基于径向基函数网络的混沌吸引子寻找方法

由于现有的混沌吸引子识别方法对噪声敏感,研究带噪声的时间序列的混沌识别方法就显得特别重要.本文给出了一种新的基于径向基函数网络的混沌吸引子寻找方法.实例表明此方法对即使少量的、噪声较大的时间序列也有较好的效果,是一种很实用的方法,有着广阔的应用前景.     

径向基函数网络结构确定的新算法

讨论了对于径向基函数网络的一种结构确定双向回归新算法．在这种算法中,采用正交化手段和“新息-贡献”准则,可同时确定径向基函数网络的结构（即中心点）和参数估计,不仅克服了传统算法的从一大组输入数据中任意选择中心点常出现的数值病态和选择结果依赖于数据排列顺序等问题,而且大大减少了计算量且保证能得到唯一的最优网络描述．最后用仿真例子说明了这种新算法的正确性和有效性．     

基于径向基函数网络的改进算法的数据分类方法及其应用

径向基函数网络是数据挖掘领域的一种重要挖掘工具,受到了特别的重视.本文通过考虑输入--输出扩展矢量的方式改进了应用广泛的HCM挖掘算法.实例表明改进的HCM算法可以获得更好的挖掘效果,提升了此挖掘工具的价值.     

基于结构可变的RBF神经网络的时间序列预测

基于神经网络的时间序列预测方法,需要正确确定网络结构,它关系到所建模型的合理性以及预测的准确性。目前确定网络结构的绝大多数方法,其网络结构一经训练确定便保持不变。然而现实中许多时间序列呈现非平稳性,其结构经常发生变化,这就要求网络结构能够动态可调,因此本文提出结构可变的径向基函数(RBF)神经网络预测模型。并采用序列蒙特卡罗(SMC)方法实现基于结构可变RBF网络的时间序列在线预测;最后采用CRU钢铁价格指数月数据进行实证研究,结果表明该模型的有效性。     

基于径向基神经网络的装备制造业供应商选择研究

装备制造企业如何选择供应商从而有效降低供应链成本具有重要的意义。本文通过层次分析法与RBF神经网络相结合,对RBF神经网络的反复训练,建立供应商选择模型,然后通过某装备制造企业为例进行实例分析,验证模型的有效性。结果表明,基于RBF神经网络的供应商评价模型稳定性、精确性在允许范围内,具有一定的应用价值。     

基于EMD与DVG的非线性时间序列预测模型及其应用研究

针对具有非线性和不稳定性的时间序列,提出一种结合经验模态分解(EMD)、有向可见图(DVG)网络的动态预测模型。利用经验模态分解将原时间序列分解为多个固有模态函数(IMF),然后对分解后的高频和低频IMF利用快速傅里叶变换得到各自的周期;依据每个周期,从原时间序列的尾部截取长短不一的子序列,然后采用有向可见图算法转换为多个有向网络,利用随机游走在每个有向网络中寻找与时间序列最后一个节点相似的节点;最后,依据平行线法,预测时间序列的下一个数值。原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油每日价格进行实证分析。研究结果表明,此模型不但可以有效地预测时间序列的变化趋势,而且具有较高的预测精度。     

基于小波网络的经济时间序列预测模型

本文在小波网络的基础上,利用经济类时间序列的特点,建立通用的经济预测小波网络模型.该网络的权值由广义递推最小二乘法来学习,尺度参数和平移参数通过稳定的Davidon最小二乘法获得.并利用此模型对我国工业发电量加以预测.实际预测结果表明了该模型的先进性和可行性.     

一种非线性时间序列预测模型及对原油价格的预测

针对具有非线性和不稳定性的时间序列,提出一种结合小波分解、滑动平均离散差分方程和马尔可夫方法的动态预测模型.利用小波多尺度分解将原时间序列分解到不同频率通道上,然后对分解出的低频近似小波系数利用滑动平均离散差分方程预测模型进行预测,并利用马尔可夫方法对时间序列的高频细节小波系数进行预测,最后将低频和高频的预测结果进行小波重构得到时间序列的实际预测值.原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油(周度)价格进行实证预测分析,分别预测WTI原油价格的整体变化趋势和周度实际原油价格.研究结果表明,此模型不但可以有效地预测时间序列的整体变化趋势,能从细节上对其进行有效的刻画,而且比其他基于小波的预测模型具有更高的预测精度.可以看出国际原油价格从整体上呈现周期性上涨趋势,并且不稳定的随机波动也会一直存在.     

基于DEA的生产函数估计

针对常用参数方法或非参数方法估计技术状况所存在的缺陷,提出了一种基于DEA的估计理论生产函数的方法,该方法可用于估计凹生产函数所含参数,其基本思路是:首先,利用DEA方法评测各DMU的产出效率,得到(弱)DEA有效的DMU;然后,根据各(弱)有效DMU确定DEA生产可能集的前沿面,从线性逼近角度给出理论生产函数的上确界;最后,利用相切条件计算生产函数所含参数,从而确定生产函数的具体形式.以C-D函数为计算范例,显示了该方法的优越性.     

基于预测模型决策树的时间序列模型选择方法研究*

文中提出了一种新的时间序列辨识的智能方法,采用预测模型决策树(FMDT)确定ARMA模型的阶数.文中给出了FMDT的结构及FMDT的每一个非叶结点的决策函数的基于遗传算法求解方法.该方法降低了时间序列辨识的复杂性,并经实例证明对时间序列辨识具有很高的辨识率.     

