分享到:

国家级高新技术开发区经济发展灰色预测模型研究

随着国家高新技术产业开发区的进一步发展,国内外的专家、学者对科技园区的研究与探索工作也逐步深入。但是,很少有专家学者从系统的角度,应用新的理论深入剖析影响科技园区发展的相关因素,对科技园区的发展规律进行定量的分析和研究,从而为地方政府和管理层决策提供科学依据。本文针对大庆国家级高新区经济发展和实施的制造业信息化工程,应用灰色系统理论及经济控制理论,建立一系列灰色预测模型和灰色辅助决策模型,分析关键环节和有关特点,并且对发展前景进行预测,这将是一项非常有益的探索与尝试。本文对大庆国家级高新区经济发展进行了灰色关联分析。应用灰色关联度理论,根据因素之间发展势态的相似或相异程度,研究影响大庆高新区经济发展的固定资产投资、石化企业集群、外商投资、出品创汇、入驻企业数量等相关因素的内在规律和联系。在此基础上,重点研究了大庆国家高新区的主导产业——石化企业集群的竞争关系、原料关系、市场关系和行业带动关系对于高新区经济发展的影响,为大庆高新区  (本文共154页) 本文目录 | 阅读全文>>

《预测》1989年03期
预测

军品需求比例预测模型研究

一、引盲 为了掌握世界不同地区军事形势的发展变化趋势,需要了解世界不1司地区对军品需要量的变化以及各地区间军品需要量比例的变化情况,以利于世界形势的分析,并为战略决策提供定量定性分析的依据。这是一个相当现实的研究课题。 根据世界几个主要地区军.、}:进口额的历史数据,综合整理了与军品需要量有关的七种因素的数据资料,我们选择了时间序列模型与层次分析模型相结合的方法,对此问题进行了充分的定量定性分析,经过预测绘出了世界五个主要地区之间的军品进LI额的比例结果。 本文提出的分析方法,可以用定性分析的结果对定量预测的结果进行修正,使所得结果更能反映真实情况,山于此方法具有很大的通用性,也可用于其它部门和企业的战略规划。 二、研究方法的选定 军品需要量比例的问题是涉及到多方面因素、比较偏宏观的问题,它受到多种因素的影响,并且这些因素间的相关性不易确定,有些因素不易量化,这为研究带来了一定的困难.我们认为,解决此类问题,只靠单一模型是不够的...  (本文共2页) 阅读全文>>

权威出处: 《预测》1989年03期
《生态科学》1989年02期
生态科学

三化螟逐步判别预测模型研究

三化螟的发生程度和发生日期可以根据较、中、重和早、中、迟等进行分类。多年的历史资料为这祥的分类提供了比较可靠的依据。本文根据Bayes意义下的判别分析法,建立了C个三化螟还步判别预侧模型,并编制了使用这些模型的应用程序,为三化螟的测报参考应用。 一、理论背景判别分析的基本思想是根据历史的经验(样本),总结出分类的规律性,即判别公式。Bayes判别准则,把每个事物X=(‘)\(“)几_,,_.,。。_一、_一(N),,,_。。、、~_. 尸刚堆至‘啊”甲四一知”ayes催期丈/\/)l就是找出把空间尸均分为互不相交的G个完备子空间Rl,几,一气的一种划分方法。一旦子空间划定以后,任一事物j丫就必然落在且仅落在这G个子空间Rg中,于是就把该事物划入厂。类· 设{X}为所考虑事物全体之集合。它们来源于G个类厂‘,rZ,’“,厂G,若又设从通朴中随机抽取一个X,它来自母体厂g的可能性(即验前概率)为尸。(g二1,2,26…,‘),厂_生...  (本文共13页) 阅读全文>>

兰州大学
兰州大学

基于深度学习的RBP结合位点预测模型研究

在生物信息学中,RNA结合蛋白(RBP)的结合位点分析一直是一项耗时又耗力的研究。随着大数据和人工智能的发展和生物基因组测序数据的完善,通过计算机对基因表达分析过程中产生的数据进行研究分析,找到其中的生物学规律,进而极大的降低了RNA结合蛋白的结合位点分析的难度。在人工智能快速发展的当前,许多科研工作者投入到了深度学习算法的应用与改进之中,基于深度学习的RNA结合蛋白的结合位点方面的研究近年来已是生物信息学中比较热门的研究课题之一。不同于以往对生物信息的处理方法和实验过程,本文主要通过卷积神经网络与循环神经网络相结合的深度学习算法对RNA结合蛋白的结合位点序列数据进行研究与分析,分析出RNA结合蛋白结合位点的序列与结构特性并预测RNA结合蛋白的结合位点。主要的研究内容主要包括以下两个方面:1.构建深度卷积网络CNN网络模型CRSDeep,通过模型分析RNA结合蛋白(RBP)数据,分析RNA结合蛋白的具体结合的基因序列位点与结构基...  (本文共60页) 本文目录 | 阅读全文>>

厦门大学
厦门大学

基于深度残差网络的股票价格趋势预测模型研究

在现代社会的经济体制和社会组织中,金融市场都占据着关键的地位。分析和预测金融市场行为,能够为投资者制定金融计划和决策提供参考,这样不仅提高了投资理性程度,降低投资风险,也维护了金融市场的稳定性。股价预测是股票投资中提高收益、降低风险的重要手段,也是金融时间序列研究中的重要方向。过去常以ARMA,GARCH等线性时间序列模型进行预测,近几年随着机器学习的发展,各类神经网络越来越多地应用到股价预测中,如SVM,DNN,CNN等。这些算法大都以原始价格序列、技术指标等数值特征作为模型输入。考虑到投资者常采用股价图形作为决策依据的情况,如头肩底、十字星等图形,同时图形特征可能包含了数值特征较难表达的、更丰富的信息。因此,本文提出一种全新的深度学习预测模型,以股价图形作为输入的深度残差网络(ResNet)。该模型充分利用了深度网络在图像上的特征提取能力,提高了模型的预测效果。此外,为充分利用涨跌双向预测信号,我们基于预测模型实现了股票T+...  (本文共88页) 本文目录 | 阅读全文>>

《护理研究》2014年07期
护理研究

慢性阻塞性肺疾病急性加重期的预后预测模型研究进展

慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)是呼吸系统的常见疾病,在我国不同省市患病率为5%~13%,2008年,居城市死亡原因第4位,居农村死因第3位[1]。慢性阻塞性肺疾病急性加重(acute exacerbations of chronic ob-structive pulmonary disease,AECOPD)是指一种急性起病的过程,其特征是病人呼吸系统症状恶化、超出日常的变异,并且导致需要改变药物治疗[2]。McGhan等[3]研究显示:AECOPD在1年内死亡的风险为21%,5年的死亡风险为55%。Perera等[4]在2006年观察了美国1 254 703例AECOPD住院病人,平均花费9 545美元,总成本达119亿美元。AECOPD是COPD病人住院的主要原因,占其医疗花费的绝大部分。及时准确地预测AECOPD病人预后,有助于提前实施干预、优化护理...  (本文共3页) 阅读全文>>