我国研究生教育规模影响因素分析及预测

灰色关联度方法对我国研究生教育规模相关影响因素的定量分析结果表明,高等教育规模、科技教育投入和经济发展水平因素与我国研究生教育规模存在显著的影响关系,而就业状况和人口总规模并未对我国研究生教育规模变化产生显著影响. GM(1,1)模型对未来研究生在学人数和每千人在学研究生数的预测结果显示,在保持现状的情况下,研究生教育规模在未来一定时期内仍将低速稳定增长.实证研究结论给我们以一些重要启示.     

陕西省研究生教育预测模型实证研究

在综合考虑陕西省研究生教育的历史和现状、所面临的机遇和挑战,及全省经济发展速度的基础上,运用统计理论中的趋势拟合模型、二次指数平滑模型、线性回归模型,预测陕西省研究生教育在未来10年所应达到的规模.并结合实际对三种预测模型的预测结果进行了讨论,分析了各种预测模型的利与弊,判断出线性回归模型是较为可取的一种模型,从而得出研究生招生规模应量力而行的结论.     

基于最小二乘法的GM(1,1)模型在我国猪肉产量预测中的应用研究

猪肉产量受诸多因素影响,因此数据波动性大,并且具有小样本性及贫信息等特点.本文采用基于最小二乘法的GM(1,1)模型对我国未来几年内猪肉产量进行了短期预测.首先,介绍了GM(1,1)模型;然后,通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性,建立基于最小二乘法的GM(1,1)模型;其次,结合2008至2014年我国猪肉产量数据建立预测模型;最后,使用2014年数据对模型的可靠性进行验证,基于最小二乘法的GM(1,1)模型的预测结果更加接近实际值.预测结果显示未来3年中国猪肉产量将持续增加.该模型为其他相关预测提供了理论依据,也便于我国对未来猪肉产品市场进行宏观调控,维持猪肉市场平衡,避免猪肉价格波动风险.     

PLS分析与RBF神经网络耦合环境模型

鉴于城市大气环境质量受到诸多复杂因素影响,且各因素间存在多重相关性,本文将偏最小二乘(PLS)分析与人工神经网络径向基网络(RBF)耦合,建立偏最小二乘径向基神经网络模型(PLSRBF),应用于贵阳大气环境质量的检验和预测。实例表明:PLSRBF模型可对原多自变量模型进行降维简化,并可有效提取解释变量信息,防止信息丢失,且具有较强的拟合能力。     

上海未来短期客运量的预测分析——基于最小二乘法改进的GM(1,1)模型

客运量受诸多因素影响因此数据波动性大,并且具有小样本性及贫信息等特点.采用基于最小二乘法改进的GM(1,1)模型,对上海市的客运量进行短期预测.首先介绍了普通GM(1,1)模型的建立方法;然后通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性建立改进的新GM(1,1)模型;其次结合2005-201.4年数据建立预测模型;最后使用2014年数据对模型可靠性进行验证.结果表明该预测方法精度高误差小,改进的模型预测结果更加接近实际值.该模型为其他相关预测提供了理论依据,也便于上海市对未来交通运输的宏观调控.     

基于最小二乘法的GM(1,1)模型在我国蔬菜产量预测中的应用研究

从2011年起,蔬菜产量和产值均超过粮食,已跃居成为中国的第一大农产品,其生产状况影响全国市场的稳定.蔬菜产量受诸多因素影响因此数据波动性大,并且具有小样本性及贫信息等特点.本文采用基于最小二乘法的GM(1,1)模型,应用灰色系统预测理论对我国未来几年内蔬菜产量进行了短期预测.首先介绍了普通GM(1,1)模型;然后通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性建立基于最小二乘法的GM(1,1)模型;其次结合2009至2013年我国蔬菜产量数据建立预测模型;最后经过误差检验并使用2014年数据对模型可靠性进行验证,基于最小二乘法的GM(1,1)模型的预测结果更加接近实际值.预测结果显示未来3年中国蔬菜产量将持续增加,该模型为其他相关预测提供了理论依据,也便于我国对未来蔬菜产品市场进行宏观调控,维持市场平衡,避免价格波动风险.     

基于最小二乘法的改进GM(1,1)模型在上海市社会总抚养比预测中的应用

由于上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,如果采用普通灰色预测模型无法更加准确地进行预测,因此文章提出了一种改进的GM(1,1)模型.通过将改进模型与普通模型进行对比得出采用二次多项式拟合的改进模型预测精度较高,因此文章采用二次多项式模拟的改进模型进行预测.将该改进模型应用于上海市社会总抚养比预测中,并结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.     

Poisson回归模型及Lasso变量选择在研究生成绩影响因素分析中的应用

探究学生成绩的主要影响因素是研究学生成绩评价体系中一个重要方向.依据某大学三年研究生入学信息数据,利用方差分析研究其入学成绩的影响因素;利用Poisson回归模型结合Lasso变量选择方法,探究入学专业课成绩、培养类别等对研究生学业课程成绩是否有显著影响,其结果为研究生院的招生工作提供了数据支持,对大学教学方法改进、教学质量提高和新生录取工作具有十分重要的现实指导意义.     

