基于AHP-DEA两阶段模型的物流公司绩效评价研究

结合层次分析法(AHP)和数据包络法(DEA),构建了适合物流公司绩效评价的指标体系,并建立了AHP-DEA两阶段评价模型。该模型首先对定性指标进行层次分析,综合专家和企业管理人员的打分将物流公司运输质量该定性指标定量化,然后将分析结果作为DEA模型的一个输出指标,再结合其它指标进行综合评价,最后以我国十大运输类物流公司为研究对象,验证了该方法的科学性和可行性。     

大语言模型在学科知识图谱自动化构建上的应用

人工智能技术的飞速发展推动了教育领域的智能化,涌现出一些利用知识图谱技术进行学科知识体系构建的研究。利用知识图谱构建的知识体系,可以建模知识点之间的关联性,形成课程知识脉络,有助于学习者对知识点的记忆与深层次理解。然而,学科课程的教学资源多样且分散,现有的自动构建方法往往使用单一的数据资源,资源利用率低,难以对专业知识体系的构建提供有效指导。构建方法自动化程度较低,构建成本大,需要开发不同的模块对非结构化文本进行处理并生成图谱,可复现性和可移植性较差。因此,提出了一种基于大语言模型的学科知识图谱构建优化流程,高度融合大语言模型的优势和各学科知识的逻辑关联。具体以通信专业为例,借用ChatGPT大语言模型的强大功能,使用多种知识来源,通过学科知识分析设计知识系统本体,自动化提取基于教学资源的知识实体和知识关系形成最终的学科知识体系,可方便地推广至其他学科领域。     

面向金融知识图谱的实体和关系联合抽取算法

在知识图谱的构建过程中,传统方法先进行命名实体识别,再进行关系抽取,导致任务间关联信息的丢失,而且忽略了实体间的重叠关系。为此,基于能识别重叠关系的Bi-LSTM+CRF模型,通过参数共享实现两个任务联合学习,充分利用任务间联系来优化结果。公开数据集上的实验结果表明:所提出模型在实体识别上取得了78. 4%的f1值,在非重叠关系和重叠关系的抽取上取得了50. 5%和45. 0%的f1值。为验证该方法可后续用于金融知识图谱构建,提取了小型金融数据集来验证其在金融数据上的泛化能力。     

汽车销售混合预测方法研究

市场分析和预测已成为企业重要的决策依据和手段。就汽车销量问题提出了一种ARMA模型与RBF神经网络相结合的混合预测方法。采用ARMA模型对汽车销量趋势进行初步线性预测,利用RBF神经网络对线性预测的残差建模,得到非线性预测,两部分预测输出和为总的预测值。该方法既体现了销售量数据间的线性关系, 又揭示了数据内部的非线性特征,克服了单一方法的局限性,提高了预测精度。仿真结构分析表明,该方法预测效果最佳。     

基于新会计准则模糊综合测度的会计信息质量研究

会计信息是利益相关者决策的重要依据,新会计准则对会计信息质量给出了定性的要求,本文结合该定性要求及财务报告信息生成系统运用模糊数学理论,运筹学理论构建了会计信息质量的二级测度向量体系及模糊综合测度模型,应用此模型给出了会计信息质量值Q,并对该测度模型和研究方法的应用提出政策建议。     

基于多分类器组合的个人信用评估模型

针对个人信用评估单一模型存在的不足,提出一种基于多分类器组合的个人信用评估模型.该模型综合了多元判别分析、logistic回归、神经网络、支持向量机等七种个人信用评估单一模型的预测结果,利用加权投票方法对其进行组合并输出最后预测结果.在某商业银行信用卡数据集上的测试结果表明,组合模型能有效地提高预测精度及稳健性,对信贷机构控制消费信贷风险具有很好的适用性.     

