基于GMDH神经网络法的中小板上市公司ST分类预测研究

预测上市公司的上市状态对投资者与其他利益相关者至关重要.选取2019年1月1日至3月31日我国中小板116家上市公司的86个财务指标数据,运用GMDH神经网络法对ST公司和非ST公司进行分类预测,预测正确率达到78.26％.进一步采用1:1配对原则(43家ST公司和43家非ST公司)对中小板上市公司进行ST分类预测,预测正确率大幅提高,达到88.24％.由此发现,基于GMDH神经网络法的中小板上市公司ST分类预测具有较好的预测表现.     

环形刀高速铣削加工P1.2738钢表面粗糙度预测模型试验研究

针对塑料模具钢P1.2738,利用环形刀在五轴数控加工中心上进行高速铣削正交试验,应用正交回归方法,建立表面粗糙度经验预测模型并通过显著性检验,研究表明回归方程可以对表面粗糙度进行预测,该模型为铣削参数的合理选择提供依据.     

哈齐客专基床粗粒土填料击实特性研究

以哈齐客专基床粗颗粒填料为研究对象,采用表面振动击实仪研究了不同细颗粒含量条件下该填料的击实特性,探索了细颗粒含量对该粗粒土填料最大干密度及最优含水率的影响规律。结果表明,该填料的击实特征曲线中,细颗粒含量小于9%时表现为明显的双峰值规律;细颗粒含量大于9%时表现为单峰值规律。随细颗粒含量的增大,最大干密度呈现先增大后减小的规律,细颗粒含量为9%时取得最大值2.42 g/cm~3;最优含水率随细粒土含量的增加而增大,但增长速率逐渐变小。     

基于卷积神经网络的在线产品销量预测分析研究

研究针对在线产品销售的决策需求,结合各行业在线产品的销量影响因素及深度学习算法优势,构建了适用于在线产品的销量预测模型,并重点评估了模型在不同种类在线产品上的适应性。研究过程将全连接模型与CNN的训练结果进行了对比,证明了CNN模型的精度和泛化能力。通过选取非深度学习模型Adaboosting作为对比基线,证明CNN模型在不同类别产品下的性能优势。另外,实验得出经过无监督预训练的CNN模型在销量预测问题上更有效、适应能力更强的结论。     

闽东地质灾害气象预警等级预报研究

降水是引发地质灾害最关键的因素。该文在分析降水与地质灾害产生存在关联性的基础上,提出前期实况雨量、预测雨量与闽东地区地质灾害之间的关系,设立地质灾害气象预报公式,筛选出连续阴雨、短时间强降水和台风期暴雨为主导可变诱发因子,以此为依据建立闽东地质灾害预警系统。     

民族地区碳排放驱动机制分析及趋势预测

使用PVAR模型和VAR模型,从经济、社会、能源三个维度,分析1997～2015年民族地区碳排放的影响因素和发展趋势。PVAR模型方差分解结果表明,当前民族地区碳排放的主要驱动因素为经济发展水平、人口规模和能源消耗量;与结构型指标相比,数量型指标对民族地区碳排放的驱动作用更显著。VAR模型方差分解结果进一步证实,结构型指标是未来民族地区碳减排的关键驱动因素,且作用强度逐年增加,但不同省份碳排放驱动因素的作用路径和贡献强度存在差异,各地区应根据其碳排放的重点影响因素和传导路径,采取差异化减排措施,建立低碳发展长效机制。