长深10井固井技术应用

吉林油田双坨子地区和长岭地区是两个已探明天然气资源十分丰富的区块，几十个气层分布在几百米至4000米之间，需要封固段的井段长达3500多米。2009年吉林油田在松辽盆地南部长岭断陷东部斜坡带大老爷府西2号构造上实施了吉林油田最深的天然气探井——长深10井的钻井施工，获得了良好的天然气资源显示。伴随着长深10井的钻探成功与重大发现，揭开了吉林油田向深层天然气领域挺进的序幕，也为该地区的深层天然气资源大规模开发增加了信心。因此相应的固井技术研究工作十分重要。针对长深10深层气井的固井难题，施工工艺上采用分级固井、平衡压力固井，同时对水泥浆的性能进行优化，为今后吉林油田深层气井的勘探和开发做出贡献。     

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型（X12-ARIMA）将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法（ICEEMDAN）将季节调整后序列分解成一系列不同时间尺度的本征模态函数（IMF）和残差序列（Residue）。然后使用基于模糊C均值算法（FCM）划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。     

LEVY-LIBOR市场模型的蒙特卡罗模拟参数校准与估计

基于远期LIBOR利率的随机波动与无限跳跃特征，针对标准化LIBOR市场模型（LMM）和随机波动率LIBOR市场模型（SV-LMM）应用局限，进一步引入Levy无限跳跃过程，建立多因子非标准化Levy 跳跃随机波动率LIBOR市场模型（SVLEVY-LMM）。在此基础上，基于非参数化相关矩阵假设，运用互换期权（Swaption）、利率上限（Cap）等主要市场校准工具和蒙特卡罗模拟技术，对模型局部波动率和瞬间相关系数等参数进行有效市场校准；应用自适应马尔科夫链蒙特卡罗模拟方法（A-MCMC）对Levy跳跃与随机波动参数进行有效理论估计。实证认为，对远期利率波动率校准，分段固定波动率结构较为符合市场实际情况；对远期利率相关系数矩阵校准，非参数化相关系数矩阵具有最小估计误差和最佳的市场适应性；SVLEVY-LMM能够最好拟合远期LIBOR利率。     

基于多源异构数据的玉米期货价格可解释性预测

玉米期货价格预测和预警工作有助于指导农业经济高质量发展,而自2020年6月以来我国玉米期货价格波动剧烈,亟需准确高效的玉米期货价格预测方法。针对现有研究未充分考虑疫情、政策调控及新闻文本中潜在的预测信息等不足,本文综合考虑了玉米市场的供求关系、政策调整、国际市场冲击、疫情冲击、突发事件的影响等导致玉米价格波动的多重因素,设计了有效的玉米期货价格可解释性预测框架。同时,针对现有玉米期货价格预测可解释性不足的问题,提出了一种新颖的DE-TFT可解释性玉米期货价格预测模型,该模型采用差分进化算法对时域融合变换器(temporal fusion transformers, TFT)的参数进行智能高效的优化。TFT是一种新颖的基于注意力的深度学习模型,将高性能预测与时间动态可解释分析相结合,表现出优异的预测性能。TFT模型可以产生可解释的玉米期货价格预测结果,包括时间步长的注意力分析和输入变量的重要性排序。在实证研究中,潜在狄利克雷分配模型用来分析“中华粮网”收集的玉米新闻资讯和政策调整的内容及主题,卷积神经网络用来提取新闻资讯的潜在预测信息,可解释的实验结果表明,反映国内疫情状况的百度指数“疫...     

