免了对最优原始高斯核模型参数的大规模搜索,从而大幅降低原始高斯核模型选择所需的时间成本。实验表明,本文给出的误差上界确由核近似参数控制,核近似选择的最优模型相较于原始高斯核模型有较高的准确率,并且模型选择时间相对网格搜索法大幅减小。

大语言模型与语言研究的双向赋能与融合发展

大语言模型(以下简称“大模型”(1))是当前生成式人工智能最主流的技术,具有强大的生成、迁移与交互能力。简单地说,该技术通过训练模型阅读海量文本,使其在语言表达、即时对话、任务规划、逻辑推衍等许多方面具备了与人类媲美的能力。目前,学界业界主要围绕3个方面开展大模型的研究:(1)倾尽所有算力,通过提高数据质量、优化模型架构和训练策略等各种手段来研发基础、通用大模型,提升模型能力;(2)深入探索大模型的机理,拓展其性能,将最初仅能处理文本的模型,推向兼具文本、语音、图片、视频处理能力的多模态大模型;(3)开发专用或领域大模型、多智能体框架,以满足特定目标,拓展其应用场景。这些研究为大模型应用奠定了物质基础,为大模型的使用者提供了模型选择空间。

基于MA-CPT模型的出行方式选择模型优化

为提高累积前景理论在出行方式选择建模应用中的准确性,考虑个体对于时间与费用货币态度的不同,优化原始累积前景理论(cumulative prospect theory,CPT)模型的时间值函数和时间权重函数.首先,针对时间压力下出行方式偏好发生转变的现象,将出行方式分为刚性出行和弹性出行,改进刚性出行情景下的时间值函数形式,并根据出行时间特性求出时间权重函数中吸引力参数的取值范围,构建MA-CPT (mental accountingcumulative prospect theory)模型;其次,根据实证数据标定时间权重函数中辨别力参数和吸引力参数的取值;最后,标定MA-CPT模型结果并检验其拟合优度,对比MA-CPT模型和CPT模型的命中率.实证分析结果表明:刚性出行和单行出行场景下,时间权重函数的吸引力参数值均大于1.00;MA-CPT模型在刚性出行和弹性出行情境下的拟合优度分别为0.17和0.18;相比于CPT模型,MA-CPT模型在弹性出行和刚性出行情景下的命中率分别提高了12.2%和19.8%.

基于有序选择模型的船舶事故严重度致因分析

为探究影响船舶事故严重度的因素,提出一种基于有序选择模型的船舶事故分析方法。首先,基于中国海事局及其直属机构官方网站上发布的604份沿海水域船舶事故调查报告,以船舶事故严重度为因变量,将事故划分为小事故、一般事故、较大以上事故3类,并从船舶、环境、船员、管理和事故5个方面,选取19个事故严重度潜在致因因素。然后,运用有序选择模型(包括有序Logit模型和有序Probit模型)识别显著致因因素。最后,以最佳模型的边际效应量化分析显著致因因素的作用方向和强度。研究结果表明:2个有序模型所识别出的显著致因因素均为船舶作业、强风、未采取安全航速、危险判断不当、导航设备使用不当、配员不足、安全管理不到位、秋季、冬季、沿海航路、碰撞和自沉;所有显著致因因素均满足平行线假设;有序Probit模型的拟合效果优于有序Logit模型;所有显著致因因素均对较大以上船舶事故具有正向效应;就影响程度而言,碰撞最大(边际效应的绝对值为2044%),危险判断不当最小(494%)。