产业集聚效应测算的独立混合横截面数据模型

本文指出了产业集聚效应研究中传统测算方法的局限 ,首次提出将横截面时间序列模型中的独立混合截面数据模型应用于产业集聚效应的测算 ,运用这种方法计算了 1985 - 2 0 0 2年兰州市工业行业的集聚效应 ,并从内部集聚经济。

CEEMDAN-CNN-BiLSTM混合模型矿区地表沉降预测

为了进一步发挥全球卫星导航系统(GNSS)实时监测优势,对时序数据中的潜藏特征与隐藏信息进行深度挖掘,提高地表沉降预测精度,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CEEMDAN-CNN-BiLSTM混合地表沉降预测方法:以皖北某大型煤矿开采工作面与工业广场区域为验证对象,对比分析稳定区域和重点监测区域数据形态;然后基于CEEMDAN重构监测站高程数据分量,输入CNN模型提取分量隐含信息;最后构建BiLSTM模型,实现对沉降监测点位数据的短期预测。实验结果表明,相较于传统的CNN和长短期记忆模型,CEEMDAN-CNN-BiLSTM混合模型可有效降低预测误差,其中平均绝对百分比误差(MAPE)的降低范围为40%~90%,而均方根(RMS)误差的降低范围为52%~87%;该模型在时空特征捕捉和泛化能力方面表现性能较好,可为GNSS时间序列短期预测提供更为精准和可靠的解决方案。

LSTM-Prophet混合模型在物料储备需求预测中的应用

建立LSTM⁃Prophet混合模型,预测A公司未来每日物料消耗量,为工段每日物料储备提供参考,数据集来源为A公司2015年来每日物料实际消耗量。实验结果显示,LSTM⁃Prophet混合模型预测时序数据的MAE值为40.905,MAPE值为0.044,R2值为0.863,三个评价指标都优于LSTM模型、Prophet模型、ARIMA模型三个单一模型的评价指标值。验证了LSTM⁃Prophet混合模型有着更好的预测精度,可以更好地应用于工业场景。

Microsoft时序数据挖掘算法研究

为了对时间序列数据信息的知识发现过程制定比较合理的长期或短期预测,从而为科学决策提供有效的依据,通过对ARTXP和ARIMA算法的研究与分析,提出ARTXP算法和ARIMA算法的有效混合模型,进而提高趋势分析的准确度与时效性。

时序数据并行压缩速率改进技术研究

为了改善传统压缩技术因时序数据占用存储空间过大,导致压缩速率低的问题,提出时序数据并行压缩速率改进技术研究。依据数据压缩背景,设置数据阈值,采用提升法对时序数据阈值进行选择,保留阈值最大的时序数据变换系数,对噪声干扰进行有效抑制,减小数据存储空间的占用;引入混合熵编码,将字典编码与零行程编码有机结合,实现时序数据的并行高速压缩。实验结果表明,该技术提高了时序数据压缩时的信噪比和压缩比,有效抑制噪声干扰,能够高效完成数据压缩。

基于中铁贵州智慧社区管理的多源异构数据集成方法

建筑运维阶段所产生的数据由于其产生的环境、系统和条件差异而多具备多源异构的分布特点。想要实现社区的智慧化及高效化管理,必须采用基于物联网和人工智能算法等方法,对来源不同且结构各异的运维数据进行智能化采集和标准化转换,使其集成在统一的数据管理平台上。以搭建集成社区运维管理过程中的环境、资源和资产等数据的规范化转换与传输平台为研究重点,提出了基于ETL元数据和BP混合自适应神经网络的数据集成管理框架,提高了社区数字化及智慧化运维管理水平。

光谱混合分解模型在草地退化研究中的应用

研究了光谱混合分解模型在草地退化(荒漠化)中的应用,探讨了模型运用中的遥感数据获取和预处理、端元选取、光谱混合分解结果的时序分析和数据融合等关键问题,并给出了相应的解决方法。最后探讨了该方法存在的问题和改进之处,指出高光谱遥感、模型数学、神经网络是光谱混合分解模型在草地退化研究中的发展方向。

中国工业企业数据库(1999~2013)的使用研究:基于插值处理方法的比较分析

中国工业企业数据库已经成为研究中国微观企业活动的首选数据库,但是数据库中关键指标的缺失严重影响了数据库的更新和使用。本文在借鉴主要文献处理方法的基础上,先后采用单值移动时序平滑法、MICE1、MICE2、MMICE1和MMICE2五种插补方法对数据库进行完善,从而将中国工业企业数据库延伸至2013年,并通过计算企业全要素生产率来评估各种插补方法的相对有效性。研究表明:在这五种插值方法中,单值移动时序平滑法和MMICE1是两种最为有效的插值方法,不仅可以实现插值前后的数据库特征一致,而且能够实现所计算的全要素生产率的数据结构特征一致。值得强调的是,在完善数据库和计算全要素生产率方面,前者因为处理过程简单因而是一种相对经济的方法,而后者因为能够保留更多样本信息因而是一种相对有效的方法。本文研究价值体现在对使用中国工业企业数据库提供了基础性研究工作。

