2006年中国进出口预测与分析

本文首先回顾2005年我国对外贸易形势并分析2006年国内外宏观经济环境，在此基础上，运用协整分析方法和误差校正模型及非线性BP神经元算法，采用进口、出口、外汇储备、汇率等数据建立经济计量模型，对2006年我国进出口进行预测。主要预测结果为：2006年，我国进出口贸易将继续保持快速增长势头，进口增长速度将高于出口增长速度；全年贸易将可能继续呈现大额顺差的态势，但会有所缓解。然而，2006年我国对外贸易中也存在着一些值得关注的问题。     

做学习型档案人

随着信息技术的迅速发展,人类正在进入信息社会.据专家们分析:农业经济时代,只要7～14岁接受教育,就足以应付往后40年的工作生活之所需.工业经济时代,求学时间延伸为5～22岁.在知识经济时代,知识老化速度大大加快,必须把受教育的时间延长为"八十年制"的终身学习,才能在这速变的时代中生存、发展、成功.笔者认为档案人要跟上时代的发展,应对时代的挑战就必须大兴学习之风,树立终身学习理念.     

我国绿色基础设施的经济价值预算与分析

绿色基础设施是自然的生态基础设施和半自然的市政绿色空间的结合,它遵循自然发展的规律,在改善生态环境和保护生物多样性的同时,也蕴藏着新的经济增长点.本研究尝试构建绿色基础设施经济价值评价指标,测算全国各省的绿色基础设施经济价值(2004-2015),探究其区域分布状况,并进一步运用灰色模型预测2016年、2020年和2025年我国绿色基础设施的经济价值,以期提升人们对绿色基础设施的认识,为在城市规划中建设和完善绿色基础设施提供参考,促进生态环境与经济的良性循环,推动城市可持续发展.     

欧洲区域性全纳教育实践及发展取向——基于欧盟特殊教育与全纳教育发展署研究

全纳教育是当前国际盛行的教育理念与实践选择,在推动欧洲全纳教育区域性协同发展的过程中,欧盟特殊教育与全纳教育发展署(简称“发展署”)作为跨国机构发挥了重要的支持作用。“发展署”以全纳教育相关的国际公约协议为价值导向,以超国家层面的战略目标为行动指南,以搭建共融共享的跨国交流平台为推进策略,通过统整各国全纳教育进展信息、开展跨国项目研究以及组织召开国际会议等方式,在构建全纳教育指标框架、强化全纳学校领导力建设、推动全纳教师专业学习、转变专家支持角色等方面取得了积极成效,促进了“发展署”各成员国和地区全纳教育的共同发展。与此同时,进一步弥补全纳教育政策规范与实践落地之间的差距、利用现代数字技术拓展全纳教育的实践领域、倾听有特殊教育需要儿童及其家庭的声音、提高全社会对全纳教育的认可度、推动全纳型社会的形成,这些都将成为“发展署”未来的努力方向。“发展署”的全纳教育实践对我国全纳教育的发展有一定的启示,我国可以从建设全纳教育跨区域研究平台、推进全纳学校领导能力发展、强化对全纳教师的项目式培训、完善全纳教育专家支持模式四个方面推进全纳教育的高质量发展。     

信息分析与预测产业化的法律环境分析

信息分析与预测产业化从产品商品化开始,这是一个庞大的系统工程。其商品化引发了一系列产业连带效应,促进其在服务方式、服务内容、管理体制等方面迅速与市场接轨,并整体向产业化进军。依据我国国情与国际惯例,必须吸收其它部门的立法经验与成果,建立整套完善的有中国特色的信息法律体系。     

基于小波分析的石油价格长期趋势预测方法及其实证研究

本文将小波方法引入到油价长期趋势的预测中,利用小波多尺度分析的功能,提出了一种可以较为准确地根据油价时序列预测其未来长期走势的方法。这种方法的优点在于可以准确地提取油价的长期趋势,从总体上把握油价的非线性波动特征,从而能够很好地利用油价时间序列的历史数据,开展对未来一段时期内的多步预测。实证研究中,对Brent油价开展了时间跨度为1年的趋势预测,并将预测结果与ARIMA、GARCH、Holtwinters等方法得到的结果进行了比较,表明了基于小波分析的长期趋势预测法的预测能力是其他方法所不能比拟的,反映了本文所建立的石油价格长期趋势预测方法的有效性。     

基于自组织算法的改进型GAANN预测模型

在传统的基于GA算法人工神经网络的基础上作了改进,将训练集分为两部分,在前一训练集训练后获得的网络基础上使用后一训练集进行进一步的训练获得更为优化的网络结构。针对复杂系统建模输入节点难以确定的问题,提出将其与自组织理论相结合,首先使用GMDH方法获得神经网络的初始化节点,然后使用训练好的神经网络模型进行预测。最后,将由此建立的预测模型应用于国家粮食产量预测,取得了令人满意的效果。     

基于可变区间权重的中期用电量半参数预测模型

由于数据变化规律的多样性,中期电力负荷的波动有着不同于短期、长期负荷的特点。基于电力系统复杂性的研究视角,重点讨论了中期负荷预测过程中模型的不确定性、参数的时变特性以及负荷波动的周期性规律。根据中期负荷的数据特性,建立了基于非参数修匀的半参数模型,定义了函数区间的划分粒度以及模型权重的求解方法,提出了基于可变区间权重的动态预测方法,给出了基于经验模态分解和波动能量分析的噪声序列提取、检验方法。试验研究结果表明,气候因素对用电消耗的影响最大,经济因素次之;从选取的指标来看,不同时期的影响因素对于模型的解释能力是时变的;所提方法能够对电力负荷进行精确的多粒度、多维度分析,进而掌握其局部变化规律,可有效用于电力系统中期负荷预测。     

基于正相关关联规则挖掘分析的客户需求权重预测

为预测经营活动中的客户需求,提出一种基于正相关关联规则的数据挖掘模型.挖掘统计数据的频繁2_项集并对挖掘结果剪枝处理,按照特征需求重要性大小,计算得出重要客户需求,再运用BP神经网络进行需求权值预测.实例表明该方法可减少关联规则数量和挖掘工作量,对需求的预测具有现实意义.