投资组合再抽样方法及其在沪市A股的实证研究

由于经典均值-方差（Mean—Variance）模型对输入参数的变动非常敏感，输入参数的微小波动会造成最优化结果的巨大偏差。投资组合再抽样方法通过模拟输入参数以增加样本的信息量，能够大大降低MV模型对输入参数的敏感性。本文在对沪市A股10只股票进行再抽样方法及其改进研究中证明：在均值-方差分析中运用再抽样方法进行组合权重修正，能够取得更接近于真实有效边界的再抽样有效边界，是对均值—方差模型有效改进。     

基于文本挖掘和自动分类的法院裁判决策支持系统设计

在许多大陆法系国家,不断产生的新型法律关系使得成文法无法及时制定和修改的缺陷逐渐显现。与此同时,世界各国纠纷诉讼的数目也在急剧增长,所以,很多国家面临如何在保证审判质量的前提下提高司法系统审判效率的问题。因此,在进行制度改革的同时,建立决策支持系统将会有效地辅助司法判决。本文以中国的医疗损害诉讼文本为例,使用文本挖掘和自动分类技术提出了一个法院裁判决策支持系统（CJ-DSS）,该系统可以依据以往判例预测新诉讼文本的判决结果：驳回与非驳回。结合案例,本文研究发现,组合特征提取法确实能够改进和提高分类器的分类性能,而且针对支持向量机（SVM）、人工神经网络（ANN）、K最近邻（KNN）三种不同的分类器,文档词频-卡方（DF-CHI）组合特征提取法对性能的改进程度有所差异,其中ANN的性能改进最高。除此之外,集成学习后该系统的分类性能更加稳定,显著优于单一分类器,F₁值达到93.3%。     

估计灰色Verhulst模型参数的LS-SVM方法及应用

估计灰色Verhulst模型中的参数通常采用最小二乘法，这种基于大样本理论的经验风险最小化方法无法保证小样本预测下模型的推广性能.为提高灰色Verhulst模型的预测精度，本文提出了基于LS-SVM算法估计模型参数的方法.首先根据Verhulst灰色差分方程的特点，通过构造以背景值序列和原始序列为训练样本的LS-SVM模型，将一维样本空间里的Verhulst模型转化为一个二维特征空间里的LS-SVM模型，进而将Verhulst模型的灰参数的估计问题转化为一个LS-SVM模型的回归系数估计问题.然后通过核函数构造法，结合模型特点合理构造了LS-SVM模型的核函数，基于LS-SVM算法求解回归系数，进而得到Verhulst模型的参数估计.实验结果表明该方法是可行的有效的，可保证Verhulst模型具有良好推广性，相比于传统参数估计方法本文预测精度更高.     

一类调节强度可变的弱化缓冲算子及其应用研究

在灰色系统缓冲算子公理体系下,根据灰色系统的“新信息优先原理”,构造了一类调节强度可变的弱化缓冲算子,并对其特性进行了研究。针对不同的建模背景,通过调整缓冲算子的参数,可以生成具有不同弱化效果的序列。最后,利用本文提出的缓冲算子,对两个实际案例进行了建模计算,计算结果表明,这类新的弱化缓冲算子能够有效提高GM（1,1）模型的预测精度,解决定量预测结果与定性分析结论不符的问题。     

基于数据挖掘的电力装备企业多价值链协同数据预处理方法研究及应用

在电力装备制造企业的数字化转型中，需要对数据空间中多价值链协同的高维数据进行挖掘与分析，本文针对电力装备制造业进销存大数据的预处理问题展开了研究。首先，给出了变点法和局部异常因子算法（local outlier factor method,LOF）组合的数据异常值检验校正预处理方法；其次，提出了基于LASSO(least absolute shrinkage and selection operator,LASSO)算法的栈式稀疏自编码器（stack sparse auto-encoder,SSAE）数据降噪降维组合机器学习处理方法（SSAE-LASSO），对特征进行压缩降维提取，去除严重干扰数据回归分析的噪声信息，并过滤影响度低的冗余数据，从而实现数据的降噪降维处理。最后，将本文提出的方法应用于不同的算法进行检验，通过对两种预处理的数据对比发现，本文提出的方法有效提高了电力产品销售量智能预测的精度。     

