基于IOWA算子的区间组合预测方法

针对预测值与实际值都以区间数形式给出的组合预测问题,引进诱导有序加权平均(IOWA)算子,提出了以区间中心位置误差平方和与区间长度误差平方和的凸组合为准则的区间组合预测模型,给出了确定Ⅰ-OWA算子区间组合预测模型权系数的数学规划方法,实例分析表明,该模型能有效提高区间组合预测精度.     

欠发达地区农户金融合作行为的实证研究

以研究农户金融合作行为为视角,希望在实践中从整体上把握农户、特别是欠发达地区农户的金融合作意愿和偏好,以期更有效地开展农村金融体制改革。根据调查和计量分析发现,欠发达地区农村信用社支农力度不足;广大农户具有金融合作意愿;与农村信用社相比,农户更愿意以互助合作的方式参与金融合作。     

金融发展差异与经济增长区域差异的关系

在分析区域金融发展差异与经济增长关系的基础上,运用Gini系数、对数离差均值(GE0)和Theil指标(GE1)的分析方法及面板数据协整检验、单位根检验的方法对我国东、中、西三个区域的金融与经济间的相互作用进行计量分析,得出区域间金融发展和经济增长差异的关系,分析区域金融发展与经济增长差异的成因,提出由于经济发展程度不同,应当将区域金融业发展区别对待的对策。     

我国金融发展与经济增长关系的实证分析

金融发展和经济发展之间的关系研究的历史很久远,也颇受争议。先是对先前的研究做了一个简单的文献综述,而后通过对我国1990至2008的金融深化和经济增长数据做一实证研究,通过对二者之间进行协整和Granger检验,得出金融深化和经济增长之间存在着长期稳定的均衡关系,金融深化是经济增长的Granger的因果关系。     

基于HTTP协议的安全代理研究

网上资金结算系统对传统资金结算系统的发展具有良好的推动作用,但安全问题是必须解决的核心问题之一。在分析了网上资金结算系统结构及安全需求的基础上,提出了一种基于HTTP协议的安全代理方案和相关数据处理的流程,并结合该流程设计了服务器安全代理和用户端安全代理,满足了网上资金结算对信息安全的要求。     

混合粒子群径向基神经网络的短期负荷预测的应用

电力短期负荷预测的结果对电力系统的经济效益具有重要影响.为了克服基本粒子群(Particle Swarm Optimization,PSO)算法收敛精度不高、易陷入局部最优的缺点,提出一种将自然选择和变异结合的混合粒子群(Hybrid Particle Swarm Optimization,HPSO)算法,可以保持种群的多样性,有效地避免粒子早熟,并利用混合粒子群算法优化径向基神经网络的权值,最后将优化好的径向基神经网络进行广西某市的短期电力负荷预测.计算结果表明,该算法收敛速度快,并达到了提高预测精度和改善网络性能的要求.     

石油企业财务风险评价神经网络模型的建立

石油企业财务风险评价是石油行业的重要课题.在确立石油企业财务风险评价指标体系的基础上,建立了基于模糊神经网络的石油企业财务风险评价模型.该评价模型分为模糊量化模块和模糊神经网络(FNN)模块,可根据实际问题进行具体调节,具有学习的功能.经过对200多家石油企业的实证分析,结果表明该模型网络预测误差小,是一种可靠、有效的...     

海洋平台灰预测和支持向量机的逆控制

导管架式海洋平台在随机波浪等外载荷作用下极易产生有害振动,且其动力响应具有极强的非线性和时变性,采用被动控制方法和基于精确数学模型的主动控制方法控制海洋平台的有害振动很难达到理想的控制效果.结合灰预测和支持向量机的优点,提出了基于灰预测和支持向量机的自适应逆控制方法,并将其与动态刚度阵法相结合应用于导管架式海洋平台的振动主动控制中.数值算例分析表明,该控制方法可有效地控制波浪和风载荷作用下引起导管架式平台的有害振动,并能解决由于控制信号传输等原因引起的时滞问题.     

转型时期西部金融发展与二元经济结构转化——以陕西省为例的实证分析

从整体金融发展和农村金融发展两个层面,对改革开放30年来,陕西金融发展和二元经济结构转化之间的关系进行了实证研究。实证结果显示:(1)陕西整体金融发展规模和二元经济结构转化正相关,但是两者之间不存在Granger意义上的因果关系;整体金融发展效率和二元经济结构转化正相关,并且前者是后者的Granger原因。(2)陕西农村金融发展规模和二元经济结构转化正相关,并且前者是后者的Granger原因;农村金融发展效率和二元经济结构转化负相关,但是两者之间不存在Granger意义上的因果关系。     

SPG-Suite：面向伪周期时间序列的预测方法

伪周期时间序列是一种广泛存在的数据形式,它具有伪周期性、非平稳性和特征值等特征。对这类时间序列进行预测,具有很强的研究和应用意义。然而,目前的相关研究对伪周期时间序列的关注度不足,一些已有的时间序列预测方法在应用到伪周期时间序列上时,会造成误差的累积,使得预测效果很差。为了解决这些问题,总结了伪周期时间序列的特征,并提出了SPG-Suite预测方法,很好地解决了传统方法无法解决的问题。最后,在真实的数据集上进行了实验,并与传统方法进行了对比,实验结果表明,SPG-Suite方法在预测精度上具有明显的优势,并具有较强的可扩展性。