日本文化产业的国际竞争力及其前景探析

日本作为资源匮乏、土地面积狭小,人口密度大的国家。在世界新兴经济体国家经济日益腾飞,传统行业竞争越来越激烈的形势下,给日本经济的增长带来了相当大的阻力。在这种形势下,日本发展文化产业是形势所趋,也是明智之举。文化产业在日本起着举足轻重的作用,已成为日本国重要产业支柱之一,特别是近十几年来,给日本带来了巨大经济收益。日本以经开始从一个科技强国走向了文化产业强国。但是,日本将来是否坚持加大文化产业力度仍然是一个需要思考的问题,面对未来世界各国多元文化崛起的冲击,日本应该如何保持竞争优势,仍然是日本需要认真研究的问题。本文就日本文化产业竞争力及其发展前景展开讨论,探析日本文化之路,给我国未来文化发展之路一些思考和借鉴。     

基于自组织数据挖掘的区域物流需求预测

文章将自组织数据挖掘方法应用于区域物流需求预测,建立了参数GMDH输入输出模型和非参数模糊规则归纳区域物流需求预测模型,鉴于单个模型预测的局限性,以最小二乘法为最优化准则,建立了最优线性组合预测模型。实证分析表明组合预测结果比较满意,自组织数据挖掘方法是区域物流需求预测的有效工具。     

我国能源强度影响因素分析及建议

文章将因素分解方法应用于影响我国能源强度变化的因素分析，建立了能源强度变化的完全分解模型，得到了因素分解结果，鉴于时间的累积作用，将各因素的贡献值分解到各个年度，并且对各产业比重变化和各产业能源效率变化对我国能源强度变化的贡献值进行了进一步分析。实证分析表明产业结构因素对降低我国能源强度未起到积极作用，我国能源强度的降低主要得益于产业能源效率的提高，特别是第二产业能源效率的提高。通过对实证结果的进一步分析，找到了产生这一结果的原因，并提出了合理的建议。     

地缘主义与跨界民族主义——以中国西南边疆为例

在经济全球化的背景下，不同国家沿边境地区的地缘经济发展直接影响到该国跨界民族的向心力，在区域经济一体化的边缘地带，跨界民族为了获得区域经济的最大化利益或者获得所在国政府的经济援助，以缩小区域经济中心地带和边缘地带的经济差距，地缘认同成为跨界民族的政治诉求，地缘主义成为跨界民族主义的思想来源，边缘地带的地缘政治和地缘经济构成了边缘地带的地缘主义思潮，跨界民族以地缘民族文化和地缘民族宗教为认同，形成了以地缘政治和地缘经济为诉求的跨界民族主义，本文主要考察地缘主义与跨界民族主义之间的内在联系，以增强我们对西南边疆跨界民族的认识。     

基于ARMA-ARCH的GDP组合预测

本文分析了四川省GDP发展趋势,建立了四川省GDP的ARMA预测模型。然后分析了企业景气调查数据和传统统计数据的差异,指出了企业景气调查数据在经济预测中的优点,并在此基础上建立了基于企业景气调查数据的ARCH预测模型。最后利用前面两个模型的预测结果构建了基于BP神经网络的ARMA-ARCH组合预测模型。     

运用统计指标与景气指数对工业经济的组合预测

本文应用GMDH中的相似体合成预测方法,建立了工业增加值预测模型,对比分析了引入景气指数前后该经济预测模型的预测效果,实证分析结果证明引入景气指数做工业经济预测效果更好。     

基于网格服务的协同电子商务平台的构建

文章采用面向服务体系(SOA)的思想,用网格服务构建了一个协同电子商务平台.其目的是实现电子商务系统和企业内部业务、供应链企业之间、企业和客户、以及企业和政府部门的协同.文中描述了协同电子商务平台的体系架构,框架中集成了供应链管理(SCM),客户关系管理(CRM),商业智能挖掘(BI)和协同设计等子系统,用网格服务封装企业内部和企业之间的业务系统接口.通过网格服务的发现、集成、调用实现协同电子商务.     

论云南跨境教育和跨境民族教育

在教育国际化的背景下,跨境教育与跨境民族教育越来越普遍,国家间教育合作交流的广度与深度不断得到加强,但跨境教育中的问题也日益显现。随着跨境教育类型的日趋多元化,出现了跨境教育、跨境教育服务贸易和跨境民族教育等概念上的混用。在扩大云南对东南亚、南亚开放人文交流平台建设中,厘清跨境教育和跨境民族教育的性质及其对象,对扩大云南面向东南亚、南亚人文交流,推进云南沿边境跨境民族地区的教育发展,把云南建设成为面向东南亚、南亚人文交流的桥头堡,具有重要的现实意义。     

基于DFA方法的自组织组合预测模型的应用

文章运用消除趋势波动分析(DFA)方法,计算了四川省工业增加值季度数据的标度指数,该指数表明四川省工业增加值的时间序列值具有长程相关特性,其预测模型有较好的拟合效果.在此基础上根据自组织数据挖掘的理论与方法,提出了自组织组合预测模型.模型预测结果及与ARIMA、GMDH自回归、SPSS曲线估计等三个单项预测模型及最优线性组合、人工神经网络组合等常用的组合预测模型的对比表明,自组织组合预测模型不仅改善了对数据样本的拟舍精度,而且显著提高了模型的预测能力.