智能用电网络数据采集与通信机制的研究

在当前时代背景下,需要提出以时间和事件作为驱动的基础,让通讯技术以及数据采集机制在使用时的使用效果得到提升,以达到混合动态系统的构建。所有采用的是线性时序的逻辑方式,对该内容进行描述和分析。同时选取论证,促使本文所阐述的内容能提高智能用电网络数据采集效果得到提升。

我国产业结构调整与经济增长互动关系的计量分析——基于我国数据与“十二五”规划

本文通过对研究产业结构与经济增长关系的相关理论和文献进行回顾,阐明了产业结构调整与经济增长间的协同互动关系。基于产业结构与经济增长的相互关系,结合2004年和2009年的相关数据,文章利用两期混合横截面数据分析的方式,建立模型,实证检验,总结得出结论:产业结构中各部门对经济增长的推动作用的大小在不同阶段有着不同的效果,产业结构在不同经济增长时期需要有不同的调整,在探究产业结构调整时必须紧密结合相应时期的经济增长状况。

一种Dual-LSTM混合模型的产线设备状态预测方法与应用

智能化生产线设备健康状态、加工过程状态、产品信息等数据具有复杂化、多样化、大容量的特点,传统上对于设备的运行状况主要依靠人工经验来判断,不能及时有效地给出维护意见.针对上述问题,本文提出了一种基于Dual-LSTM(Long Short-Term M emory)混合模型的时序数据预测方法.首先建立LSTM预测模型对设备状态进行初步预测,然后针对多步预测过程中出现的误差"累积"问题,通过预测残差数据建立LSTM辅助模型对初步预测结果进行修正,最后采用循环迭代的方式实现了对数据的多步预测过程.通过与单LSTM模型进行实验对比,该方法在数据的单步预测和多步预测中的表现均优于单模型,验证了所提方法在时序数据预测上的准确性,为分析生产线整体的运行状态趋势提供了有效地判断依据.

大规模电力电子设备接入的电力系统混合仿真接口技术综述

随着电网互联规模的扩大以及大量电力电子设备的接入,为更好地满足对电力电子设备接入后的复杂电力系统仿真分析的需求,采用机电暂态与电磁暂态结合的混合仿真能够很好地解决系统仿真规模、速度和精确性的问题。论述了机电-电磁暂态混合仿真技术的发展历史和现状,对现今国内外采用的混合实时仿真平台进行了归纳总结。在此基础上,就混合仿真接口技术的关键问题从等值形式、数据转换、接口位置选择和交互时序4个方面进行了详细讨论。论述了各个方面的内容、技术难点以及面临的主要问题。最后,提出了混合仿真技术未来可能的发展方向及相关问题。

中国城乡居民牛肉需求量预测分析

运用2000—2009年中国31个省(自治区、直辖市)城镇居民(分8个收入阶层)的家庭内牛肉消费量及收入数据,以及各省份各年度的牛肉价格数据,通过建立并估计独立混合横截面模型和变截距随机效应综列数据模型,分别得出31个省(自治区、直辖市)的城镇居民家庭内人均年牛肉需求量的需求函数方程,并对中国2015年和2025年牛肉总消费量进行了预测。结果显示:2015年中国牛肉总消费量将达到900万t,2025年将达到1 338万t,且随着居民人均收入的提高,牛肉需求量将有较大幅度的增长。

创业研究的正名与定义

一、正名的困境但凡了解创业研究的学者都知道,创业像任何一个新兴学科一样,研究者为取得学科的正当性花费了大量的时间和精力识别和规划该学科的独特研究领域,即其他学科无法解释或说明的现象（Shane＆Venkataraman,2000）。

移动学习中的数据挖掘研究

随着网络技术与通信技术的迅速发展,移动学习呈现出强大的发展势头。本文以一个实际运行的移动学习网站为研究平台,利用数据挖掘技术对网站客观数据进行分析研究,并就"移动学习使用者特征"、"知识资源个性化推荐技术"和"资源需求趋势预测"这三个比较值得关注的问题进行了实验论证,对移动学习研究者和基于知识服务的网站运营决策者具有一定的启发意义和参考价值。

中国上市公司盈利成长规律实证分析

西方的多数研究证实 ,个别企业的盈利变化过程大致可由随机游走过程来表述 ,这给后期的学者利用盈利数据进行实证研究提供了基础。中国的某些学者不加检验地引进了西方的研究成果 ,即假设企业的盈利遵循随机游走过程 ,甚至认为企业的盈利应该遵循带成长因素的随机游走过程。实际情况如何呢 ?本文以上海证券交易所 1 994年底之前上市的公司为样本 ,采用多种统计方法 ,分析了它们连续 6年的盈利报告 ,结果发现 :(1 )上市公司盈利额及总资产利润率并不遵循随机游走过程和带成长因素的随机游走过程。 (2 )从盈利增量呈强负自相关的两个样本组合的统计分析看 ,模型中加进盈利增量变量 ,较大地提高了模型拟合度。 (3)从多项统计指标的显著改善可以看出 ,模型Et=b1 Et- 1 +b2 ΔEt- 1 +εt 能更好地描述样本公司的盈利成长。