环境污染与工业结构:基于Divisia指数分解法的研究

在已有研究的基础上对Divisia指数分解方法进行了改进,推导出对数平均Divisia指数方法。通过将该方法运用于分析我国四种主要的工业污染物发现,规模效应的影响是工业污染增加的主要原因,技术效应是减少污染的最重要力量,结构效应的变化在一定程度上增加了我国的工业污染。进一步分析表明,不同工业行业之间技术效应和结构效应存在很大的差别。因此,在环境污染治理的过程中,需要考虑行业的不同环境影响而加以区别对待,并积极转变我国的经济增长方式,合理调整产业结构,实现经济的可持续发展。

城镇化、老龄化、教育与人力资本——基于Divisia指数分解的方法

本文使用Divisia指数构建和分解影响人力资本的相关因素，重点考察了教育、城镇化、老龄化对我国人力资本的影响，从量上界定了各自影响的大小。我们发现，1986～2008年，由于中国教育和城镇化的迅速扩张，基于地区和教育程度的Divisia指数的年平均增长率要大大高于基于性别和年龄的Divisia指数的年平均增长率。教育和城镇化对人力资本的贡献要大大高于性别和年龄的贡献，尤其是1994年后，教育以及城镇化的贡献增加。不同教育群组对人力资本增长的贡献也有很明显的区别，受过小学教育和初中教育的人群的贡献逐渐降低，而受过高等教育的人口对人力资本的贡献显著上升。

产业视角下的中国工业能源碳排放Divisia指数分解及实证分析

工业能源碳排放在中国总碳排放中占据极其重要的位置,也是中国低碳减排工作关注的重点。文章从产业视角出发,利用Divisia指数分解法构建中国工业能源碳排放因素分解模型,定量分析1998－2007年间,能源排放强度、能源结构、能源效率、产业结构以及产出等五因素对中国工业能源碳排放的影响。分析不同因素对中国工业能源碳排放的不同影响以及不同因素在工业系统内部各产业间的变化特性,从而为中国工业能源碳减排路径提供政策建议。

城镇化、老龄化、教育与人力资本——基于Divisia指数分解的方法

人力资本是个人拥有的能够创造个人、社会和经济福祉的知识、技能、能力和素质。人力资本对我国经济发展具有重要的作用，很多学者都从不同的角度分析了人力资本在我国经济增长和地区发展中的重要贡献。

中国城市PM_(2.5)污染暴露不平等及其驱动因素——基于Theil指数和LMDI分解

聚焦大气污染物PM_(2.5),对2015~2021年污染物浓度进行人口规模赋权,构建中国城市PM_(2.5)污染暴露水平指标,基于GINI系数和Theil指数测度污染暴露不平等,并按城市行政层级、省份进行差异分解;基于对数平均迪氏指数分解法(LMDI),分别对污染暴露水平、不平等程度进行驱动因素分解,探究其变化背后的社会经济因素.结果表明:中国城市PM_(2.5)污染暴露不平等总体温和,GINI系数保持在0.2以内且呈递减趋势.不同行政级别城市间未表现出污染暴露不平等,而省际差异对污染暴露不平等的贡献达68.4%;总体上能源的污染暴露乘数、政府绿色支出能耗强度是PM_(2.5)污染暴露水平的主要抑制因素,对污染暴露水平的驱动贡献超过60%.政府支出结构、支出规模、经济发展和人口因素对PM_(2.5)污染暴露起促增作用,但各因素在不同层级的城市间具有异质性;能源的污染暴露乘数、绿色支出能耗强度对不平等的动态抑制作用弱化,主要依靠能源绿色化的治污策略面临挑战.据此提出更好发挥政府作用,持续降低中国PM_(2.5)污染暴露水平,实现环境公共服务更加均等化的政策启示.

