不同补贴对象下闭环供应链信息共享价值研究

在一个制造商和一个零售商组成的二级闭环供应链中,为研究政府补贴下供应链需求信息共享对决策的影响及共享价值,针对两种补贴对象,构建并求解无信息共享和信息共享博弈模型,并进行仿真验证.研究表明:1)两种补贴对象下,制造商均能从信息共享中获益,零售商仅在绿色成本和回收成本较低时才会从信息共享中获益;绿色成本和回收成本稍高时,设计基于谈判势力的信息补偿机制能有效促进零售商共享信息.2)产品绿色度和回收率随预测需求量的提高而提高,批发价和零售价仅在回收成本较低时,才会随预测需求量的提高而提高.3)在仅补贴一方情况下,当补贴对象为低补贴一方时,两个主体所获的信息共享价值大;若对两者的补贴均较低,两个主体均希望补贴对象为零售商;若对两者的补贴均较高,零售商不愿共享需求信息.     

Weighted norms in subspace‐based methods for time series analysis

Many modern approaches of time series analysis belong to the class of methods based on approximating high‐dimensional spaces by low‐dimensional subspaces. A typical method would embed a given time series into a structured matrix and find a low‐dimensional approximation to this structured matrix. The purpose of this paper is twofold: (i) to establish a correspondence between a class of SVD‐compatible matrix norms on the space of Hankel matrices and weighted vector norms (and provide methods to construct this correspondence) and (ii) to motivate the importance of this for problems in time series analysis. Examples are provided to demonstrate the merits of judiciously selecting weights on imputing missing data and forecasting in time series. Copyright © 2016 John Wiley & Sons, Ltd.     

基于包容性检验的江苏省第三产业从业人数组合预测

利用包容性检验对6种单项预测方法进行分析,根据各单项模型的预测精度优劣进行排序,逐步进行包容性检验和组合,经过包容性检验后得到的单项模型进行最优加权组合.利用以上方法和1990-2013年江苏省第三产业从业人数数据,建立了组合预测模型,得到相对误差不超过1%的江苏省"十三五"期间第三产业人数预测值.     

属性识别预警系统(AFS)——一种新的信用评价方法

在属性集和属性测度函数的基础上建立了属性测度预警系统.利用我国深、沪两交易所2000年公布的106家上市公司作为训练样本,计算出“差”企业和“好”企业的属性测度均值,构造出属性测度函数.进而对2001年公布的13家预亏公司进行预警分析,用置信度准则及最大属性测度准则判别,预警准确率分别达到92.31%和100%.因此,属性识别预警系统在信用评价方面具有良好的应用前景.     

Chaotic Dynamics in Weight Space of Neural Networks

When a special nonlinear self-feedback term is introduced into the dynamical equation of the backpropagation training algorithm for networks, the dynamics in weight space of networks can become chaotic. Chaotic dynamics of the system can help it escape from the most commonplace local minima of the energy. Simulation on the XOR problem and the prediction of chaotic time series have shown that the proposed chaotic training algorithm can converge to the global minimum or its approximate solutions efficiently and dramatically faster than the original backpropagation training algorithm.     

Inference on COVID-19 Epidemiological Parameters Using Bayesian Survival Analysis

The need to provide accurate predictions in the evolution of the COVID-19 epidemic has motivated the development of different epidemiological models. These models require a careful calibration of their parameters to capture the dynamics of the phenomena and the uncertainty in the data. This work analyzes different parameters related to the personal evolution of COVID-19 (i.e., time of recovery, length of stay in hospital and delay in hospitalization). A Bayesian Survival Analysis is performed considering the age factor and period of the epidemic as fixed predictors to understand how these features influence the evolution of the epidemic. These results can be easily included in the epidemiological SIR model to make prediction results more stable.     

基于多尺度自适应阶ARMA的混沌序列多步预测

混沌时间序列在自然界以及人们的生产生活中很常见,混沌序列看似杂乱无章但相较于纯随机序列其中蕴含着一些非线性的运动特征,提出一种基于多尺度自适应阶ARMA的混沌时间序列多步预测方法.首先利用自适应噪声的完备经验模态分解(CEEMDAN)对原始混沌序列进行分解,获得不同尺度的固有模态分量(IMF)和残余分量.然后采用经粒子群算法(PSO)进行阶数寻优的自回归移动平均模型(ARMA)对每一个IMF分量进行拟合预测.最后将预测得到的每一个分量相加得到原始混沌序列的预测值.基于Mackay-Glass混沌序列和太阳黑子数混沌序列进行实验分析,实验表明:与ARMA、PSO-ARMA以及CEEMDAN-ARMA方法相比,方法的预测效果有较好的提高,其平均绝对误差(MAE)、均方根误差(RMSE)以及平均绝对百分比误差(MAPE)都有降低.     

基于小波去噪和WNN-ARIMA组合模型的年径流预测

为解决单一的小波神经网络预测精度不高的问题,提出一种新的基于小波去噪和WNN-ARIMA组合模型,应用小波阈值去噪法对小波神经网络的输入值进行预处理,同时对模型残差值进行ARIMA模型修正.利用该组合模型对洮河流域下巴沟站年径流量进行预测,预测趋势和预测值与原始实测数据吻合度高,表明此组合模型可靠性强,可以有效预测年径...     

基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。     

小波分析在经济预测模型中的应用

经济信号也是一种时间序列 ,它和小波分析中的信号具有相同的特性 .因此 ,可将经济时间序列看成经济信号 ,应用小波进行实际经济分析和预测 .论文针对最小二乘法的不足 ,提出了多分辨回归分析处理经济数据分析的方法 .本文在建立宏观模型时 ,利用小波分析对经济数据进行预处理 ,获得能反映宏观变化趋势的低频信息 ,再用最小二乘法进行拟合和预测 ,通过对传统最小二乘法建立的模型的对比分析 ,结果表明 :本方法优于一般最小二乘法 .