人文社科研究投入绩效提升路径：可达目标研究

现有关于人文社科研发投入绩效改进方向的研究并不多见。基于教育部人文社科研究省际面板数据，在所提出的新的投入要素绩效分析与改进框架下，通过SBM-Super效率模型测度绩效，将完全有效率的最佳投入作为改进方向，并基于联立方程模型分析投入要素绩效，最后采用BP人工神经网络进行稳健性检验与辅助分析。结果表明：人文社科研究纯技术效率较低，规模效率较高，近年来效率呈下降趋势；人文社科研发经费绩效较低，低于研发劳动力；可达目标情况下研发经费的贡献提升较快，但仍然低于研发劳动力；人文社科现状与可达目标下人文社科投入绩效仍然有较大差距。     

党政机构微博在突发事件中传播效果的影响因素及策略

在分析铁路货运量预测方法的基础上，针对标准BP神经网络的不足，提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度，以此来得到更好的激励函数响应特征以及更好的非线性表达能力；其次，利用附加动量因子，通过对以前经验的积累，既降低了神经网络对误差曲面的局部细节敏感特性，又较好的遏制了神经网络易于限于局部最小的缺陷；最后，采取改变学习率的方法，给定一个较大的学习率初始值，在学习的过程中学习率不断减小，网络最终趋于稳定。改进BP算法既可以得到更优的解，还能够缩短训练时间。利用全国铁路货运     

超声测距温湿度补偿算法的研究及STM32实现

为了降低超声测距系统因温、湿度差异带来的误差,在Matlab2010平台下,运用BP神经网络对标定的温、湿度样本及对应的超声波速度进行融合训练仿真实验,并将设计的补偿算法移植到STM32测距系统,测试其补偿能力.经多次测距实验表明,与现有方法相比,能有效补偿温、湿度变化引起的误差,精度提高了1个数量级.     

基于神经网络的测井评价油层污染研究

利用测井资料,在剖析传统的测井评价油(气)层污染方法的基础上,介绍了利用BP神经网络这一现代数理统计新技术来实现测井多参数评定油气层污染程度的方法和技巧;以华北二连油田实际资料为例,建立了测井判释油气层污染的数学物理模型,并进行了模拟预测。结果表明:该法简便可行,对污染评价参数预测精度较高,对污染程度评价合理准确,可作为油(气)层污     

基于统计相关的缺失值数据处理研究

针对数据库中存在缺失值的问题,文章建立了统计相关分析与机器学习相结合的缺失数据处理方法.首先利用统计相关性对原始数据进行分析,找出与缺失值属性相关度较大的属性,提取这些属性的已知值作为训练数据建立模型,再利用建立起来的模型估算缺失值.以UCI数据库真实的数据为例进行仿真,并对比分析了支持向量机、神经网络和决策树三种机器学习算法,实验结果表明利用相关度较大的已知属性值来训练学习,其估算值精度明显提高.     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

基于盾构掘进参数的LVQ神经网络地层识别

以苏州4号线2标及2号线东延伸线5标地铁工程为背景，分析了盾构机的掘进参数：千斤顶推力、推进速度、刀盘扭矩、螺旋机转速和同步注浆量在不同地层条件下的变化规律。提出了基于盾构机掘进参数的学习向量量化（Learning Vector Quantization，LVQ）神经网络地层识别方法。建立了以盾构机五个掘进参数作为输入，地层特性编码为输出的数学模型，通过每种地层100组训练样本对模型进行训练，通过57步训练，训练样本误差控制在0.1以内，并用每种地层50组检验样本进行检验，地层总体识别率达到82.7%。     

一种混合建模方法及其在ETF期权定价中的应用

科学合理的交易型开放式指数基金（ETF）期权定价有利于充分发挥其风险对冲功能,也是一个需要准确掌握市场规律并兼顾经济学意义的复杂建模过程。本文提出了一种新的混合建模方法,将嵌套长短时记忆神经网络模型（NLSTM）与Heston模型结合,实现ETF期权定价偏差的动态修正,并基于华夏上证50ETF、嘉实沪深300ETF和华泰柏瑞沪深300ETF的高频期权数据,实验验证了所提方法的有效性。研究结果表明,不同类型ETF期权价格的波动特征差异显著,无论是基于BS定价模型还是Heston定价模型都难以准确刻画ETF期权价格的复杂变化规律。通过将NLSTM神经网络模型与Heston模型结合,能够有效地捕捉不同类型ETF期权的动态变化规律,从而提升ETF期权定价的准确性。     

重庆市主要电子废弃物产生量预测研究

以电视机、电冰箱、洗衣机、空调器和家用电脑为主要测算对象,利用BP神经网络模型预测重庆市电子产品的保有量,在此基础上利用市场供给A模型预测重庆市的电子废弃物产生量.结果表明:未来10年,电视机、电冰箱、洗衣机、空调器、家用电脑等重庆市主要电子废弃物产生总量呈现出快速增长趋势,但个体差异明显,且废弃物产生量远远超出现有企业的处理能力.建议重庆市针对各类电子废弃物未来增长趋势和特征对应发展专业化电子废弃物处置企业,重点关注电冰箱和空调器的回收处理,考虑不确定性因素的影响.     

基于BP神经网络的重庆市房价验证与预测

利用2000—2014重庆市人均地区生产总值、总人口数、房地产开发投资等相关数据,建立BP神经网络模型,通过与实际数据进行比较和误差分析,验证该模型在房价预测中的有效性。并预测重庆市2015、2016年的房价,以期给政府部门制定房价宏观调控措施提供参考依据。