长三角地区能源消费、要素投入与经济增长关系研究——基于变系数和面板因果检验模型

深入研究能源消费及投入要素对经济增长的贡献,对于协调区域要素投入和区域经济的可持续发展具有重要意义.在生产函数框架下,利用1980-2013年长三角地区各省市经济增长与能源消费、要素投入数据,通过控制面板组内自相关、截面相关及组间异方差的变系数模型和面板因果检验模型,研究经济增长与能源消费、投入要素间长期均衡和因果关系.结果表明长三角地区经济增长与能源消费、投入要素间存在长期均衡关系,浙江省的劳动和资本的产出弹性最高,分别为0.515和0.95,江苏省的劳动产出弹性和浙江省的能源消费产出弹性为负,分别为-0.124和-0.338,表现为边际报酬递减特征.长三角地区能源消费和经济增长之间满足反馈假说,并提出提高能源使用效率、调整劳动和能源的投入结构及加大经济转型力度等对策建议.     

有限通信数据率下一阶多自主体系统的包含控制设计

研究了多个静态领导及有限通信数据率下一阶多自主体系统的分布式包含控制问题.通信拓扑为有向图.给出了存在基于量化信息的协议使得系统达到包含一致性的充要条件,还给出了此包含控制协议的设计算法.     

一类线性时滞系统的采样数据控制

研究了线性时滞系统的采样数据控制问题.基于新的依赖时间的LyapunovKrasovskii泛函,采用广义系统方法与自由权矩阵方法,得到了采样数据控制的指数稳定性分析和状态反馈控制器设计的条件,并表达为线性矩阵不等式形式.通过仿真举例,证明了结论的正确性与可行性.     

基于自适应权重的函数型数据聚类方法研究

基于有限维离散数据的传统聚类分析并不能直接用于函数型数据的分类挖掘。本文针对函数型数据的稀疏性和无穷维特殊性展开讨论,在综合剖析现有函数型聚类方法优势与不足的基础上,依据聚类指标的信息量差异重构加权主成分距离为函数相似性测度,提出了一种函数型数据的自适应权重聚类分析。相对同类函数型聚类算法,新方法的核心优势在于:(1)自适应赋权的距离函数体现了聚类指标分类效率的差异,并且有充分的理论基础保证其必要性和客观合理性;(2)基于有限维离散数据的聚类实现了无限维连续函数的聚类,能够显著降低计算成本。实证检验表明,新方法的分类正确率明显提高,能够有效解决传统聚类算法极端情形下的失效问题,有着复杂函数型数据分类问题下的灵活性和普遍适用性。     

收入分布变迁与消费结构转变——基于门限模型的非线性计量分析

当前我国消费存在着明显的结构性转变特征,且居民收入分布上不同收入层次人群的消费偏好具有显著的差异。由此选取CHIP数据并运用门限回归模型,根据城镇居民收入与消费(关系)的非线性特征划分出不同的收入组群,来对居民消费进行更为细致的分析。结果表明,城镇居民消费存在显著的收入组群差异,同时各类消费市场的发展阶段也存在区别,收入分布变迁正促使城镇居民消费结构由生存型消费向更高一级的享受发展型消费转变。可见当前我国经济中,居民收入水平对消费的影响与消费对经济增长的贡献,都已不再具有明显的整体效应。因此,拉动消费以促进经济增长就需要关注重点的收入组群以及具有显著成长性的消费市场。     

带有缺失数据的非线性误差模型中参数的置信域

考虑协变量有测量误差且响应变量随机缺失的非线性模型.在条件分布形式已知的情况下,通过借补方法构造了参数的经验似然,提出了基于模拟的经验似然,证明了所构造的统计量都具有渐近x~2分布,所得结果可构造未知参数的置信域.     

基于交叉评价策略的DEA灰色关联排序模型

数据包络分析(DEA)是评价决策单元相对效率的有效方法,其中的交叉效率评价方法可用来对决策单元进行区分排序.针对原有模型中交叉效率值的不唯一问题,结合灰色关联分析思想,构建理想决策单元,定义各决策单元与理想决策单元的灰色关联度,以灰色关联度值最大为目标,建立优化模型来计算输入和输出指标的最佳权重,据此得出决策单元的交叉效率值,实现对决策单元的完全排序.最后通过算例来验证模型的有效性和实用性.     

模糊神经网络在多源数据融合中的应用研究

在T-S模糊神经网络数据融合的基础上,改进了标准T-S模糊融合算法中的模糊算子,并利用聚类算法对网络结构中模糊隶属度个数进行选取.通过仿真实验,验证了改进的算法在融合过程中的合理性、稳定性和准确性.以及聚类算法在T-S模糊神经网络数据融合算法中运用的合理性和有效性.     

聚集数据线性模型参数的聚集综合岭估计的相对效率

对于聚集数据的线性模型,给出了参数的聚集综合岭估计的概念,并给出了聚集综合岭估计相对于最小二乘估计的两种相对效率,得到了这两种相对效率的上界.     

回归的能源有效网络大数据流汇聚算法研究

为了降低传感器网络数据流汇聚时的能源消耗,提出了一种基于回归的能源有效数据流汇聚算法。首先,将传感器节点分为活跃节点和能源有效节点。然后,以活跃节点为中心点将所有节点进行聚类,并应用回归方法通过活跃节点的数据流对能源有效节点的数据进行预测。接下来,通过节点预测值的累积误差不断修正活跃节点集。最后,应用活跃节点的数据流信息对能源有效节点的数据进行预测。实验表明,本文提出的算法与其它相关算法相比具有更好的预测准确性。