基于集合经验模态分解和指数能量法的水泵水轮机尾水管压力脉动信号特征提取

提取水泵水轮机尾水管压力脉动信号中的动态特征信息,准确识别涡带强度,是近年来水泵水轮机工程领域的研究重点。本文基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和模态指数能量法,对某水泵水轮机发电工况不同负荷下的尾水管压力脉动信号进行特征提取,得到如下结论。首先,基于EEMD的模态指数能量能够有效地反映信号中的能量分布规律。其次,在涡带增强过程中,基于EEMD的最大模态指数能量不断升高,表明尾水管内的流动状况变得更加复杂,涡带特征信息也更加丰富。最后,使用最大与平均指数能量构建的特征向量能够准确反映不同的尾水管涡带强度,并且能够作为智能分类器的输入特征向量,有利于后续进一步的识别与诊断,具有重要的工程意义。

基于张量分解的地铁车轮健康指数构建

地铁在运行过程中,车轮踏面、轮缘与轨道持续磨损会导致车轮性能退化。对车轮退化过程中的不同状态进行识别和评估是车辆故障预测与健康管理的关键环节。近年来,基于振动信号和机器学习的地铁车轮退化状态智能识别技术在降低人工依赖、优化镟修策略方面作用显著。但由于在实际运行过程中,地铁轮对通常受载荷、路况等因素影响,振动信号易受强噪声干扰,导致退化趋势不显著,难以直接识别其状态变化。为解决这一问题,文章提出一种基于张量重构的健康指标构建方法。该方法首先基于张量分解可有效挖掘信号高维本质信息的优点,利用张量Tucker分解获得原始信号的核心张量;其次,采用张量重构和Savitzky-Golay滤波方法对信号进行降噪处理;最后,在此基础上,利用深度自动编码器网络提取深度退化特征,建立车轮退化过程的健康指标。依托北京地铁某线路实际运行的车轮振动信号数据所进行的实验结果表明,采用该方法构建的健康指标具有良好的趋势性和单调性,能够准确描述轮对整个退化过程,所得到的异常预警位置与轮径值磨损变化和实际镟修记录准确对应。该方法的提出为地铁轮对健康管理提供一种智能化的解决方案,具有良好的实用价值。

基于自适应Fourier分解和机器学习的投资者信心指数预测研究

通过AFD去噪分解选取的相关变量,结合门控循环单元(GRU)神经网络模型提出一种基于自适应Fourier分解(AFD)和机器学习的投资者信心指数预测方法——AFD-GRU预测模型,同时采用多个基准模型进行对比分析。研究表明:对于月度投资者信心指数数据,AFD方法结合机器学习模型预测结果更优;针对结构复杂的非线性多变量数据,AFD-GRU预测模型有更好的泛化能力,其预测精度优于其他基准模型。实证结果显示,AFD-GRU模型能够有效预测投资者信心指数的变化趋势,预测精度高且波动性较小,具有一定的实用价值。这一方法有望在金融、统计等领域得到广泛应用。

中国税收超GDP增长的因素分解研究——基于Divisia指数分解方法

文章推导出三因素Divisia指数分解方法,将多种因素纳入到一个统一的实证分析框架内,在控制价格统计因素的前提下,揭示了中国税收超GDP增长的根源。研究发现:行业税负提高带来的部门因素是税收超GDP增长的最主要动因,贡献率达到80%;其次是高税行业发展带来的经济因素和税制调整带来的政策因素。文章进一步利用中介效应检验发现,部门因素主要来自中国高速的存量资产积累,征管因素并不突出。由于税收征管效率边际收益递减,单纯依靠税收征管效率不足以支撑部门税负的连年提升,但中国资本形成率和资产交易率高企造成来自存量资产的税收收入大量增加,使得税收超GDP增长成为必然。这一结论对判断税收增长趋势和明确未来税制改革导向有重要的启示意义。

三种凋落叶分解对水体高锰酸盐指数的影响

为研究不同凋落叶在水体的分解特征及其对水质的影响,选用二球悬铃木(Platanus acerifolia)、垂柳(Salix babylonica)和毛泡桐(Paulownia tomentosa)凋落叶为实验材料,模拟3种落叶在小型水体中的分解过程,测定水体高锰酸盐(CODMn)指数的变化.结果表明,3种落叶的分解使水体CODMn指数在1天内显著升高,尤以垂柳水体升高最为显著.二球悬铃木和垂柳落叶水体中CODMn指数的变化基本一致,呈上升—下降—上升的趋势,但CODMn指数达峰值时间不同,二球悬铃木为第15天,垂柳为第8天.毛泡桐凋落叶水体CODMn指数的变化为上升—下降—平稳,CODMn指数第4天最高.整体上,3种落叶分解过程中还原性无机物和可被氧化的有机物含量呈释放状态,但释放量不同,垂柳最高,二球悬铃木其次,毛泡桐最低.