“主计算枝+影响枝”的系统动力学建模方法在卫生费用预测中的应用

控制卫生费用的不合理增长是卫生政策的重要选题,影响卫生费用的因素众多复杂,且相互作用,探索科学的预测方法对卫生费用未来增长趋势的准确预测至关重要.目前常用的定量预测方法有回归模型、因子分析、时间序列模型、组合预测模型、趋势外推法、灰色预测模型、人工神经网络模型等,这些方法大多都是用数学模型对未来变化趋势进行预测,对系统整体环境的变化及其各种因素的影响考虑不够充分,研究目标单一,且对数据的时间序列长度要求严格.为克服常规预测方法的不足,结合卫生费用复杂性、动态性、敏感性等特征,从系统工程的角度,充分考虑到社会人口、经济水平、卫生资源、国家政策、卫生费用结构方面的因素等对卫生费用的影响及其交互作用,试着从系统工程的角度,运用系统动力学建模技术,创新性地提出"主计算枝+影响枝"的系统动力学建模方法,建立卫生总费用、人口数量、GDP、老龄化、卫生技术人员数量、政府卫生支出、药品费用等七个系统动力学流率入树模型.基于2001 2013年的历史数据,主计算枝流率变量方程的建立主要用到乘积式、表函数,影响枝各变量方程的建立主要运用表函数、延迟函数、阶跃函数、选择函数等,以2001年为初始年,仿真时间为2001 2025年,其中2001 2014年为历史时间,2015 2025年为预测时间,仿真步长为年.借助Vensim仿真软件,实现卫生费用复杂系统内部结构与行为特征的可视化模拟,将2002 2014的模拟结果与历史结果相比,卫生费用预测结果的平均吻合率达97.8%.定量预测结果及其决定因素的量化测量,将是制订国家宏观卫生政策的重要依据.     

基于支持向量机的大豆产量预测研究

应用支持向量机(SVM)的算法进行中国大豆产量的预测研究,用1991-2008年中国大豆数据组成样本集,建立影响因素与大豆产量之间的SVM模型.利用SVM对输入和输出数据进行训练学习,逼近历史数据所隐含的函数关系,完成对新数据序列的映射关系,从而完成对未来年份大豆的预测,并与其它几种方法的预测效果进行比较.结果表明,SVM预测模型预测大豆产量的精度优于其它预测方法.     

基于小波神经网络的海上突发事件应急资源动态需求预测

近年来海洋综合开发势头迅猛,海上船舶运输业的发展迅速,然而在创造可观的经济效益和社会效益的同时,海上险情事故频发,应急资源需求复杂多变。本文尝试将小波理论应用于海上应急管理领域,运用小波神经网络模型预测未来周期内的海域险情事故数。在海域险情事故预测的基础上,结合应急资源种类、海域的风险程度等影响因素,引入平均风险月度系数,构建了海上突发事件应急资源动态需求概念模型,间接预测应急资源需求,并提出部分可替代应急资源需求的预测思路。并以山东海事辖区为例,验证了该方法的有效性和可行性。     

上海市PM2.5浓度的分析与预测

针对上海市PM2.5的浓度进行动态分析及预测.通过使用Page检验分析了上海市PM2.5浓度近几年的变化趋势;然后建立时间序列ARIMA模型对PM2.5浓度日数据进行拟合分析与预测.在此基础上通过引入影响PM2.5浓度的其他因素建立带时间序列误差的回归模型以及引入波动率因素建立带波动率方程的模型改进原时间序列ARIMA模型;通过比较样本外预测的效果,结果表明改进后的两个模型其结果均优于已知文献中的ARIMA模型.     

中学生创造力智能评价的实现

评价学生的创造力是一项极富挑战性的工作,创造力评价是培养开发创造力的首要环节.当需要评价的被试、创造力指标个数、指标等级水平都较多时,创造力评价工作便陷入了僵局,利用人工甚至无法完成.学习矢量量化(LVQ)神经网络在模式识别方面具有良好的性能,据此尝试用LVQ神经网络进行创造力评价.根据创造力评价指标及等级的数目,构建了由输入层、隐含层、输出层组成的LVQ神经网络,用训练好的网络对测试样本进行仿真测试,仿真结果和实际情况正好相符,体现出LVQ神经网络在创造力评价中的实用和有效性.     