教师课堂教学质量的云模型评价方法

教师课堂教学质量评价是高等院校教学质量管理的重要环节，对提高课堂教学质量具有积极意义和重要作用。应用云模型、特尔斐法、多因素综合评判模型等工具提出的基于云模型和特尔斐法挖掘教学质量评价因素权重，利用云发生器实现评价指标评语的定性定量转换和利用多因素综合评判模型进行综合测算教师课堂教学质量评价技术方法，因各评价因素权重分布合理，评价结果可靠，具有一定的实践意义。     

基于RBF神经网络的色彩空间转换研究

针对可变数字印刷中色彩空间转换的要求,文章提出一种基于RBF神经网络的RGB(Red,Green,Blue)→CMYK（Cyan,Magenta,Yellow,Black）色彩空间转换方法,解决了Lab色彩空间到CMYK色彩空间的非线性关系。通过研究分析RBF神经网络的原理,建立了基于RBF神经网络色彩空间转换数学模型,并在该模型下进行数据的预测与精度分析。实验结果表明,该方法实现的转换精度非常高,转换后的色偏明显减小,转换速度也很快。     

基于知识图谱的银行反欺诈模型的研究与应用

针对传统的银行反欺诈模型已无法满足欺诈检测要求的及时性与准确性的问题,本文提出了一种基于知识图谱的反欺诈模型。该模型基于多源信息和高维衍生特征的大数据,构建知识图谱,对信贷个体进行全方位画像,分析关联关系,并抽取网络属性。从四大方面、两大维度挖掘风险特征,四大方面指个人基本信息、账户信息、征信和行为信息,两大维度指个人节点和网络结构。最后将风险特征代入LightGBM,判断是否为欺诈类型,并得到对应概率。实验表明,相比于仅使用个人自身特征的模型,使用个人特征加网络特征的模型效果更好,AUC和F1分数分别提升5.18%和5.71%。因此,该方案能够有效地为银行对个人信贷进行欺诈评估。     

大连市寿险原保险保费收入预测实证分析——基于最小二乘法的谱系聚类马氏链模型

针对保费收入预测问题,以最小二乘法拟合为依托,基于谱系聚类分析的方法,运用马氏链模型对2008-2011年大连市人寿保险月度原保险保费收入的数据进行实证模拟仿真,采用定量分析的方法对大连市人寿保险月度原保险保费收入进行定性预测,结果表明该方法在进行定性预测时预测结果比较准确。     

一种改进的灰色BP神经网络光伏出力预测方法

光伏出力的准确预测对于光伏发电系统的大规模应用具有重要意义。针对光伏出力预测描述自然规律困难及传统灰色模型预测精度不高等问题,提出了一种基于改进的灰色BP神经网络光伏出力预测方法。利用模糊c均值聚类(FCM)的方法将数据分类,选择与预测日最为接近的一类作为样本,利用灰色GM(1,1)预测模型得到预测数据。将灰色模型预测结果与相对应的日最高、最低温度作为BP神经网络的输入,以对应的实测数据为输出训练得到最终的预测模型。采用江苏某光伏电站的实测数据验证,结果表明该模型在预测精度上有一定的提升。     

基于神经网络的商业银行信用风险研究

针对商业银行信用风险的性质和借款人财务指标的非线性、高度相关性、不成正态分布等,利用人工神经网络能模拟人的部分形象思维能力能较好地处理非线性问题,信息的并行分布式处理与存储,可以多输入、多输出,能进行学习以适应环境的变化等特点,构建商业银行信用风险神经网络模型。该神经网络模型由输入层、隐层和输出层三部分组成,输出结果表明,利用三层隐节点的神经网络模型能达到理想的输出结果,比传统的信用风险管理方法有较高的预测精度。     

基于GA-PSO混合规划算法的企业信用风险评估模型

利用一种新的人工智能方法———GA-PSO混合规划算法构建企业信用风险评估模型。并利用上证50若干企业的实际数据对模型进行了实证检验。实证结果显示该模型能有效预测上市企业的信用风险状况。该模型在收敛性能及预测准确率等方面优于基于传统的多元回归方法及GP方法的信用风险评估模型。     

大数据环境下海洋文化领域本体的建模研究

大数据环境下,网络信息资源正已几何级的速度在增长,传统搜索引擎已不能适应这一环境。为适应大数据时代背景,解决海量信息知识化问题,提出了文化领域概念模型。各国正在加速利用高科技对海洋进行更深层次的开发和利用,海洋战略亦成为世界临海各国的重大战略。为了促进海洋文化的发展和保护,研究了海洋文化特征,并构建了海洋文化领域本体模型。为实现知识搜索和知识图谱的构建,采用OWL_DL描述语言实现了海洋文化领域本体模型描述。     

