基于单参数的Lagrangian支持向量回归算法及其应用

支持向量机（Support Vector Machines，SVM）是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能，该方法已成为当前国际机器学习界的研究热点，能较好地对解决小样本、高维数、非线性和局部极小点等实际问题。提出了一种基于单参数的Lagrangian支持向量回归算法，并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。

新冠肺炎疫情对交通运输行业的影响及政策建议

2019年底开始的新型冠状病毒肺炎疫情对交通运输行业造成了明显冲击。为分析疫情对当前交通运输行业带来的影响,重点从客运、货运、港口生产、交通固定资产投资四方面进行了研究。然后,提出了四方面政策建议,包括加强交通运输疫情防控、积极发挥交通投资稳定器作用、加大高速公路通行服务保障和确保关系国计民生的重点物资基本运输需求,以便为各级交通运输管理部门决策提供参考,争取将疫情对行业的影响降到最低程度。

我国沿海港口外贸货物吞吐量的影响因素研究——兼论我国经济由外需拉动向内需驱动转型的一个证据

通过建立基于贸易引力模型的我国沿海港口外贸货物吞吐量影响因素的VAR模型,分金融危机之前和以来两阶段对交通运输固定投资、人民币汇率、世界经济状况和国内经济状况对我国沿海港口外贸货物吞吐量的影响进行实证研究。由方差分解分析发现:对交通运输体系固定投资的增加在金融危机以来较金融危机之前更能提高沿海港口外贸货物吞吐量;人民币汇率的波动在金融危机之前和以来均不对沿海港口外贸货物吞吐量形成显著影响;金融危机以来世界经济的复苏显著提高沿海港口外贸货物吞吐量;金融危机之前我国国内经济状况对沿海港口外贸货物吞吐量的影响在金融危机以来得到了大幅削弱。

从SARS疫情启示看新冠肺炎疫情对交通运输行业的影响

为了研究新冠肺炎疫情对交通运输行业造成的影响,首先分析了SARS疫情对交通运输行业的影响,然后结合我国当前经济发展特征,就新冠肺炎疫情对交通运输行业的影响进行了分析。研究认为,新冠肺炎疫情对交通运输行业的影响是短期的,不会造成长期趋势性改变;新冠肺炎疫情对交通运输行业的影响远超过SARS疫情;交通运输各个领域恢复期将表现出明显差异。最后,有针对性地提出一些应对新冠肺炎疫情影响的措施建议,供各级交通运输管理部门决策参考,具体包括切实做好新冠肺炎疫情影响程度更深的应对准备;提供安全可靠的客运服务;不断提升交通运输行业应急处置能力;建立交通运输行业重大危机救助基金。

基于单参数的Lagrangian支持向量回归算法及其应用

支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该方法已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。这里提出了一种基于单参数的拉格朗日(Lagrangian)支持向量回归算法,并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。