基于GCA-DEA-MSVC方法的高校科研平台评价预测研究

高校科研平台评价与预测分析是促进科研工作健康高效发展的重要载体,但数据指标繁冗、逻辑关系复杂、影响因素众多等大大加剧了科研平台运行评价和预测难度。本文从大数据角度出发探索一种基于GCA-DEA-MSVC方法的高校科研平台评价预测方法。首先利用GCA方法从科研平台运行数据库中挖掘、提取出与评价结果密切相关的关键特征指标并进行分类构建特征指标库,然后利用DEA方法对特征指标库数据进行融合,提升数据质量构建相对效率指标库;最后,将特征指标库与相对效率指标库再次融合,基于改进的MSVC方法构建了高效的科研平台运行状态评价分类预测模型,并利用教育部重点实验室评价数据开展了实验研究,验证了所提方法的有效性。     

基于非线性理论的CO2预测方法

通过对世界能源消耗产生的CO2增长趋势的分析,运用非线性预测理论对能源消费和环境保护提出了控制要求.特别是提出逻辑增长曲线和小波分析的结合使用,对于检验和修正整体拟合剩余误差平方和取得好效果.     

1999～2000年山东:经济形势分析与预测

1999年山东的经济运行态势 :总量平稳增长 ;经济结构渐变蕴蓄着显变 ;市场供求呈“通缩型”失衡。 2 0 0 0年山东面临的市场供求态势 :内需制约依然很大 ;存在着解决“通缩”与防止“滞胀”的两难选择 ;制度创新进程加快 ,将强有力地“助推”着有效供给的改善 ;出口增长有良好的转机。 1 999～ 2 0 0 0年山东一系列主要经济指标将发生良好的变化。实现 2 0 0 0年山东经济可能有的发展目标。应该采取六个方面的政策 :一是启动大城市为核心的城市群带动经济发展的战略 ;二是启动东西结合“协作型竞争”的区域发展战略 ;三是加大经济国际化战略的实施力度 ;四是重点抓好政府机构改革、国有企业改革、社会保障体制改革、建立现代金融市场体系、实现就业市场化这五大制度创新工程 ;五是进行战略产业和经济结构的重组 ;六是继续同时提高城乡居民的收入水平     

1998年狮子座流星暴的一些预测

1998年狮子座流星暴是本年度最重要的天象之一。而广东省处于观测的最有利位置,为了不错过这次十分难得的机会,本文叙述了狮子座流量暴的本质及其观测工作的意义,求出了该流星暴母体的部分轨道根数;对1998年狮子座流星暴作了一些预测;对观测方法提出了一些建议,本次预测虽用的是天文专业的方法,但为了使更多的观测员理解,本文尽可能使用最基础的知识。     

基于堆叠LSTM神经网络的短期交通流量预测

短期交通流量预测是各种智能交通场景中的关键任务之一.文章提出了一种堆叠长短期记忆（LSTM,Long Short-term Memory）神经网络来执行此任务.该方法以堆叠的结构增加神经网络的深度,可增强对复杂的线性和非线性函数的拟合能力,从而提高预测的准确性.在四个典型的基准数据集上进行了大量的实验,结果表明所提出方法优于常用的机器学习和经典的LSTM方法.     

浅谈预测对大学英语听力教学的启示

传统的英语听力教学只是拘泥于“放录音,对答案”,结果学生睡倒一片。所以在听力课堂上,要对学生渗透一些听力技巧,使听力教学能够达到一个良好的效果。预测是一个很重要的听力技巧,如果学生能掌握预测方法,并且在课堂上利用这些方法,他们的听力技能能够得到明显的提高。     

差错责任追究制度与管理层盈余预测精度

年报信息重大差错责任追究制度是中国证监会力推的重要公司治理机制,对公司信息披露行为产生重大影响,但对差错责任追究制度能否引发公司信息披露的策略性选择行为从而造成非预期后果却鲜有研究。管理层盈余预测具有的重要性和灵活性是研究公司信息披露策略性选择行为的良好情景,因此,研究建立差错责任追究制度的公司是否为了规避错报带来的惩罚而策略性选择管理层盈余预测精度,以期更好地认识差错责任追究制度对公司信息披露行为产生的非预期后果,具有重要的理论意义和实践意义。以2006年至2017年中国A股上市公司为样本,采用双重差分模型检验差错责任追究制度对管理层盈余预测精度的影响以及该制度特征的增量效应,进行一系列稳健性检验以增加研究结果的可靠性。从公司成长性、高管性别和机构持股3个角度进行横截面检验,以探讨差错责任追究制度对管理层盈余预测精度的作用机理。从分析师盈余预测行为角度考察差错责任追究制度造成管理层盈余预测精度的策略性选择究竟如何影响公司信息环境。研究结果表明,公司建立差错责任追究制度后管理层盈余预测精度显著下降,并且界定错报标准的差错责任追究制度对管理层盈余预测精度的降低作用更大;差错责任追究制度对...     

上市公司盈余管理问题研究

本文主要是从规范会计角度就盈余管理产生的原因、条件以及治理策略等相关问题进行分析,并重点阐述了在我国社会主义市场经济条件下上市公司盈余管理产生的原因和条件。     

基于支持向量机回归的房地产单指标预测

对时间序列预测常用的方法进行了比较,结合房地产自身的特点确定用支持向量机回归来对房地产单项指标进行预测;分析了支持向量机回归和时序相空间重构的基本原理;建立了支持向量机预测模型,结合武汉市的实际数据进行了实证分析,并和BP神经网络的预测结果进行比较,表明用支持向量机预测模型进行房地产单项指标预测精度更高。