一种稠油注蒸汽开发多指标预测方法

通过对注蒸汽开发稠油油藏的大量实际开发数据的研究，提出了注采特征的双对数模型，即累计产量的对数和累计注汽量对数的线性关系，以及累计产液量对数与累计注汽量对数的线性关系。与现有的两种注采特征曲线相比，这种双对数注采特征曲线模型的线性相关性较好，使用较方便，并引入了“S”型增长模型来预测累积注汽量与时间的关系。通过将累积注汽量预测值与双对数注采特征模型结合起来，提出了一种新的注蒸汽开发稠油油藏的产量预测方法。该方法可同时对注蒸汽热采稠油油田的累计注汽量、累计产量、累计产液量、年产量等多项开发指标进行预测，应用该方法预测了辽河油田两个蒸汽吞吐区块的生产动态指标，油田实际数据表明该方法为一种有效的开发动态预测方法。     

重庆养老金制度改革的政策运行模拟模型

在分析研究工商重庆市新的职工养老保险政策和重庆市经济社会发展状况的基础上,采用精算学、统计学等方法,构建重庆养老金制度改革的运行模拟模型,对当前政策的实施效果进行了定性和定量预测,并根据对模拟结果的深入分析,提出相应的对策建议。     

教师课堂教学质量的云模型评价方法

教师课堂教学质量评价是高等院校教学质量管理的重要环节,对提高课堂教学质量具有积极意义和重要作用。应用云模型、特尔斐法、多因素综合评判模型等工具提出的基于云模型和特尔斐法挖掘教学质量评价因素权重,利用云发生器实现评价指标评语的定性定量转换和利用多因素综合评判模型进行综合测算教师课堂教学质量评价技术方法,因各评价因素权重分布合理,评价结果可靠,具有一定的实践意义。     

基于MRR-KELM算法的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统的设计,提出了一种基于多输出迭代约简核极限学习机(MRR-KELM)的非线性模型预测控制(NMPC)方法。基于直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速以及涡轮级间温度等传感器数据,利用MRR-KELM算法,训练具有较好实时性、精度以及泛化能力的发动机预测模型,引入预测模型输出与发动机输出的误差对控制器指令进行反馈校正,利用序列二次规化(SQP)算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合仿真平台环境下,通过直升机机动飞行仿真,验证了该模型预测控制器相比于传统的串级PI控制具有更好的控制性能,可显著降低动力涡轮转速超调/下垂量。     

神经网络环境下矿山规模的预测

矿床规模影响因子较多，并且这些因子与矿床规模间存在着非常复杂的非线性关系，一直以来只能实现定性化预测，预测方法一般采用逻辑信息法、回归分析方法和蒙特卡罗法来进行，这些方法计算复杂，结果不稳定，为预测的进行和结果的解释带来很多的困扰。BP神经网络可以实现从输入到输出的高度非线性映射。本文对矿床资料进行规范化处理，并进行适当插值，利用MATLAB工具箱成功实现了对待评矿床的定量化预测。     

中国大学治理研究:热点前沿与理论框架构建——基于2009-2023年CNKI中文核心和CSSCI来源期刊数据的研究

中国大学治理是建设高等教育强国的制度性基础。本文基于文献计量理论和知识图谱方法，以2009-2023年CNKI数据库中的中文核心和CSSCI来源期刊的文章为数据来源，在对大学治理研究领域的发文数量、研究机构和作者文献特征的知识图谱分析基础上，重点对大学治理研究文献的关键词知识图谱、时区共现视图、突发性关键词序列进行了全面分析。以大学治理现代化为目标，提出了“大学治理要素-治理机制-实现路径”的整合性理论框架。研究结果表明：在过去14年间里，中国大学治理文献特征明显，经历了起步、发展和丰富三个明显的阶段；研究热点体现在大学章程与大学内部治理，治理主体权力配置与治理逻辑转换两个方面；研究前沿集中在治理体系和治理现代化、校院两级治理优化上。VUCA时代的中国大学治理探索、本土化研究、视角拓展是中国大学治理未来研究的三大议题。