二元语义Bonferroni集成算子及其在多属性群决策中的应用

Bonferroni平均算子的优点是在进行信息集成的过程中能够考虑到输入变量之间的相互影响。本文首先将其推广到语言环境中,提出了二元语义Bonferroni平均(2TLBA)算子、加权2TLBA(W2TLBA)算子和组合W2TLBA(C-W2TLBA)算子的概念,研究它们的相关性质。然后针对决策信息以语言变量给出的多属性群决策问题,提出一种基于W2TLBA算子和C-W2TLBA算子的群决策方法。最后应用实例说明了该方法是切实可行的。     

基于TFWPA算子的模糊优化组合预测模型及其应用

传统的组合预测中,预测对象往往是实数或区间数,实际上,三角模糊数则更能刻画不确定环境下复杂事物的某些量的特征。因此,本文提出一种预测信息为三角模糊数的模糊优化组合预测新方法。定义了两个三角模糊数的相对误差,同时考虑到预测数据之间的交叉影响,基于三角模糊加权Power平均(TFWPA)算子、三角模糊加权Power几何(TFWPG)算子和max-min准则,分别构建模糊优化组合预测模型。提出非劣性和优性组合预测的概念,证明所提模糊组合预测模型具有非劣性质。最后通过实例分析说明了该模糊组合预测方法的有效性,并对参数做了灵敏度分析。     

易逝品价格连续下降情况下带有随机需求的供应链协调

本文研究了短生命周期产品价格随时间连续下降情况下单供应商和单销售商渠道中的供应链协调。分别建立了分散决策、集中决策和基于收入共享合同的最优订货策略模型,讨论了模型的相关性质,提出了一种基于收入共享合同的供应链协调策略,来实现整个供应链的协调。并指出该策略不仅适用于价格时变情况,能实现整个供应链的期望利润最大化,并且具有很好的适用性。最后,用实例仿真验证了本文所给出的模型和策略的有效性。     

模糊环境下的组合预测模型及其在电力负荷中的应用

传统的组合预测中,各单项预测方法的权重系数均为固定实数,并且预测信息往往是实数或区间数,而实际系统的不确定性又表现为模糊性的特征。针对权重系数和预测信息均为三角模糊数的情形,提出三角模糊数的相对重合度和重心距离测度的概念,构造新的精确度指数,并将其作为模糊优化组合预测模型的准则。考虑到各单项预测方法在不同时刻的预测精度有所不同,引入诱导有序三角模糊加权平均(IOTFWA)算子,构建基于IOTFWA算子的单目标模糊优化组合预测模型。最后,对电力负荷预测的实例说明该模糊组合预测方法的有效性,并对参数做了灵敏度分析。     

不确定性组合加权调和平均算子及其应用

在多属性决策中,通常把成本性指标转换为效益性指标在进行加权综合得出方案的排序结果.然而这不是唯一可行的方法.本文在有序加权调和平均(OWHA)算子的基础上,提出了不确定组合加权调和平均(UCWHA)算子的概念,这是一种新的信息集结方法.同时探讨其性质,并且给出该算子在属性权重未知,且属性值为区间数的多属性决策中的应用.实例结果表明该方法是可行的.     

三维对流问题的拟协调六面体单元解法

寻找一种高精度的空间单元插值模式是数值求解三维对流问题的关键。在前人研究的基础上,探讨了一种任意空间六面体的拟协凋单元,保证节点上的物理量函数及其一阶导数连续。算例表明,该方法具有良好的计算稳定性和低数值阻尼的优点,且计算工作量大大小于协调单元法,有利于推广应用于对流扩散方程的数值求解。     

中国人均碳排放影响因素的长期均衡与因果动态关系研究——基于结构突变ARDL-VECM模型的实证分析

为了探讨中国低碳经济的发展路径,运用BP内生结构突变点检验、考虑结构突变的ARDL模型和基于VECM模型的Granger因果关系检验方法,利用我国1985至2014年的相关数据,探讨经济增长、城镇化、技术创新、贸易开放与我国人均碳排放的长期均衡和短期动态关系,以及变量之间的因果关系。研究结果表明,中国人均碳排放与解释变量之间存在长期协整关系。长期来看,经济增长与人均碳排放之间呈倒U型关系,城市化水平的提高可以有效减少人均碳排放,技术创新与人均碳排放显著负相关,而贸易开放会引起环境恶化。短期来看,贸易开放与人均碳排放显著正相关,而其他变量对人均碳排放的影响均不显著。此外,基于VECM模型的Granger因果关系检验证实所有解释变量均为人均碳排放的Granger原因,且经济增长、贸易开放与人均碳排放之间存在双向因果关系。     

非结构性数据驱动的混合分解集成碳交易价格组合预测

碳交易价格的有效预测有助于投资者合理决策以及政府制定科学的碳交易政策。本文提出一种非结构性数据驱动的混合分解集成碳交易价格组合预测方法。首先,基于百度指数获得碳交易相关非结构性数据,并利用主成分分析(PCA)方法提取其主成分。其次,对主成分序列与碳交易价格历史数据进行经验模态分解(EMD)、变分模态分解(VMD)与小波分解(WT),按频率高低重构后得到它们的高、低频序列和趋势项。然后,自适应选取自回归移动平均模型(ARIMA)、Holt指数平滑法和人工神经网络模型(ANN),结合非结构信息对碳价格的高、低频序列和趋势项进行预测。最后,基于BP神经网络等对三种分解方法的预测值分层集成,得到碳价格最终预测结果。对比实验结果显示,上述组合预测方法充分利用了多源信息,预测精度高且适用性良好。