可持续发展与会计理论研究方法的选择

随着经济的高速增长与环境保护、社会发展的矛盾日益突出,人类提出了建立在资源、环境、经济和社会相协调基础上的可持续发展战略。这种新的发展观必然对传统会计理论及其研究方法产生冲击。在现有的各种会计理论研究方法中,社会学法正是与可持续发展要求相一致的,其必将对会计理论的发展产生深远的影响,有着广阔的应用前景。     

民生工程建设综合评价研究

民生问题是构建和谐社会的关键,也是政府工作的基本着力点。在前期研究构建的指标体系的基础上,运用拉开档次评价法和逐层序关系分析法对我国31个省市自2006－2012年的民生工程建设状况进行了动态综合评价,并用时序几何平均算子（TOWGA）进行了二次加权得到综合评价的总排名,最后对各地区的排序变化进行归纳、分析。     

沉井冲水掏土纠偏技术的工程应用

软粘土地基处理的方法很多 ,其中对已有倾斜建筑物地基处理的技术难度较大 .本文介绍了在工程实际应用的一种新方法 :沉井冲水掏土纠偏法     

区域可持续发展与人口安全策略研究

区域可持续发展是建立在社会、经济、资源、环境对人口系统的支撑之上的,关键是要保持人口与社会、经济协调发展并维持资源、环境对人口发展的持续支撑。基于此,该文采用全国各省的横截面数据,建立包括人口子系统、社会经济子系统、资源环境子系统和科技制度子系统的区域可持续发展指标体系框架,并选取主成分分析法对区域可持续发展状态进行分析,最后提出可持续发展系统的人口安全对策:人口安全的公平建设;人口安全的文化建设;人口安全的制度建设。     

当大数据遭遇人性：兼论技术的断层与无奈

在数据科学滥觞之初，“模型推动运营”还是“数据推动运营”就是学术界争论的焦点。时至今日，在“算法统治世界”的话语喧嚣中，我们依然需要清醒。当大数据遭遇人性，我们该如何应对技术的断层与无奈。在越来越多的人文社会科学都宣称进行大数据研究转向的语境下，我们更需要逆流而思，冷静分析大数据方法热下的人文社会科学研究方法的大作为。     

自贸区所属城市创新驱动发展评价

自贸区对所属城市创新能力具有直接推动作用。选取福建省为评价对象,应用改进熵值法,实证分析自贸区所属城市创新驱动发展要素及互动关系,指出科技进步、政策支撑、产业参与和环境匹配是区域创新的重要因素,在资源秉赋差异明显的情况下,应着力推进科研投入与措施创新,并加快人才培育和产业集聚。     

农产品品牌竞争力评价指标体系及评价方法的构建

农业品牌化是农业工业化和现代化的重要标志,也是提高农产品质量安全水平和市场竞争力的重要途径。我国正处在农业品牌化的初级阶段,对农产品品牌竞争力评价的探讨是农业品牌化理论研究的重要组成部分,也将在实践上对农产品品牌竞争力的提高起到积极的引导和促进作用。文章经过理论分析构建了以市场评价和质量评价为主,兼顾效益评价和潜力评价的农产品品牌评价指标体系,并采用了层次分析法确定指标权重,用综合评分法确定分值,得出对农产品品牌竞争力的相对评价。     

Combining forecasts of electricity consumption in China with time-varying weights updated by a high-order Markov chain model

Electricity consumption forecasting has been always playing a vital role in power system management and planning. Inaccurate prediction may cause wastes of scarce energy resource or electricity shortages. However, forecasting electricity consumption has proven to be a challenging task due to various unstable factors. Especially, China is undergoing a period of economic transition, which highlights this difficulty. This paper proposes a time-varying-weight combining method, i.e. High-order Markov chain based Time-varying Weighted Average (HM-TWA) method to predict the monthly electricity consumption in China. HM-TWA first calculates the in-sample time-varying combining weights by quadratic programming for the individual forecasts. Then it predicts the out-of-sample time-varying adaptive weights through extrapolating these in-sample weights using a high-order Markov chain model. Finally, the combined forecasts can be obtained. In addition, to ensure that the sample data have the same properties as the required forecasts, a reasonable multi-step-ahead forecasting scheme is designed for HM-TWA. The out-of-sample forecasting performance evaluation shows that HM-TWA outperforms the component models and traditional combining methods, and its effectiveness is further verified by comparing it with some other existing models.