基于ERMM的新冠病毒疫情分级与动态预警研究

新冠疫情的精准判定是打赢疫情防控阻击战的金钥匙,而精准的疫情防控则是经济社会高质量发展和如期打赢脱贫攻坚战的压舱石。为精准判定区域单元的疫情风险和预警等级,基于泛逻辑模糊集与模糊数学等知识理论,创新性地构建了疫情风险计量模型(epidemic risk measurement model,ERMM)及其子模块的计量模型。本文通过采集“人口迁移”“外环境”“防疫重视程度”和“病理学”等四个维度的样本数据,并采用ERMM1等不同的方法,对预警区域各子模块进行计量运算;并根据各子模块的运算结果,运用ERMM对预警区域进行统一的合成运算;同时对不同区域单元的新冠病毒疫情进行多层面的仿真研究与深度分析。研究结果表明:(1)ERMM的一级指标和二级指标对新冠疫情的影响作用均非常显著。且三者之间存在线性和非线性关系共存的复杂逻辑关系。二级指标的作用通过一级指标传导,两者共同决定着区域单元的新冠病毒疫情程度。(2)预警区域普遍存在总体预警等级合理,但局部预警等级设置不准确的现象;从而导致局部防疫反应过度或针对性不强等不同的状况。(3)ERMM能够准确判定区域单元的疫情风险和预警等级,进而可为新冠疫情的准确预警、科学防控及精准施策而赋能赋智。

新型融合方法的医学图像预处理和分类

为在尿沉渣的复杂环境中提取适合神经网络识别的图像信息,满足医学检测和分类的准确性要求,提出一种改进型卷积网络(improved convolution neural networks,ICNNs)的图像融合预处理方法。经过融合与重构,得到符合R、G、B要求的高质量射频多光谱信息图像。对比其它预处理方法与神经网络集成的识别分类数据可知,多种尿沉渣成分的识别率得到了显著提高,由聚堆问题引起的识别分类干扰持续下降。ICNNs与BPNNs(back propagation neural networks)集成方法的仿真实验结果表明了ICNNs图像融合预处理方法的先进性,以及ICNNs与BP识别神经网络集成的有效性和鲁棒性。

PLF.sets的实证研究及其高质量仿真应用

为高效率与高质量仿真城市人口迁移与演变趋势,基于Zadeh模糊集的基础知识,引入哲学否定与计算机逻辑中对立否定、中介否定和矛盾否定的概念。在反复研究和论证了三种逻辑否定之间的内在关系、基本特征和融合条件后,创新性地提出了PLF.sets泛逻辑性模糊集,形成可直接参与计算的多种逻辑变量及其演变形式的评价因数集。PLF.sets在饱和验证其运算规则和逻辑转化可行性的前提下,通过已知局部隶属函数g(x)构建出逼近性能良好的整体隶属度函数f(x)。它能够在确定的值域U[a,b]内,使得任意的x(x∈U)映射于f(x)值。并在高度仿真和逼近原始系统规律的同时,逻辑简化系统函数产生的复杂性计算。PLF.Sets于《管理信息系统》教学质量评价的实证研究结果充分证明,PLF.sets方法可以化繁为简,简化运算方法和步骤;显示出高效性、准确性、普适性和简洁性的特点。PLF.sets方法在对北京城市人口迁移与演变趋势仿真的应用表明:(1)北京城市人口流动变化净增加值的定位均是“多”的等级;(2)北京城市人口流动网络及其关联度特征的定性等级均是“高”级别。最终高质量地评估了正向迁移城市的人口流动格局、人口迁移与演变趋势。

财税激励政策对高精尖产业发展的效用研究

发展“高精尖”产业是核心城市实现产业结构升级的关键战略。为此,北京市政府加强了以财政补贴和税收优惠为代表的相关财税激励政策。基于2007—2017年北京市“高精尖”产业上市公司数据,可以分析财政补贴和税收优惠政策对企业经营绩效的影响。结果显示:财税激励政策强度对企业营业收入增长率具有促进作用,但对企业生产率和净资产收益率产生了抑制作用;财政补贴和税收优惠政策对不同产业企业经营绩效的影响存在较大的异质性。