基于“拆分-填充-分解-集成”的我国线上零售额预测研究

线上零售额的准确预测是政府制定零售政策和发展规划的依据,也是电商和物流企业确定发展战略的基础。由于我国线上零售额数据具有样本量小、波动性大、受节日影响大、存在缺失值等特征,准确预测变得十分困难。为解决这个问题,本文提出了一种“拆分-填充-分解-集成”的预测框架。具体而言,首先将数据集拆分为实物零售数据与非实物零售数据两部分。其次,分别根据实物零售与非实物零售数据不同的缺失特征对样条插值法做了改进,提出了基于“样条插值-二分调整”的分解填充法以及基于“分段线性函数拟合-样条插值”的分解填充法,对两组数据进行缺失值填充。继而基于两组数据的不同特征,分别提出“乘法分解-ARIMA-移动平均”以及“STL分解-BP神经网络-灰色波形”的预测方法对两组数据进行预测。最后将两组预测结果集成,得到我国线上零售额的预测值。实证结果表明,本文提出的预测框架能较好地捕捉我国线上零售额数据的特征,具有很高的预测精度,且较传统的缺失值填充和预测方法在性能上表现更好。本文提出的“拆分-填充-分解-集成”预测框架,丰富了现有的缺失值填充与预测方法,并为预测实践提供了解决方案。     

灰色量子粒子群优化通用向量机的中国行业间碳排放转移网络预测研究

针对行业间碳排放转移量预测问题，以中国1997-2017年间9年度28个行业间碳排转移量数据为样本，本文提出了基于小样本随机振荡序列的灰色量子粒子群优化通用向量机混合预测模型ROGM-QPSO-GVM。该模型首先使用ROGM（1，1）模型得到各行业对其他行业碳排放转移量的预测序列和残差序列，然后提出了一种新的量子粒子群优化（QPSO）算法优化GVM模型网络参数，构建了QPSO-GVM模型对残差序列进行修正，再将两部分的预测值相加得到行业间碳排放转移量预测值，最后根据所有预测值构建出行业间碳排放转移网络。结果表明ROGM-QPSO-GVM模型与其他模型相比具有更好的预测效果，并利用该模型对2020年、2025年、2030年中国行业间碳排放转移网络进行了预测及变化趋势分析。     

基于初始条件优化的GM(1,1)幂模型及其应用

针对GM（1,1）幂模型幂指数和初始条件优化问题,提出了一种基于初始条件和幂指数协同优化的方法。根据新信息优先原理,通过引入权重信息控制函数优化初始条件,表现新旧信息在初始条件构建中作用大小的变化规律,最大限度提取小样本序列中的有效信息,反应新旧信息共同对系统趋势变化的影响;以平均相对误差最小化为目标,参数间约束关系作为条件,构建非线性优化模型,实现GM（1,1）幂模型的幂指数和初始条件协同优化。最后,通过我国网络购物用户规模预测实例研究表明,优化的模型实现模型平均相对误差在理论上的最小化,其建模效果要优于其他对比模型,并将其用于2016-2020年网购用户规模预测,表明本文模型的实用性和有效性。     

季节性数据特征驱动的电子废弃物回收规模分解集成预测建模研究

电子废弃物回收规模预测是政府制定循环经济发展规划和有关补贴政策、企业进行资源回收价值评估和产能优化的基础。本文考虑电子废弃物回收规模季度数据的季节性数据特征可能导致传统单模型预测误差偏大、预测结果不稳定等问题，基于“分解-集成”的思想提出了季节性数据特征驱动的电子废弃物回收规模预测CH-X12/STL-X框架。首先，基于Canova-Hansen(CH)检验对电子废弃物回收规模时间序列的季节性数据特征进行识别，继而对适于进行季节性分解的时间序列采用X12乘法模型或时间序列季节性分解(Seasonal-trend Decomposition Procedure Based on Loess，STL)模型实现季节性分量提取。然后，采用Holt-Winters模型对获得的季节性分量进行预测，并以支持向量回归模型(Support Vector Regression，SVR)预测分解获得的其他分量。最后，通过对各个分量预测结果的线性求和以得到最终的预测结果。实证结果表明，提出CH-X12/STL-X预测框架能够较好地满足不同季节性数据特征驱动的时间序列预测建模需求，且较传统单模型(Holt-Winters模型、季节性差分自回归滑动平均模型、SVR模型)在预测性能上表现良好且稳定。     