基于决策分析的社交网络链路预测方法

社交网络是社会媒体信息传播的骨架,对其进行链路预测的研究将有助于社会媒体平台上的信息管理和舆论控制.在既有网络链路预测方法研究的基础上,以决策分析的思想为出发点,提出了引入效用函数分析的社交网络链路预测方法;针对效用函数中参数的估计问题,进一步提出了允许一定误差度的马尔科夫链蒙特卡洛参数校准方法,并对方法的正确性进行理论上的论证.在收集到的5个腾讯QQ群的数据集上,进行了新方法的验证研究,并与既有的链路预测方法在准确性方面进行了比较分析.研究表明:本文提出的预测方法考虑了链路形成的微观行为基础,具有较好的预测准确性,并且参数估计算法中"允许误差"的引入有助于模型应用者在模型效率和准确性方面的折衷中做出合理的决策.     

基于投影降维技术的期权组合非线性VaR模型

高维期权组合VaR值的计算时间和计算工作量随着市场风险因子维数的增加而迅速增加.为此,引入投影降维技术,用少数几个风险因子来解释高维期权组合总的风险,并结合快速卷积方法,建立了基于投影降维技术的市场风险因子呈厚尾分布情形下的期权组合非线性VaR模型,达到减少计算时间和计算工作量的目的,同时期权组合价值变化的信息又没有太大的损失.数值结果表明,投影降维技术能够达到与快速卷积方法、Monte-Carlo方法差不多的估算精度,而计算效率明显优于快速卷积方法、Monte-Carlo方法,计算时间和计算工作量明显减少.     

RUTA: A framework for assessing and selecting additive value functions on the basis of rank related requirements

In this paper, we present a new preference disaggregation method, called RUTA, which infers a set of additive value functions from the preference information referring to the desired ranks of some reference alternatives. Real-life experience indicates that people willingly refer to the range of allowed ranks that a particular alternative should attain, or to constraints on the final scores of the alternatives. We develop a mathematical model for incorporating such preference information via mixed-integer linear programming (MILP). Then, we discuss how decision making could be supported with the use of the already proposed extreme ranking analysis (ERA), which indicates the best and worst ranks gained by each alternative over the set of compatible preference model instances. We also introduce a new interactive UTA-like technique, which aims at selecting a single value function representing the outcomes of ERA. In the interactive process, the decision maker (DM) is assigning priorities to different pre-defined targets, which are built on results of ERA, and refer to the comparison of the best and/or worst ranks for pairs of alternatives. In particular, the DM may choose to emphasize or neglect the advantage of some alternatives over the others, in terms of results of ERA. In this way, one obtains a synthetic representation of extreme ranking analysis at a higher level of abstraction.     

基于均值-超量系统总阻抗的随机拥挤收费模型

文章研究出行需求不确定环境下的拥挤收费问题,采用均值-超量系统总阻抗作为风险评价指标。均值-超量系统总阻抗风险指标,既能够保证系统总阻抗以一定的置信水平α小于决策者的预算,又保证当实际系统总阻抗超过决策者预算时引起的超量延误的均值最小,因此将它作为拥挤收费模型的目标函数能够更加全面地刻画不确定环境下系统总阻抗的分布特征。本文以最小化均值-超量系统总阻抗作为拥挤收费的目标,建立需求不确定条件下的拥挤收费模型。该模型能够更好地反映决策者面对不精确的出行需求数据的风险态度。通过蒙特卡洛模拟的方式将其转化为确定性的模型,降低了求解的复杂性。通过算例分析可得,与期望值模型相比,该模型具有更强的适应性。     

基于二层规划的供应链多阶响应周期决策模型

优化和缩短供应链多阶响应周期是供应链快速响应市场需求、缩短产品上市周期的有效途径,也是供应链管理总体目标之一.全文首先阐明了供应链多阶响应周期的概念,以核心企业作为协调中心,建立了供应链整体计划决策机制,并运用二层规划方法对供应链多阶响应周期进行了建模研究.最后用实际调研的数据作为一个算例对模型进行了数值演算和验证.结果表明,该模型能够协调管理供应链整体利益和节点企业局部利益、合理分配生产时间与物流时间,为供应链优化和缩短多阶响应周期提供了一个有效的决策工具.     

面板数据计量模型适应性的比较研究

近年来在经济管理研究中采用面板数据的实证性论文日益增多,同时关于面板数据处理的理论成果也并不少见.然而,问题在于:一方面已有的关于面板数据处理的理论方法多基于无穷大样本,而现实中仅能获得有限样本;另一方面已有的实证研究成果或对面板数据不做任何特殊处理或并不说明处理方法选用的依据.基于此,按只存在个体效应,只存在时间效应...     

基于局部变权模型的企业质量信用评估

研究了局部变权向量.首先定义了改进的局部变权向量,提出了与之对应的状态局部变权向量和局部均衡函数.分别证明了它们的共轭向量(函数)也具有相应的性质,然后定义了局部变权向量的变权综合度.最后,利用局部变权向量建立企业质量信用评估模型.通过实例说明了该理论是有效的和合理的.     

基于DEA和方向性距离函数的中国省际能源效率测度

基于全要素能源效率框架,利用数据包络分析(DEA)和方向性距离函数建立2类能源效率测度新模型,分析比较了2004～2008年中国29个省份、全国整体及三大区域的全要素能源效率和节能潜力;同时,在新模型的基础上,结合单要素能源效率和全要素能源效率,引入"目标能源强度"指标并测算了2004～2008我国各省份的能源强度效率。实证分析结果表明:中国能源效率整体水平较低,节能形势严峻,各省份、区域之间的能源效率差异显著,能源节约和产出增长还具有很大的潜力和空间,因此,提升科技实力,实现经济增长方式由"粗放型"向"集约型"转变仍然是中国今后相当长时期的战略重点。