基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

高速列车轴箱轴承健康监测与故障诊断研究综述

随着我国高速列车的发展, 针对其运营维护中的故障预测与健康管理问题日益受到关注. 轴箱轴承是高速列车走行部中的关键旋转部件, 在复杂的轮轨相互作用下极易出现由疲劳、过载等原因导致的失效, 影响列车的行车效率和运行安全. 而现有诊断方法和技术难以满足高速列车动态化、系统化的安全保障需求, 亟待进一步发展轴箱轴承健康监测和诊断技术. 首先, 介绍了工程中维修检测、轨边监测和车载监测系统的主要内容和发展现状. 然后, 从动力学正、反问题两个方面, 分析和总结了在轴箱轴承的理论建模方法和轴箱轴承与列车耦合系统的动态特性分析、基于先进信号处理技术和机器学习技术的诊断方法等方面的研究思路和研究进展. 最后, 对轴箱轴承健康监测与故障诊断技术的发展趋势进行了展望, 评述了在指导列车故障预测与健康管理方面的不足.      

p-Adic函数空间上Hardy型算子的多线性交换子估计

在p-adic域上研究分数次Hardy型算子与CMO(Q_p~n)函数生成的多线性交换子,建立了交换子在Lebesgue空间和Herz空间上的有界性.对Hardy算子的多线性交换子也得到了相应的结果.     

区域品牌过度使用与投入不足的风险防范及规避

区域品牌作为一种公共物品，同其他公共物品一样具有非竞争性和非排他性的性质，现有理论和研究表明，这种性质决定了区域品牌具有“公共地悲剧”风险，这种风险表现为过度使用.但通过构建博弈模型，对比模型的纳什均衡解和帕累托最优解，可以发现区域品牌化过程中的“公共地悲剧”风险不仅表现为过度使用，也表现为投入不足，即具有双重性.并通过对这种双重性的内在机理进行分析，提出有效防范和规避“公共地悲剧”风险的政策建议.     

基于双因子已实现GARCH模型的波动率预测研究

准确地预测金融市场的波动率对市场管理者和参与者而言都是至关重要的。本文在标准已实现GARCH模型基础上,将条件方差乘性分解为长期方差和短期方差两部分,分别构造包含杠杆函数的长期方差方程和短期方差方程,用以捕捉波动率的长记忆性和短期微观波动。运用上证综指和日经指数的日收盘价、已实现方差和已实现核波动此类高频数据进行实证分析,结果表明:与标准已实现GARCH模型相比,两指数的双因子已实现GARCH模型在样本内表现出更大的似然估计值;通过样本外误差函数分析和DM检验,双因子已实现GARCH模型也取得更好表现。     

道德风险影响下的保险最优投资研究

在考虑道德风险的情况下,以均值方差准则为目标研究保险人最优投资问题.假设保险盈余过程服从C-L模型,金融市场上存在一种无风险资产和一种风险资产可供投资,其中风险资产的价格过程服从几何布朗运动.在纯道德风险保险契约设计中,借鉴相关研究对努力水平和效用化努力成本的假设,量化道德风险对盈余过程的影响.在均值方差目标下,建立保险人最优投资问题的广义Hamilton-Jacobi-Bellman(HJB)方程,给出保险人时间一致的均衡投资策略和价值函数.结果显示累计索赔比例参数越大,公司对最优努力水平越敏感,采取措施降低道德风险有利于公司收益提升;努力成本参数越大,公司会降低努力水平减少支出,避免损失.     

时间尺度上二阶线性动力学方程的一般解与Ulam稳定性

本文利用参数变易法研究了时间尺度上二阶变系数线性动力学方程的解与Ulam稳定性问题. 特别地,在不同的系数情形下建立了二阶常系数线性动力学方程的Ulam稳定性理论.     

一类零膨胀广义线性模型极大似然估计的相合性与渐近正态性

讨论了响应变量为单参数指数族且在零点处膨胀的广义线性模型的大样本性质，对其参数进行了极大似然估计，给出了一些正则条件.基于所提出的正则条件，证明了模型参数极大似然估计的相合性与渐近正态性.     

基于不确定理论的铁路货运需求预测

合理预测铁路货运需求是铁路管理部门建设、运营等决策基础。为应对铁路货运需求的复杂变化,基于Pearson相关性分析方法筛选出铁路货运需求的七个具有关键影响的因素,并结合不确定理论建立不确定多元线性回归模型,相应的铁路货运预测结果由传统单一值变成可能的需求区间范围,更加符合处于不确定环境下的铁路货运需求实际情况。选取国家统计局2004~2016年相关数据进实证研究,并与回归模型以及BP模型的预测结果对比分析,实验表明不确定多元线性回归的预测结果更加精确。     

关于辛算法稳定性的若干注记

我们讨论辛算法的线性稳定性和非线性稳定性，从动力系统和计算的角度论述了研究辛算法的这两类稳定性问题的重要性，分析总结了相关重要结果.我们给出了解析方法的明确定义，证明了稳定函数是亚纯函数的解析辛方法是绝对线性稳定的.绝对线性稳定的辛方法既有解析方法（如Runge-Kutta辛方法），也有非解析方法（如基于常数变易公式对线性部分进行指数积分而对非线性部分使用其它数值积分的方法）.我们特别回顾并讨论了R.I.McLachlan，S.K.Gray和S.Blanes，F.Casas，A.Murua等关于分裂算法的线性稳定性结果，如通过选取适当的稳定多项式函数构造具有最优线性稳定性的任意高阶分裂辛算法和高效共轭校正辛算法，这类经优化后的方法应用于诸如高振荡系统和波动方程等线性方程或者线性主导的弱非线性方程具有良好的数值稳定性.我们通过分析辛算法在保持椭圆平衡点的稳定性，能量面的指数长时间慢扩散和KAM不变环面的保持等三个方面阐述了辛算法的非线性稳定性，总结了相关已有结果.最后在向后误差分析基础上，基于一个自由度的非线性振子和同宿轨分析法讨论了辛算法的非线性稳定性，提出了一个新的非线性稳定性概念，目的是为辛算法提供一个实际可用的非线性稳定性判别法.