功率变压嚣磁芯的设计

电子信息产业的迅速发展，对高频开关式电源不断提出新的要求。开关式电源技术发展趋势是高密度、高效率、低噪声，以及表面贴装化。无论是AC／DC或DC／DC电源，除了功率晶体管外，由软磁铁氧体磁芯制成的主变压器、扼流圈及其它电感器（如抗噪声滤波器）是极重要的元件，其磁性能和尺寸直接关系到电源的转换效率和功率密度等..本文拟重点讨论涉及主变压器磁芯设计中应考虑的通过功率、性能因子、热阻等参数，并对降低磁芯总损耗提出了材料微观设计应考虑的方法。     

基于HTFWGBM算子的供应商选择模型研究

由于供应商选择中的的复杂性与不确定性以及人类认知的有限性，从而导致信息融合失真和决策结果不准确的情况。针对决策属性以犹豫三角模糊数（HTFN）给出的供应商的选择问题，本文提出一种基于HTFGWBM算子的决策算法。首先，针对犹豫三角模糊数和几何Bonferroni平均算子理论，分别定义了犹豫三角模糊几何Bonferroni平均（HTFGBM）算子和犹豫三角模糊几何加权Bonferroni平均（HTFGWBM）算子，同时分别研究了算子的幂等性，置换不变性，单调性和有界性等性质。其次，基于HTFGWBM算子构建新型犹豫多属性决策模型，结合HTFN排序方法进行备选供应商排序。最后通过算南水北调中线工程中的供应商选择实例证明了决策模型的可行性与有效性。结果表明，通过调整模型参数，模型具有一定的延展性和容错能力，能够很好的进行科学决策。     

半参数空间ZISF的估计、分类与蒙特卡罗模拟

零无效率随机前沿模型（ZISF）包含随机前沿模型和回归模型，两模型各有一定的发生概率，适用于技术无效生产单元和技术有效生产单元同时存在的情形。本文在ZISF的生产函数中引入空间效应和非参函数，并假设回归模型的发生概率为非参函数，构建了半参数空间ZISF。该模型可有效避免忽略空间效应导致的有偏且不一致估计量，也避免了线性模型的拟合不足。本文对非参函数采用B样条逼近，使用极大似然方法和JLMS法分别估计参数和技术效率。蒙特卡罗结果表明：①本文方法的估计精度和分类精度均较高。随着样本容量的增大，精度增加。②忽略空间效应或者非参数效应，估计精度和分类精度降低，文中模型有存在必要性。③忽略发生概率的非参数效应会严重降低估计和分类精度，远大于忽略生产函数的非参数效应的影响。     

中国高等教育投入产出效率的综合评价——基于Window-Malmquist指数法

"双一流"建设背景下，基于合作竞争的资源配置模式决定了中国必须提高高等教育投入产出效率。综合运用Window-Malmquist指数法和空间聚类方法测算分析中国31省（市）2004-2015年的高等教育投入产出效率及其演变规律和空间差异，结果显示：（1）总体而言，中国高等教育投入产出效率呈现DEA有效状态，技术进步是其提升的主要贡献因素，但高等教育"区域鸿沟"的存在却导致追赶效应拉低了效率值；（2）从时间演变规律看，中国高等教育投入产出效率相对稳定，但上升趋势并不明显，且存在两极分化或多极分化的可能性；（3）从空间差异情况看，31个省（市）中，江苏高等教育投入产出效率最高，东部沿海地区的高等教育投入产出效率具有"高高"特征，且效率值明显高于其他地区；（4）从空间集聚特征看，在技术进步的作用下不同区域的高等教育投入产出效率存在正向的空间关系，但追赶效应却降低了这种空间联系。     

