评价贝叶斯向量自回归模型在区域经济预测中的表现

贝叶斯向量自回归(BVAR)利用先验的统计信息能够克服时间序列数据较短的困扰,理论上在我国区域经济预测中应该具有良好的效果。绝大多数区域预测模型文献缺乏"真正"意义上的样本外预测误差评价研究,但我们早期对民族八省区主要经济指标2010—2015年的预测为本文详细评价BVAR模型实际预测误差提供了绝佳的机会。以民族地区为例,本文的分析表明,BVAR模型的预测误差非常小,预测能力令人非常满意。同时本文也分析并指出进一步提高BVAR模型预测精度的努力方向。

基于贝叶斯优化支持向量回归的流线型箱梁颤振气动外形优化方法

为解决风洞试验耗时费力和计算流体动力学(CFD)计算量大的问题,提出了一套新型流线型箱梁断面颤振性能气动外形优化方法.以风嘴参数为设计变量,利用CFD获取断面三分力系数,以准定常理论估算的颤振临界风速为优化目标.根据贝叶斯优化支持向量回归构建代理模型,利用混合加点法更新模型,通过寻优算法确定最优断面.以虎门大桥为例,得到桥梁在可行域内颤振性能最佳的断面方案.结果表明,风嘴升高,颤振临界风速先增后减,相对高度为0.6时整体性能较优,相对高度为0.7时可获得最优断面.底板宽增加,颤振性能显著降低,下斜腹板倾角为14°~16°时颤振性能最优.断面优化后桥梁颤振临界风速相比原始断面提升约31%.

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。

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。

基于灰色支持向量回归的起伏管线临界携液流速预测模型

延安气田起伏的地理形貌特征,致使其内部采气管线在低点及上倾段容易产生积液问题,制约气田正常生产,开展起伏管线临界携液流速的预测对保障采气管线流动安全和指导地面采气管线布线具有重要价值。为此,基于扩展双流体分相模型和PR气体物性方程,采用最小压力梯度法结合均匀设计构建了临界携液流速样本数据集,同时采用灰色关联计算了样本标签权重,并将其引入支持向量回归算法,构建了临界携液流速的回归预测模型,随后利用网格寻优算法,通过采用K-CV(交叉验证)对模型中超参数进行了优化设计,最后采用延安气田现场运行数据进行了模型准确性验证。研究结果表明:管径大小对临界携液流速影响最大,其次为上坡倾角、含水率和运行压力,其他因素的影响差距相对较小,网格分段寻优对比遗传、粒子群算法在模型超参数优化上具有较强稳定性。该预测模型对延安气田内部采气管线的临界携液流速预测具有较强准确性,可对其积液预测和防治提供理论支撑。

农业科技创新、生态效率与农户增收质量的动态关系——基于面板向量自回归模型的实证分析

农业科技创新在提高农产品产量和质量的同时也面临促进农户增收的困境,而生态效率的提高也可能造成农户收入不平等的问题。为进一步探究农业科技创新水平、生态效率与农户增收三者之间的关系,根据2000—2020年间湖南省的时间序列信息,利用面板向量自回归模型,采用协整检测、格兰杰检测、方差分解等各种手段,对农业科技创新水平、生态效率和农户增收质量间的相关性开展实证分析,以为处理好农业发展、农户收入和生态环境保护之间的关系提供理论参考。结果显示:农业科技创新与农户增收质量之间存在显著的双向正向关系,即科技创新在提升农业生产效率和质量的同时显著促进了农户的经济增长,但生态效率的提升在短期内未能显著转化为农户的经济收益;农业科技创新对农户增收质量的影响即时且显著,并随着时间推移而趋于稳定;在预测农户增收质量时,农业科技创新的作用明显超过生态效率。基于此,从长期规划生态效率提升、加大农业科技创新的支持与投资和增强农户生态环保意识等方面提出政策建议。

部分线性变系数模型的贝叶斯分位数回归

针对部分线性变系数模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,并基于Gibbs抽样推导出所有未知参数的后验分布,通过数值模拟比较分析了贝叶斯分位数回归与分位数回归参数估计的优劣,结果表明,在均方误差准则下,贝叶斯分位数回归的估计效果更优。最后,通过实例分析说明了所提方法的有效性。

基于贝叶斯优化的支持向量回归模型对电能表在线率的预测

为预测电能表的在线状态,保障塔里木油田生产用电,将迪那地区电能表在线数等24个变量作为研究对象,运用反向特征消除方法进行数据降维,得到影响在线率的5个主要变量。进一步通过贝叶斯优化的支持向量回归方法完成对电能表在线率的预测,并与随机森林算法、梯度提升算法等预测方法进行比较。计算结果表明,该模型在预测电能表在线率的任务中表现出色,预测值加权平均误差低至0.408%,明显优于其他各算法。以塔里木油田为例,该模型可提升电网运维效率,为实现高效的电能分配提出了一条切实可行的途径。

