中国科学院专利管理模式研究

首先介绍了美国国立卫生研究院(NIH)、德国马普学会(MPG)和法国国家科学研究中心(CNRS)的专利管理模式,然后对中国科学院(CAS)的专利申请、授权与实施管理进行实证研究,并与NIH进行了对比,最后,建议中国科学院对其专利实行集中式管理.     

专利池形成中的厂商数量门槛值因素分析

专利池的主要功能在于降低专利许可的交易成本, 而该成本随着专利持有厂商数量增加而递增。针对这种专利持有厂商数量与专利池形成之间的关系, 在博弈论框架内, 分是否形成专利池、决定对外授权规模和产品市场竞争三个博弈阶段, 分析了交易成本、专利许可费率对专利池形成所要求的最低专利持有厂商数量的影响。研究结论表明专利池的形成对专利持有厂商数量有一个门槛值要求, 该门槛值随交易成本和专利许可费率反向变化。同时, 专利许可费率存在一个与专利持有厂商数量相关的边界值, 低于该边界值, 专利池最佳对外授权规模随着许可费率而递增, 高于该边界值, 最佳对外授权规模随着许可费率而下降, 在边界值处最佳对外授权规模达到最大值。     

不等间隔动态数据的差分建模

本文给出了不等间隔动态数据的差分建模方法 ,分别对单调型和起伏型动态序列建模预测进行了探讨 ,文章最后对苏州虎丘塔倾斜形变进行了预测 .     

中国磁浮轨道交通技术的专利申请统计与分析

中国在磁浮轨道交通技术领域的技术研发活跃度高,专利数量较多.通过从中国专利发明公开数据库、中国专利实用新型库和中国专利外观设计库采集到的关于1985年4月1日至2018年12月15日的相关数据,分析归纳了中国磁浮轨道交通技术的专利申请类型、技术分布及主要研发机构的专利分布和专利发展趋势.     

时间序列系统建模预测的一种新方法

利用微分方程数值解法对时间序列系统建模作了新的探讨 ,给出了单调型和起伏型时间序列的建模预测方法 .本文给出的方法适用范围广泛 ,尤其对间隔较小的时间序列能获得满意的精度 ,文中最后给以建模实例 .     

滑动数据重心预测方法及其应用研究

本文在研究多因素数据重心法的基础上,进一步提出滑动数据重心预测方法,该方法是对原始样本数据提出了一种新的数据处理方法,大大降低了由于历史数据组中的异常点对预测结果产生的破坏性。通过建立我国钢材消费量与国内生产总值(GDP)的计量动态模型对该方法与多因素数据重心预测法进行对比研究。同时利用时间序列自回归AR(p)对计量动态模型的初级预测结果进行差值校正,并将该方法应用于我国2015年、2020年的钢材消费量预测。对比研究表明该方法使得预测结果更加精确、稳健。     

Autoregression Model of Time Series with Matrix Cross-Section Data北大核心CSCD

矩阵型截面数据时间序列的优点在于可以同时刻画多个对象的多个属性.本文重点研究了矩阵型截面数据时间序列的自回归模型,给出了该模型的参数估计、模型识别、白噪声检验三个方面的理论结果.最后再利用矩阵型截面数据时间序列自回归模型,对两支银行股的日收益率序列和日成交量变化率序列进行建模分析.     

基于Copula函数的非线性时间序列聚类

时间序列数据的聚类是对面板数据或多维时间序列根据序列相似度进行分组。聚在同一组的时间序列具有相近的模型参数,尤其是当序列较短时聚类后能够得到更精确的参数估计。现存的时间序列聚类方法的距离度量大都基于时间序列的线性假设,但是现实中时间序列通常是非线性的。本文提出了一种基于Copula距离测度的非线性时间序列数据的聚类方法,它利用了Copula函数获取时间序列的非线性相依结构。作为一种非参数的距离度量,基于Copula函数的距离度量能够识别动态相关结构的相似性。大量的模拟实验和实证研究验证了我们所提方法的有效性。     

机动目标的跟踪与反跟踪的建模研究

以机动目标的跟踪与反跟踪为研究对象,分析了目标的状态方程和量测方程,当存在多个目标时,仍需考虑不同目标之间数据关联问题.首先,考虑了雷达1、雷达2和3量测数据的连接和融合问题,建立了机动目标的状态方程和量测方程模型,运用卡尔曼滤波器算法对目标航迹进行了在线追踪,得到目标跟踪航迹.其次,进行一次指数平滑法的时间序列预测和实时灰色预测,得到了其目标的着落轨迹、着落点坐标和时间.最后建立新的动态多目标优化模型,运用计算机仿真对跟踪与反跟踪的目标航迹进行了模拟.     

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.     

基于R/S分析的专利申请量年增长率的相关性研究

Hurst指数是描述分数布朗运动的重要指标.利用R/S分析方法计算出我国专利申请量年增长率的Hurst指数稳定在0.62附近,分形维数稳定在1.38附近.表明我国专利申请量年增长率时间序列,服从分数布朗运动,专利申请量年增长率具有长期相关性.历史数据的影响力随时间间隔的长度增长而缩小,当间隔长度达到10年以上时,历史数据的影响力趋于稳定.     