改进固定工期大中型工程的完工成本估算

传统挣值管理框架内的完工成本估算模型,不能很好适用于工期目标固定的大中型工程。首先,在项目前锋期（t₀）,提出利用进度挣值方法（ES）估算完工工期T₂,以及对于固定工期（T₀）需要压缩的工期（ΔT=T₂-T₀）。然后,采用指数函数模拟时间-费用分阶段凸成本曲线,估算压缩工期的成本。在此基础上,结合Gompertz生长模型（GGM）估算未压缩时的完工成本,提出固定工期大中型工程的完工成本的估算模型。最后,以某机场工程子项目作为案例,分别利用传统挣值法的四种基本估算方法与改进后的挣值管理完工估算方法,对项目完工成本进行估算。横向对比结果发现,改进后的挣值管理完工估算方法具有相对较优性。本研究的成本估算模型改进了传统挣值法对完工成本估算的预测能力,对于进度为主要目标的中国大中型工程具有较强的实践指导意义。     

动态均值-方差资产组合的有效性:时变风险容忍度视角

尽管均值-方差模型在静态资产组合优化过程中得到广泛运用并证明是有效的,但在动态情景下,均值-方差模型运用于动态资产组合优化过程中的有效性问题引起人们的质疑：一是常风险规避系数的设定不符合事实;二是投资者偏好设定不符合动态情景下的主流效用函数族。鉴于此,本文假设投资者风险容忍度是资产组合投资期与投资者期望收益率的函数,研究动态均值-方差资产组合的有效性问题。基于均值-方差分析框架构建时变风险容忍度下的动态资产组合模型;运用伊藤定理和拉格朗日乘子法获得最优资产组合封闭解;基于二次效用偏好下的动态资产组合,从资产组合策略、夏普率、确定性等价收益率和有效前沿等视角验证动态均值-方差资产组合策略和业绩,并予以实证。结果表明：动态均值-方差资产组合不但具有同等业绩而且体现了其灵活性和风险对冲价值;尽管动态均值-方差资产组合表现出高杠杆性,但其确定性等价收益率较高,且随投资期的增加呈现倒U型趋势;动态均值-方差资产组合的投资期效应显著,强于投资者期望收益率。研究指出,时变风险容忍度下的动态均值-方差资产组合管理和优化策略有效,但在短投资期（低于12个月）和（或）低期望收益率下并不适用。研究不但拓展了均值-方差模型在动态情境下的应用,而且体现了投资者源于心理和（或）其财富变化的投资行为调整。     

CSR投入对闭环供应链定价与协调决策的影响

研究了供应链成员的社会责任（CSR）投入行为对闭环供应链决策的影响。考虑了闭环供应链中以下四种不同的CSR投入方式：（1）无CSR投入;（2）制造商投入CSR;（3）零售商投入CSR;（4）制造商和零售商同时投入CSR。通过对比不同模型的均衡决策和利润,发现制造商和零售商同时进行CSR投入的方式对闭环供应链决策成员和系统均最有利,而零售商投入CSR的方式优于制造商投入CSR方式。其次,以集中化决策模型的最优结果为基准,探讨了不同CSR投入方式下分散化闭环供应链系统的协调机制设计问题。结果表明：两部定价契约能有效实现CSR约束的闭环供应链的协调;且在制造商与零售商同时投入CSR决策情形,契约中制造商的议价能力最弱,零售商的议价能力最强。最后,通过算例分析了模型中关键参数对闭环供应链均衡决策与利润的影响,并进一步对闭环供应链协调的性能进行了分析。