可数背景状态下QBD过程的几何衰变与双需求模型的应用

考虑在可数背景状态下,时间离散的拟生灭过程(QBD过程)平稳分布的几何衰变问题.在GI/G/1型马尔可夫链的平稳分布的几何尾衰变的研究基础上,对QBD过程平稳分布的矩阵几何形式的某些表达式进行细化,并利用QBD过程转移矩阵的更新块来刻画率矩阵的α-正常返性,进而将结果通过初等方法应用到时间离散的双需求模型.     

城市网络的双模式交通需求管理设计

在交通路网中,拥挤收费和路网设计是缓解交通拥挤的两种重要手段,前者制约交通需求增长,而后者刺激交通需求增长,将两者并行处理是管理交通需求的有效方法.文章在此基础上设计交通需求管理的双模式模型,该模型同时考虑了离散网络平衡设计与拥挤收费,出行者的路径选择行为采用更加实际的弹性需求Logit随机用户均衡原理并设计改进的费用均值法求解.多时间价值类型将拥挤收费转化为时间单位,使双模式模型转化为具有均衡约束的数学规划问题,随后采用遗传算法求解该模型,并进行相应的数值分析.     

离散型贝叶斯网络学习在人力资本评估中的应用

文章以最大化网络为前提,进行贝叶斯基于动态样本变化过程的特征分析,并以样本、样本均值以及网络学习知识结构层级差异分析相应状态下人力资本评估密度函数.并进行相应的参数、结构过程以及概率学习,从中获得基于离散型贝叶斯网络学习的各个条件概率的节点转换态概率总和.结果证实:利用离散型贝叶斯网络学习进行的人力资本评估具有一定程度的适用性,同一离散型样本在不同层级的企业人力资本评估存在不同级别的结果,需要进一步结合综合评估,进行企业人力资本影响因素的排除和评估质量提升.     

随机提前期下的供应链信息共享价值

提出并研究了随机提前期下的供应链信息共享价值的问题.建立一个1供应商1零售商的两阶段供应链,分析在供应商对零售商存在随机提前期下的供应链运作情况;建立了离散随机提前期下零售商的传统订货策略与费用模型,及其共享提前期信息后的订货策略与费用模型.进一步的算例分析表明,通过共享提前期信息,可以减少零售商的再订货点,并降低其期望费用.     

随机利率下的完全离散型寿险精算模型

寿险中的利率随机问题,是近来保险精算研究的热点和重点问题之一.文章在传统精算学基础上,对随机利率下的完全离散型死亡保险进行分析.考虑对随机利息力分别采用正态分布和布朗运动建模,在死亡服从De Moive假设下,得到完全离散型均衡纯保费以及责任准备金的一般表达式,并对相关的风险进行分析.最后用数值例子说明模型与计算方法的正确性和有效性.     

具有等级改造策略的离散网络设计问题的新算法

对一个已经存在的交通网络,用定量的方法确定添加哪些新的路段,和对哪些已有路段进行改进以提高其通行能力的问题,叫做"交通网络设计问题".根据所研究的问题可分为连续和离散两种情况.本文对具有等级改造策略的离散网络设计问题的算法做了研究,在忽略Braess诡异的情况下,给出了一种新的省时的隐枚举法,并用简单的算例验证了该算法的有效性.     

发生吸引量不确定的离散交通网络设计模型

交通网络设计是交通规划的核心内容之一,而网络设计由依靠交通需求预测技术.为了改进传统的以确定性需求为基础的网络设计,文章以交通需求不确定性为基本前提,认为交通发生吸引量也是不确定的,并使用随机双层规划、均值方差和交通分配理论建立了发生吸引量不确定离散交通网络设计的基本模型.为了求解发生吸引量不确定的离散网络设计问题,开发了基于MonteCarlo模拟、遗传算法和交通分配算法的方法.Nguyen Dupujs网络的计算结果表明,需求不确定程度和政府决策者风险偏好等对规划方案具有重要影响.     

众数计算问题之我见——数值型数据集中趋势测度探讨

一、问题提出的背景众数 (Ｍｏｄｅ)是一组数据中出现次数最多的变量值 ,它通常是作为统计分组整理后数据集中趋势的测度值 ,用Ｍ0 表示。众数不仅可以用来测度定类数据的集中趋势 ,而且也可以作为定序数据、数值型数据 (即定距数据和定比数据 )集中趋势的测度值。测度定类数据和定序数据的集中趋势 ,由于它们的变量值均为离散型 ,所以根据定义很容易确定众数。而对数值型数据或定量数据 ,则由于这些数据可能是离散型 ,也可能是连续型 ,所以数值型数据集中趋势的测度就较为复杂。目前 ,在数值型数据集中趋势测度中 ,众数的计算分为两种情况 …     

基于模糊活动网络的费用优化研究

本文考虑了费用参数的不确定性,采用模糊线性规划理论,提出了模糊活动网络费用优化模型,得出了在不同置信水平下的优化费用的可能性分布区间,并对在一定费用和工期条件下项目超支的可能性进行了估计,对在不确定条件下费用和时间的有效控制有着指导意义.     