基于复合基尼指数和最大相关峭度特征模态分解的轴承故障诊断算法

最大相关峭度特征模态分解可以有效去除冗余信息,实现故障特征增强,但是其效果受分解模态数量、初始化滤波器个数和滤波器长度的影响。针对此问题,文章提出了一种基于复合基尼指数(Compound Gini Index,CGI)与最大相关峭度特征模态分解(Maximum Correlated Kurtosis Feature Mode Decomposition,MCKFMD)的轴承故障诊断方法。首先,将时域平方基尼指数和频域平方基尼指数结合,构建了一种能够同时量化时域和频域周期性脉冲丰富度的新稀疏测度指标,命名为复合基尼指数,并对其性能特性进行评估验证;其次,使用CGI作为沙丘猫群优化算法(Sand Cat Swarm Optimization,SCSO)寻优的适应度函数,快速准确地得到MCKFMD的最优参数组合,实现故障信号的自适应分解;最后,利用CGI选取最优模态,并进行希尔伯特包络解调,实现故障特征提取。通过仿真信号和试验信号验证了所提方法的有效性。对比性研究表明,与参数优化VMD和固定参数MCKFMD相比,文章所提方法在提取周期性故障特征方面更为有效。

融合新闻影响力衰减的碳价格多元分解集成预测

新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反映新闻对碳价格的影响程度。为提高预测精度,构建了融合新闻影响力衰减的碳价格多元分解集成预测模型,运用噪声辅助多元经验模态分解方法对碳价格和新闻数据进行多元分解,基于样本熵重构分量,使用机器学习方法对分量进行预测,加和集成得到预测结果。以湖北省碳价格为例进行实证分析。结果表明:新闻影响力指数衰减方法能有效刻画新闻与碳价格的相关性,多元分解集成模型表现出优异且稳定的预测性能。

基于LMDI和泰尔指数的长江经济带公共建筑碳排放变化研究

基于LMDI因素分解模型,分析了2010-2019年长江经济带碳排放综合系数、能源强度、产业结构、经济水平和城镇化率对公共建筑碳排放变动的影响,并利用泰尔指数测算了公共建筑碳排放主要影响因素的区域差异。结果表明:(1)经济水平的提高和城镇化的发展是促进公共建筑碳排放增长的主要因素,而产业机构的调整和能源强度的降低则抑制了碳排放的增加。(2)基于能源强度和经济水平的碳排放泰尔指数均表明区域内差异是造成该经济带公共建筑碳排放不平衡的主要原因,各区域阶梯效应削弱,区域内部呈现分化发展的局面。(3)政府应重点关注区域内部互联,建立以经济水平碳排放为约束指标的碳减排协同治理机制,实现长江经济带公共建筑业的协调发展。

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

中国金融状况指数的构建、分解与货币工具选择

文章基于时变参数向量自回归模型构建了2002年6月至2021年12月的中国金融状况指数,通过省级面板数据分解得到了省级金融状况指数,据此推算最优货币工具组合的理论形式,并依据实际数据进行了实例演算。研究结果表明:(1)中国金融状况指数中的传统货币因素权重下降,多元市场因素权重上升,但总体结构转变缓慢。(2)各省份金融状况指数总体上相对趋同,但构成的权重存在显著差异,发达省份的市场因素有更高的权重。(3)发达省份的金融状况指数有更强的外溢效应,落后省份更容易受到其他省份的影响。(4)可以通过最优的货币工具组合,使得实现某一目标FCI前提下波动最小。