基于BP神经网络的山坡平均坡度解

用BP神经网络方法对山坡平均山坡的解法进行分析,以29个小流域样本的水文数据为基础,通过应用人工神经网络反向传播BP(Back Propagation)算法,引入与山坡平均坡度密切相关的流域影响因子,并且通过调整网络结构中的权因子和阈值,建立了山坡平均坡度与流域影响因子之间的BP网络模型.计算结果表明,用拓扑结构为5-12-1的BP网络,经过学习150000次后,随机测试小流域样本的山坡平均坡度其计算结果和测试结果的相对误差不超过5%;证明该ANN模型的拟合能力强,从而为小流域山坡平均坡度的计算提供了一条新途径.     

Two-mode network modeling and analysis of dengue epidemic behavior in Gombak,Malaysia

Many complex systems in the form of network structures have been a great focus of research in the last decade. In fact, various domains have been modeled and analyzed as complex networks ranging from biological, technological, transportation, social and many others. The phenomenon of distribution of many dengue cases has been a great concern in Malaysia in recent years. Therefore, in this work we formalize and analyze the dengue spreading phenomenon from the perspective of complex network and model the dataset of dengue affected cases in Gombak, Selangor (Malaysia) into two-mode network. By using real dataset of dengue cases in Malaysian states obtained from the Malaysian Health Ministry, we observe this network with global (Closeness, Betweenness and Short path-length) and local (Degree and Clustering coefficient) structure perspectives. We further formalize it by projecting from two-mode to one-mode network using three methods of network projection. From the network analysis, we found that there are few localities that were affected again and again throughout the year. Further, few localities have high number of dengue cases as compared to others. From the global structures perspective, very few localities have shown closeness to all other localities and therefore easing the route for the propagation of dengue virus that has the highest weight in terms of number of dengue cases.     

模糊处理变结构神经网络日负荷预测方法研究

对于受不确定因素影响的日电力负荷,首次提出了基于模糊分类规则的变结构神经网络负荷预测模型,考虑从两方面改进预测精度,一个方面是通过模糊分类规则,使过去的负荷数据分为不同气候特征,选用同类特征数据进行预测,另一方面是通过神经网络变结构优化,确定最优网络和最优拟合逼近,从而得到最优的预测结果,这种新方法同时考虑了天气因素的影响和神经网络的最优确定,因此,较大提高了日负荷预测的精度。     

Application of RBF neural network improved by peak density function in intelligent color matching of wood dyeing

According to the characteristics of wood dyeing, we propose a predictive model of pigment formula for wood dyeing based on Radial Basis Function (RBF) neural network. In practical application, however, it is found that the number of neurons in the hidden layer of RBF neural network is difficult to determine. In general, we need to test several times according to experience and prior knowledge, which is lack of a strict design procedure on theoretical basis. And we also don’t know whether the RBF neural network is convergent. This paper proposes a peak density function to determine the number of neurons in the hidden layer. In contrast to existing approaches, the centers and the widths of the radial basis function are initialized by extracting the features of samples. So the uncertainty caused by random number when initializing the training parameters and the topology of RBF neural network is eliminated. The average relative error of the original RBF neural network is 1.55% in 158 epochs. However, the average relative error of the RBF neural network which is improved by peak density function is only 0.62% in 50 epochs. Therefore, the convergence rate and approximation precision of the RBF neural network are improved significantly.     

辽宁省私家车保有量增长及影响因素分析

近年来,辽宁省的经济稳步发展,私家车保有量在快速上升.私家车保有量的变化趋势与辽宁省的基础设施建设、城市发展、交通以及环保等政策的制定有着密切联系,因此,准确的预测未来辽宁省私家车保有量有重要意义.本文以辽宁省1996~2015年私家车发展情况为研究对象,运用统计学及计量经济学相关知识,建立多元线性回归模型来分析私家车保有量的影响因素,经过模型检验和修正,进而分析各因素与保有量的影响关系.最后,根据得到的研究结果,对未来几年辽宁省私家车保有量进行预测并针对辽宁特殊的社会经济状况,为改善建成环境中潜藏着的复杂问题提出相关政策和建议.     

基于ANP-RBF神经网络的化工行业绿色供应商选择

基于绿色供应链理念,提出了化工行业绿色供应商选择的特色指标,构建了化工行业绿色供应商选择的ANP-RBF神经网络模型。通过ANP确定各指标权重,再结合RBF神经网络,从训练数据中提取隐含的知识和规律,能够方便地用于新供应商的选择。该模型求解算法为增量算法,具有很好的可扩展性,从而增加了评价的动态性。算例验证结果表明,将ANP-RBF神经网络模型用于化工行业绿色供应商的选择具有较强的实用性。     

基于组合预测模型的广东省第三产业产值预测

首先分析了影响广东省第三产业发展的主要因素,指出由于上述因素相互制约、相互影响,导致第三产业的发展呈现出高度的非线性特征,并使得单一的预测模型在预测效果和泛化能力方面难以胜任.在此基础上,提出了基于神经网络集成的组合预测模型,对广东省第三产业的发展进行预测,阐述了算法的基本原理和数据处理流程,实证分析表明:基于神经网络集成的组合预测模型要比单一预测模型的预测精度高.