用函数型数据分析网络团购市场的结构与市场发展

以美团网为例,使用函数型数据研究网络团购市场的结构与发展。首先将从网络采集到的团购离散数据,根据分析目的构造成函数化数据,然后对函数化的数据进行描述统计分析和函数主成分分析,并对不同种类的团购与不同地区的团购进行比较。最终得出区别于以往研究团购的结论:当期团购市场仍以美食类为主,购物类团购逐渐被大家认同,休闲类团购集中度下降;上海与北京都属于团购发展较快地区,而北京地区相对变动较大;热门地区团购销售额的集中度随着团购地区的扩张而被稀释。     

基于贝叶斯网络的长江地区人口健康素质预测

文章从提高人口健康水平方面研究了提高人口素质决策的评价体系,以贝叶斯网络为工具,在对长江地区人口数据进行了相应的离散化处理后,从大量人口数据中分析人口健康素质问题,建立了描述人口健康素质的贝叶斯网络模型,可为人口决策提供科学依据.     

基于基函数展开的函数型数据聚类方法

文章在一个一般性的框架下研究了利用基函数展开进行函数型数据聚类的问题.在这个框架之下,大量传统的聚类方法都可以直接应用到函数型数据分析.另外,我们将Pearson相似系数引入函数型数据聚类分析,解决了欧式距离无法刻画曲线之间形态差异的问题.     

基于特征提取的多指标面板数据聚类方法

多指标面板数据能够较全面的提供研究对象的信息和数据特征,但复杂的数据结构也给其聚类分析带来了一定的困难.针对这一问题,文章提出了基于特征提取的多指标面板数据聚类方法,该方法将能够表征面板数据动态变化的“绝对量”特征、“波动”特征、“偏度”特征、“峰度”特征及“趋势”特征引入动态聚类算法中,可以避免以往采用欧式距离进行聚类的局限性,还可以处理带有缺失数据的面板数据,同时大大提高了聚类效率,并最大限度地保证时间维度信息不受损失.利用该方法分析了2001至2013年我国不同省份道路交通事故的不平衡状况,通过实证分析表明该方法能够解决多指标面板数据聚类的问题.     

常利率因素下的复合二项风险模型的破产概率

经典风险理论主要处理保险事务中的随机风险模型,讨论模型在有限时间内的生存概率以及最终破产概率等问题。模型依时间分为连续时间模型和离散时间模型。连续时间模型有许多文献进行了研究。众所周知的结果是Lund-berg不等式,后来Feller、Gerber、GordonE.、Willmot,以及吴荣、     

基于离散型Kalman滤波器的财务危机预警

文章研究引入时域角度的信号控制对未知数的白噪声控制,并结合离散型Kalman滤波器的递推,进而获得动态样本预测与真实值之间的振荡滤波一步改进,并将增进后的离散型Kalman滤波进行针对企业财务危机预警的适用性.结果证实:控制白噪声的滤波增益可以显著改善基于Kalman滤波的财务危机预警精度,而结合离散Kalman滤波进行递推样本训练,有利于离散样本向量动态信息的精度解释,从而提升基于改进离散型Kalman滤波的企业财务危机预警能力.     

顾客终生价值预测中顾客生命周期参数的确定

目前,顾客终生价值预测的问题已有大量的研究,最具有代表性的成果是Paul D.Berger et al.穴1998雪的研究结果,他们根据客户购买的时间阶段及购买时间是否离散把永久性流失个体顾客的CLV计算分为四种情况,并给出了计算方法与实例。但是,在该文中,并未对用到的参数如何确定进行相     

差分方程型离散灰色模型与应用

离散灰色模型形式多种多样,新提出差分方程型离散灰色模型(称为DEDGM模型),并给出了一阶常系数非齐次差分方程型离散灰色模型、一阶变系数非齐次差分方程型离散灰色模型、二阶常系数非齐次差分方程型离散灰色模型、二阶变系数非齐次差分方程型离散灰色模型的建立方法。实例表明,新提出的方法有较高的预测精度,丰富了灰色预测建模方法体系,对研究其它更复杂的离散灰色模型有重要启示。     

基于贝叶斯网络的上市公司财务困境预测研究

公司财务困境预测一直是国内外公司管理领域重要的研究问题。文章通过分析国内外以往公司财务困境预测研究成果与经验的基础上,选取研究样本,基于相关分析方法筛选出预测指标变量。将预测变量离散化进而学习网络参数,构建了用以预测公司财务困境状况的朴素贝叶斯网络分析模型。实证研究结果表明：作为分类和预测工具,贝叶斯网络模型在财务困境预测研究中具有良好的预测能力与应用前景。     

供应链网络竞争平衡模型研究

文章在考虑供应链网络中由于具有生产活动而导致原材料的数量和性质会发生变化的前提下,提出了一个供应链网络竞争的数学模型,描述了供应链网络内部的合作和供应链之间的竞争问题.模型所研究的潜在的供应链网络具有一般的拓扑结构,不再受限于供应链的层级结构,最终可以得到在不同市场上的供应链构成形式及商品平衡价格.     

面板数据的双误差分量模型与Hausman检验

双误差分量模型可以分为四类:固定效应双误差分量模型、随机效应双误差分量模型、个体固定效应-时间随机效应的双误差分量模型、个体随机效应-时间固定效应的双误差分量模型.Hausman检验该如何判断个体或者时间是固定效应还是随机效应呢?文章对此专门进行了研究,给出了一个合理有效的步骤.