�ҹ���Ȼ���۸����״���ĸ﷽���̽

当今世界各国执行的商品天然气定价原则主要包括完全成本原则、平均利润原则、长期边际成本定价原则、比价合理原则和供求平衡原则等。文章分析了我国天然气价格的演变历史及现状，说明了现行价格形成的制度原因。研究了天然气商品从生产到运输再到销售各环节的价格确定方法，以此为基础给出了一个即考虑天然气商品价值又考虑竞争和政府管制因素的天然气商品的定价公式。文章最后指出，在真正的、完全竞争的天然气市场建立之前，商品天然气的价格主要应按完全成本原则进行确定。     

基于1DCNN的二阶段OFDM系统定时同步方法

针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题,提出基于一维卷积神经网络（1-D CNN）的二阶段OFDM系统定时同步方法。在第一阶段,利用经典互相关方法实现路径特征初始抽取,捕获可分辨路径上的定时辅助同步点;基于定时辅助同步点构建1-D CNN网络学习第二阶段中的定时偏移;最后,结合两阶段处理,获得系统最终的定时同步偏移估计。相比于基于压缩感知的定时同步方法和基于极限学习机的定时同步方法,所研究的二阶段OFDM系统定时同步方法提高了定时同步准确性,并有效地降低计算复杂度与处理延迟。     

基于选择性集成学习的高速列车故障识别研究*

在SVM分类识别中,分类器模型一经训练得到,对所有测试样本进行无差别的识别。但在高速列车故障中,样本的分类识别是存在区域分类精度的。本文提出了一种基于选择性集成学习的SVM多分类器融合算法,该方法选取测试样本最邻近的k个训练样本,然后选择对其分类效果好的SVM分类器进行融合,以提高分类准确率。最后使用高速列车故障数据进行了实验,并与AdaBoost、KNN、Bayes、SVM分类方法进行了比较。实验结果表明,该算法提高了分类识别准确率。     

一种基于动态量化编码的深度神经网络压缩方法

近年来深度神经网络（Deep neural network,DNN）从众多机器学习方法中脱颖而出,引起了广泛的兴趣和关注.然而,在主流的深度神经网络模型中,其参数数以百万计,需要消耗大量的计算和存储资源,难以应用于手机等移动嵌入式设备.为了解决这一问题,本文提出了一种基于动态量化编码（Dynamic quantization coding,DQC）的深度神经网络压缩方法.不同于现有的采用静态量化编码（Static quantitative coding,SQC）的方法,本文提出的方法在模型训练过程中同时对量化码本进行更新,使码本尽可能减小较大权重参数量化引起的误差.通过大量的对比实验表明,本文提出的方法优于现有基于静态编码的模型压缩方法.     

����ѹ����Ȼ���۸���ϵ�Ĺ����о�

中国成都市区现实已建有31座压缩天然气加气站。在成都市区运行的公交汽车和出租车基本上都已实现了用压缩天然气（CNG）作为车用替代燃料，并取得了较好的经济效益和社会效益。但近一年来加气行业的效益大幅下滑，从而明显开始制约压缩天然气作车用替代燃料这个新兴市场的发展。造成这种状况的原因，除去非经营性支出增加外，还有更深层次的原因。章介绍了成都市车用CNG市场的现状，分析了存在的问题，并对车用CNG价格体系的构建进行了研究，结论是：只有合理的价格体系和合理的政府干预才能促进车用CNG市场的健康持续发展，从而更好地实现环保，清洁，节能的最终目的。