基于改进WOA-LSTM的中国纺织服装业碳排放预测模型构建与应用

预测纺织服装业碳排放值可使行业制定合理的减碳政策。为更精确地预测行业碳排放,提出基于改进鲸鱼优化算法(WOA)优化长短期记忆神经网络(LSTM)的预测模型,引入机器学习方法,为探索行业碳减排路径提供依据。首先,使用WOA对LSTM模型的关键参数寻优,采用混沌映射初始化种群和自适应权重2种方法改进算法并构建改进WO A-LSTM模型;然后,测算1990—2020年纺织服装业碳排放,使用STIRPAT模型筛选输入变量,通过对比分析验证模型性能,结合情景设计预测行业碳排放趋势。结果表明:模型预测精确度明显提升,测试集的MAE值为4.868,RMSE值为4.984,MAPE值为0.024;行业将主要依靠技术革新实现碳中和,为研究工业部门碳排放预测问题提供新思路。

组织学习对中国制造企业海外投资绩效影响研究——基于外来者劣势视角

制造企业是中国海外投资中最为活跃的主体,但其投资绩效却相对较低,因此研究我国制造企业海外投资绩效的提升途径意义重大。通过实证模型分析,探讨组织学习对我国制造企业海外投资绩效的影响,并检验外来者劣势的调节作用,结果表明:1)组织学习方式中,利用式学习比探索式学习对中国制造业海外投资绩效影响更积极;2)制度距离导致的外来者劣势对海外投资绩效有显著负面影响;3)面对来自文化距离的外来者劣势应选择探索式学习,面对来自制度距离的外来者劣势应选择利用式学习。