考虑低碳偏好及碳减排的闭环供应链回收及专利授权策略

研究考虑消费者低碳偏好的闭环供应链回收、碳减排与专利授权决策问题。分别构建制造商回收再制造、零售商回收再制造支付固定专利费、零售商回收再制造支付单位专利费的闭环供应链模型,分析低碳消费者比例、普通消费者对再制品的接受程度及碳权交易价格,对企业回收、碳减排及定价决策的影响,并比较了三种模式下企业及供应链的利润。研究表明：随着市场中低碳消费者比例及普通消费者对再制品接受程度的提高,总会使得回收率及碳减排率增加;碳权交易价格的提高,也会促使制造商提高碳减排率;对制造商来说,其利润在零售商回收再制造且支付固定专利费用下实现最优。从自身利润最优的角度出发,作为领导者的制造商将总是选择零售商回收再制造且支付固定专利费用模式。     

有序判别分析新算法及其应用

判别分析是用已知分类数据建模对未知分类数据进行判别的方法,所用数据和分类不分顺序。要对有序又有周期数据进行判别分析,就要探索有序判别的新方法。这种方法的分类应当是有序的,并且能够排除事物发展周期性的干扰。本文介绍多元数据有序判别分析新方法的原理、建模流程、应用流程和应用实例。这种判别分析将分类建模与判别归类分开。新方法对多元数据建模时在多类模型中建立滑移的多套子模型,应用时根据应用领域的知识对样本归属作初步预估,然后程序选择相关的子模型进行判别归类。这种方法解决了由于时间序列多元数据周期性造成的样本分类颠倒问题,为时间序列数据的分类和预测开辟了新途径,在实际应用中取得了良好的效果,解决了重大难题。     

小波分析方法在金融股票数据预测中的应用

利用小波分析预测方法对金融数据—股票收盘价这一典型的非平稳时间序列进行预测.使用M a llat小波分解算法对数据进行分解,对分解后的数据进行平滑处理,然后再进行重构,而重构之后的数据就成为近似意义的平稳时间序列,这样就得到了原始数据的近似信号,再应用传统时间序列预测方法对重构后的数据进行预测,将预测结果与实际值,以及和传统预测方法预测结果比较,小波分析方法预测效果更为理想.     

基于傅里叶分析法的股票市场超高频数据相关性分析

股票市场超高频数据具有交易间隔随机性的特点,传统的皮尔逊相关性度量不能够直接使用原始交易数据,需要通过插值得到均匀、同步的抽样序列.傅里叶分析法不需要对原始数据进行插值,能更精确地度量时间序列的相关性.将傅里叶分析法用于我国金融市场股票收益率的相关性分析中,对皮尔逊相关分析和傅里叶分析法的度量效果进行了比较.     

Simulating economic transition processes by genetic programming

Recently, genetic programming has been proposed to model agents' adaptive behavior in a complex transition process where uncertainty cannot be formalized within the usual probabilistic framework. However, this approach has not been widely accepted by economists. One of the main reasons is the lack of the theoretical foundation of using genetic programming to model transition dynamics. Therefore, the purpose of this paper is two-fold. First, motivated by the recent applications of algorithmic information theory in economics, we would like to show the relevance of genetic programming to transition dynamics given this background. Second, we would like to supply two concrete applications to transition dynamics. The first application, which is designed for the pedagogic purpose, shows that genetic programming can simulate the non-smooth transition, which is difficult to be captured by conventional toolkits, such as differential equations and difference equations. In the second application, genetic programming is applied to simulate the adaptive behavior of speculators. This simulation shows that genetic programming can generate artificial time series with the statistical properties frequently observed in real financial time series. This revised version was published online in June 2006 with corrections to the Cover Date.     

On a vector long wave-short wave-type model

A new vector long wave-short wave-type model is proposed by resorting to the zero-curvature equation. Based on the resulting Riccati equations related to the Lax pair and the gauge transformations between the Lax pairs, multifold Darboux transformations are constructed for the vector long wave-short wave-type model. This method is general and is suitable for constructing the Darboux transformations of other soliton equations, especially in the absence of symmetric conditions for Lax pairs. As an illustrative example of the application of the Darboux transformations, exact solutions of the two-component long wave-short wave-type model are obtained, including solitons, breathers, and rogue waves of the first, second, third, and fourth orders. All the solutions derived by the Darboux transformations involve square roots of functions, which is not observed in the investigation of other nonlinear integrable equations. This model describes new nonlinear phenomena.     

Lie symmetry analysis, conservation laws and exact solutions of fourth-order time fractional Burgers equation

In this paper, the fourth-order time fractional Burgers equation has been investigated, which can be used to describe gas dynamics and traffic flow. By employing the Lie group analysis method, the invariance properties of the equation are provided. With the aid of the sub-equation method, a new type of explicit solutions are well constructed with a detailed derivation. Furthermore, based on the power series theory, we investigate its approximate analytical solutions. Finally, its conservation laws with two kinds of independent variables are performed by making use of the nonlinear self-adjointness method.     

基于MCMC方法的ARFIMA模型贝叶斯分析及实证研究

在经济领域中,时间序列具有序列相关和长记忆等特征,用考虑了时间序列短记忆性和长记忆的ARFIMA来模型分析研究经济时间序列有利于提高拟合及预测的精度。近几十年来对ARFIMA模型参数估计和分数差分算子阶数d的研究越来越多,该模型的应用也越来越广泛。基于贝叶斯方法在参数估计中的优越性,本文结合众多应用此方法的文献所得到的后验分布特点,提出了合理的先验分布,考虑到计算难度,采用MCMC方法对模型的参数进行估计,最后应用我国过去几十年的GDP数据进行实证分析,得到了ARFIMA模型参数的后验分布图、均值、方差及95%的置信区间。