基于自适应噪声完全集合经验模态分解算法和Hurst指数的地震数据去噪方法

在地震观测中,地震数据中普遍包含有噪声信号。由于噪声信号的干扰,地震分析的效率会受到不同程度的影响。传统的去噪方法通常需要噪声的先验知识,并且滤波时会造成部分有效信号丢失。针对这一问题,本文提出一种将自适应噪声完全集合经验模态分解(CEEMDAN)算法与Hurst指数相结合的地震数据去噪方法。首先通过CEEMDAN方法将信号分解为一系列本征模函数(IMF),然后利用Hurst指数对滤波后的IMF分量进行识别,最后对地震数据IMF分量进行重构,从而实现数据去噪。与传统方法的去噪效果对比表明,本文方法可将低信噪比波形的去噪效果提高32%,将高信噪比波形的去噪效果提高6倍。同时对地磁数据的去噪结果表明,本文方法能够较完整地将地铁噪声从地磁信号波形中滤除。

基于改进经验模态分解的直流串联电弧故障检测

针对直流系统中存在强噪声干扰时串联电弧故障检测准确度较低的问题,提出一种基于改进自适应噪声完备集合经验模态分解和模糊k均值聚类相结合的直流串联电弧故障检测方法;首先运用改进自适应噪声完备集合经验模态分解方法分解回路电流信号,得到多个本征模态函数;然后计算各本征模态函数的Hurst指数值以区分噪声分量和有用分量,将Hurst指数值大于0.5的有用分量进行重构;最后计算重构信号的峰峰值特征量和模糊熵特征量以构建特征向量作为模糊k均值聚类的输入,通过聚类中心的不同位置识别正常与故障状态。仿真与试验结果表明,所提出的方法区分系统正常与故障状态准确度为100%,区分系统干扰与故障状态准确度为93%,能有效识别直流串联电弧故障。

国际贸易碳排放指数分解法研究综述

近年来,国际贸易领域碳排放影响因素的计量方法主要有描述性统计、回归分析法、情景分析法、结构分析法以及指数分解法(IDA)等几大类,而指数分解法凭借其自身优点成为当前学者研究的主流方法。文章从指数分解方法基本模型入手,在深入剖析Laspeyres指数分解法和Divisia指数分解法基础上,梳理了该方法在国际贸易碳排放中的实际应用,并对此法进行了评述。

基于局部均值分解和交叉小波的全球平均海平面变化与ONI指数多尺度特征研究

为研究全球平均海平面与ENSO(El Niño-Southern Oscillation)的相关性问题,本文提出了一种结合局部均值分解和交叉小波原理的分析方法,揭示全球平均海平面和ENSO的影响机理和因果关联。利用全球平均海平面的时间序列进行局部均值分解得到PF分量和余量,表示海平面变化的高频分量、低频分量和趋势分量。剔除高频分量的影响,利用最小二乘线性拟合趋势分量,得到1991—2000年的全球平均海平面上升速率为3.6 mm/a。接着对PF的低频分量进行距平变换再与ONI指数(Oceanic Niño Index,ONI)分别进行Morlet连续小波变换得到小波功率谱,再将变换的连续小波分别进行交叉小波变换得到交叉小波功率谱和凝聚谱,通过交叉小波功率谱和交叉小波凝聚谱揭示信号在时频空间的能量共振和协方差分布规律,其中交叉小波功率谱体现了共同的高能量区的相关性,交叉小波凝聚谱体现了共同的低能量区的相关性。结果表明,该方法能在多尺度上分析海平面的变化,并能分析ONI指数与全球平均海平面的关系,可为全球平均海平面演变规律分析和预测等方面提供有力工具。

基于子空间的指数和分解及在信道估计中的应用

指数和序列分解问题是一个经典的数学问题,Prony方法和Prony-Kung方法是解决此问题的经典方法。用支撑子空间的观点仔细分析了Prony-Kung方法,在此基础上,理论证明了指数和序列分解问题可以归纳于支撑子空间的确定问题,并对受噪声污染的指数和序列提出了具有低复杂度的Lloyd-like搜索支撑子空间的算法。最后,把以上算法应用于毫米波信道估计,仿真结果表明了此应用的有效性。