基于深度自回归模型的电网异常流量检测算法

针对电网中行为种类复杂多样且数量众多的问题,提出了一种基于自回归模型的电网异常流量检测算法。该算法利用深度自编码网络自动提取网络流量数据的特征,降低异常流量检测的分析周期,并自动挖掘数据的层次关系。通过支持向量机对提取的特征进行分类,实现对异常流量的检测。仿真实验结果表明,所提算法可以分析不同攻击向量,避免噪声数据的干扰,进而提高电网异常流量检测的精度,对于流量数据处理具有重要意义。

基于向量自回归模型的科技进步、城市化与绿色发展关系实证分析——以广东省为例

为理清科技进步、城市化与绿色发展三者之间相互影响与作用机制,以科技进步、城市化与绿色发展的相互作用机制作为理论基础提出假设,基于广东省1993—2020年的时序数据,应用向量自回归模型、脉冲响应函数和格兰杰因果检验、方差分解等进行实证分析。结果表明:科技进步和城市化对绿色发展具有正向影响作用,绿色发展对城市化高质量发展具有促进作用;城市化推动了科技进步,而科技进步对城市化的影响并不显著。为此,广东省需要加快建立以绿色产业为核心的新兴产业体系,在推动绿色发展的同时积极整合落后产能,以绿色经济进步带动城市化高质量发展和科技创新。

经济新常态下产业结构与经济增长关系的实证研究——基于贝叶斯向量自回归与状态空间模型

在经济新常态背景下,正确处理好产业结构与经济增长之间的关系具有重要的现实意义.文章通过采用贝叶斯向量自回归(BVAR)和状态空间模型,对1978-2015年武夷山市三大产业结构与经济增长的关系进行了实证研究.实证结果表明,武夷山经济增长对来自三大产业随机冲击的反应延迟;三次产业对经济增长的影响具有时变特征,特别是从1998年后,第三产业对经济增长的影响出现较大幅度增加,这预示着随着时间的推移第三产业必将成为推动武夷山市经济增长的主要产业.所以,加快调整产业结构政策,完善产业转型所需投资和人才队伍保障,促进产业结构升级是未来促进武夷山市经济增长的重要途径.

投资者高频情绪对股市成交量的异质性影响研究——基于分位数向量自回归模型

从高频视角分析股市情绪效应的异质性特征及机理,对我国金融风险管控具有重要意义。本文借助文本分析法抓取网络舆情数据,构造日内投资者高频情绪指数,在分位数Granger因果关系检验的基础上,构建分位数向量自回归模型并进行脉冲响应分析,探究不同极性投资者高频情绪对不同市场状态下及不同分位水平股市成交量的异质性影响。结果表明:(1)不同极性投资者情绪对股市成交量影响具有异质性,悲观情绪对股市成交量的脉冲强度明显大于乐观情绪且衰减较慢;(2)投资者情绪对股市成交量的影响随市场状态的变化而不同;(3)在相同市场状态下,情绪对不同分位水平股市成交量的影响也存在差异,投资者情绪对股市成交量的下分位点脉冲强度显著大于上分位点,中位点最弱。

地方政府债务与区域协调发展研究--基于半参数空间面板向量自回归模型的分析

地方政府债务在区域经济发展中扮演着重要角色,探讨地方政府债务的时空分布是否均衡、时空经济效应是否存在区域异质性,不仅有利于加强地方政府债务管理,也切合我国当下新型城镇化和区域协调的政策背景与发展方向。本文从地方政府债券发行实际出发,建立半参数空间面板向量自回归模型,分析增量和存量地方政府债务在时间和空间上的经济效应,并根据举债冲击的时空传导效应,讨论地方政府债务在区域协调发展中的作用。研究发现:地方政府债务时空分布和举债冲击在新增地方政府债务、基础设施存量和人民生活福利水平之间的时空传导效应的共同作用下,区域经济未能实现彼此协同促进、共同发展,区域经济协调发展任重而道远。在此基础上,本文提出改革地方政府债券发行额度分配制度、支持国家重点区域发展战略、关注区域债务风险等政策建议,以促进区域经济协调、可持续和高质量发展。

基于支持向量回归模型的机器人误差补偿算法

较低的定位精度已然成为了工业机器人在高精度作业领域推广应用的重要阻碍之一。对机器人定位误差的补偿是解决此类问题的首要途径。本文通过研究支持向量回归模型,提出了基于支持向量回归模型的机器人误差补偿方法。同时,在模型训练过程中,采用粒子群算法对每一轮迭代中的参数进行适应度评估,从而优化了模型参数。最后根据本文所提出的预测方法进行了相关实验。实验结果表明,根据该方法所进行的机器人定位误差补偿,能够有效降低机器人定位误差,且该方法还具有快速性、便捷性等优势。

不同MMSE评分下阿尔兹海默病发病风险因素的贝叶斯分位数回归联合模型分析

目的:探讨校正简易精神状态检查(MMSE)评分轨迹后的阿尔兹海默病(AD)发病风险影响因素,阐明不同MMSE评分人群AD发病的风险因素。方法:基于AD神经成像计划数据库收集2005—2016年的随访数据,经筛选后最终纳入425名随访者的随访数据,采用LASSO方法对变量进行筛选;采用贝叶斯分位数回归模型分析MMSE评分在不同分位数上的影响因素,采用Cox模型和贝叶斯分位数回归联合模型方法分析影响AD发病的主要风险因素。结果:经筛选后,纳入的变量包括白蛋白、总胆固醇和血糖浓度等10个变量。贝叶斯分位数回归联合模型的纵向子模型分析,在MMSE评分的不同分位数处,影响MMSE评分轨迹变化的因素相同,均为白蛋白、血糖浓度、年龄、性别、载脂蛋白E4 (APOE4)基因、种族和教育评分。联合模型的Cox回归子模型分析,种族和APOE4基因在所有分位数上均对AD发病有影响,其中APOE4基因在4个分位数上的风险比分别为2.188 (95%CI:1.775,2.620)、1.751 (95%CI:1.422,2.042)、1.706 (95%CI:1.391,2.102)和2.056 (95%CI:1.439,3.206)。总胆固醇水平和家族史仅在部分分位数上对AD发病有影响。结论:不同MMSE评分分布的人群,AD发病的风险因素不同,影响程度也有差异。有APOE4基因和白种人在不同分位数上均是AD发病的风险因素,总胆固醇水平和家族史仅在部分分位数上是AD发病的风险因素。

基于灰狼优化支持向量机回归与SHAP值的锡冶炼能耗预测

锡冶炼过程综合能源消耗占整个锡生产过程90%,存在很大节能潜力。针对锡冶炼过程综合能耗机理模型难以建立、导致预测准确度不高的问题,提出灰狼优化的支持向量机回归(GWO-SVR)模型用于锡冶炼过程综合能耗的预测,并以某锡冶炼厂为例,将所提模型与SVR、RF(随机森林)、BP(反向传播神经网络)、LR(线性回归)模型进行比较。结果表明,GWO-SVR模型可获得最理想的预测结果,在预测精度上相比于其他机器学习算法有着巨大优势。此外,使用SHAP值从全局解释和单样本解释两个方面解释所建立的GWO-SVR模型,可视化特征对输出的贡献,增加了GWO-SVR的可解释性,并以此制定可靠的节能策略。

基于贝叶斯分层自回归时空模型的北京PM_(2.5)预测

为解决PM_(2.5)的多站点同步预测问题,提出一种贝叶斯框架下的分层自回归时空模型.将PM_(2.5)日均浓度真实值视为潜在时空过程,利用一阶自回归过程刻画时间相关性,并基于Matérn过程捕获空间相关性,极大程度地提高了降维和同步预测的效率.此外,还将日最高温度、相对湿度和风速等气象因素作为解释变量,用于提升PM_(2.5)的预测效果.借助模型的分层结构,通过贝叶斯方法结合马尔可夫链蒙特卡罗(MCMC)算法实现参数估计和预测过程.对北京市日均PM_(2.5)浓度的实证分析表明,模型在空间和时间维度上均有良好的插值或预测效果.

基于贝叶斯模型的冗余报警识别技术

目前电厂主要通过故障树分析法来识别冗余报警,但故障树模型在描述报警变量之间的相关关系的不确定性方面具有局限性。为了弥补故障树模型分析法的不足,提出了一种基于贝叶斯模型的冗余报警识别技术。在故障树模型基础上,建立电厂报警系统的贝叶斯图,得到报警变量之间的关联关系。利用贝叶斯线性回归,建立底层报警变量与故障报警变量的线性模型,并使用马尔科夫蒙特卡洛采样算法学习模型参数。最后,根据模型参数确定了底层报警与故障报警之间的关联强度,识别冗余报警。采用该方法对电厂实际报警数据进行了仿真模拟,结果验证了该方法在工程应用领域的可行性。该研究对报警系统优化实践具有借鉴意义。