基于优化AC-BiLSTM模型的机场终端区流量预测

将深度学习用于机场终端区流量预测研究。神经网络具有复杂的网络拓扑结构和较多的超参数，这使得超参数的选择很困难。以往神经网络模型的超参数通常是根据经验来调整的，因此，为了解决超参数搜索问题，引入粒子群算法(PSO)。针对基本粒子群算法(Basic PSO,BPSO)的缺点和不足，提出一种基于自适应惯性权重的混沌粒子群优化（AWCPSO）算法，该算法在基本PSO的基础上进行了改进和优化。具体方法是，使用一种新的动态自适应惯性权重在全局寻优和局部寻优之间取得平衡；进而将混沌思想和粒子群算法相结合，解决粒子群算法易陷入局部最优的问题。实验表明，AWCPSO算法用于AC-BiLSTM模型的超参数寻优时，既解决了BPSO算法的早熟收敛问题，又提高了流量预测的精度。     

水土资源约束下区域农业供给侧结构优化——以河北省为例

在水土资源约束背景下,如何通过农业供给侧结构优化协调区域水土资源分布与农业生产的关系是当前农业问题的重中之重。借助比较优势理论和农业系统理论,构建水土资源约束下区域农业供给侧结构优化模型,并以河北省为研究对象进行实证分析,选用多目标优化粒子群算法对模型进行求解,以实现区域农业经济高效、可持续发展。     

基于改进粒子滤波的GPS接收机自主完好性监测算法

针对基本粒子滤波重采样过程中粒子权值退化和多样性丧失的问题,将遗传算法引入基于神经网络的权值调整粒子滤波算法中,结合了遗传算法全局寻优的收敛性与神经网络局部寻优的快速性优点。将提出的算法与对数似然比方法结合用于GPS接收机自主完好性监测,通过建立一致性检验统计量实现对故障卫星的检测与隔离。通过采集实测数据进行验证,结果表明：该算法可以成功检测和隔离故障卫星,其性能优于基于基本粒子滤波的接收机自主完好性监测,验证了该算法应用于GPS接收机自主完好性监测的可行性和有效性。     

Unravelling the JPMorgan spoofing case using particle physics visualization methods

On 29 September 2020, JPMorgan was ordered to pay a settlement of $920.2 million for spoofing the metals and Treasury futures markets from 2008 to 2016. We examine these cases using a visualization method developed in particle physics (CERN) and the messages that the exchange receives about market activity rather than time-based snapshots. This approach allows to examine multiple indicators related to market manipulation and complement existing research methods, thereby enhancing the identification and understanding of, as well as the motivation for, market manipulation. In the JPMorgan cases, we offer an alternative motivation for spoofing than moving the price.     

Do the Hamilton and Beveridge–Nelson filters provide the same information about output gaps? An empirical comparison for practitioners

I compare the empirical performances of the recently-developed Hamilton and Beveridge–Nelson filters of nonstationary time series, using quarterly data on real gross state product in U.S. states. There is meaningful overlap between the two filters, with average correlation coefficients ranging between 0.60 and 0.97. The Hamilton filter and its more recent modification produce cycles of greater volatility and amplitude than the Beveridge–Nelson filter and appear to outperform in pseudo-out-of-sample forecasting exercises of future GSP growth and inflation (though the outperformance is not generally statistically significant). The Beveridge–Nelson filter is, however, less sensitive to realizations of new data.     

采用FFT-PSO策略的多约束稀疏阵天线方向图综合

采用稀疏布阵的相控阵测控天线，阵元等幅激励时的阵列峰值副瓣电平无法满足指标要求。在考虑天线增益、半功率波束宽度等指标约束时设计了合适的适应度函数，并基于粒子群算法(PSO)对阵元激励幅度进行优化以降低天线副瓣电平。同时，分析了等间距栅格平面阵列天线方向图与离散傅里叶变换的关系，采用快速傅里叶变换(FFT) 降低了阵列方向图计算复杂度。仿真结果表明，该方法可有效降低峰值副瓣电平和计算复杂度。     

The role of observed and unobserved heterogeneity in the duration of unemployment

This paper studies the degree to which observable and unobservable worker characteristics account for the variation in the aggregate duration of unemployment. I model the distribution of unobserved worker heterogeneity as time varying to capture the interaction of latent attributes with changes in labor-market conditions. Unobserved heterogeneity is the main explanation for the duration dependence of unemployment hazards. Both cyclical and low-frequency variations in the mean duration of unemployment are mainly driven by one subgroup: workers who, for unobserved reasons, stay unemployed for a long time. In contrast, changes in the composition of observable characteristics of workers have negligible effects.     

碳化条件下电石渣-氧化镁固化淤泥土的试验研究

软土是一种分布广泛的工程性质差的土类，使用水泥对其进行固化处理已不再符合当今社会发展要求。采用电石渣-活性MgO复合固化剂及CO2气体对淤泥质土进行碳化固化处理，设置固化剂掺量（单掺电石渣）及固化剂掺和比（电石渣:MgO）两组变量，从物理力学和化学等方面分析碳化固化土的工程性质。结果表明：①当单掺电石渣含量为20%时，碳化土体强度最高；掺入混合固化剂时，碳化后试样强度随电石渣掺入比的升高呈先上升后下降趋势；②碳化后试样密度较碳化前有显著增长，单掺电石渣时，碳化后试样密度随电石渣掺量的增加而增加；掺入混合固化剂时，碳化试样密度的变化规律与强度变化一致；③碳化土的pH较碳化前有显著下降，单掺电石渣时，碳化土的pH随电石渣掺量的增加而增加，掺入电石渣:MgO=4:3的混合固化剂时，碳化土pH值明显减小；④碳化土样的粗颗粒（＞75 μm）含量显著提高；碳化土样的粗颗粒比例随固化剂掺量增加而降低，但掺入混合固化剂时，碳化土样的粗颗粒比例与电石渣和MgO比例无显著相关性。研究结果有利于提高电石渣固废的资源化利用，拓展电石渣-MgO碳化固化技术在软土处理中的工程应用。     

卡尔曼滤波在iBeacon室内定位系统中的应用

为了抑制iBeacon信号在传播过程中由于人员扰动、多径效应等引起的噪声，以及移动定位过程中定位结果的不稳定，在iBeacon室内定位系统中引入了卡尔曼滤波算法分别对采集到的iBeacon信号与移动定位结果进行处理。首先通过卡尔曼滤波对采集的信号进行处理，降低了信号噪声，提高了信号的质量，其次应用卡尔曼滤波对移动定位结果进行二次处理，提高了移动定位结果的稳定性与精度。实验结果表明,在办公室环境下采用卡尔曼滤波进行处理后可将1 m以内的定位精度提高到80%以上。     

基于动态调整惯性权重粒子群算法的冷热电联供系统运行优化

为实现能源梯级利用、冷热电联供系统优化运行，将基本粒子群算法、改进粒子群法、动态调整惯性权重的粒子群（IDWPSO）算法进行对比。表明相较于其它两种算法IDWPSO算法在收敛速度与精度方面都有更好的表现。建立以运行成本和环保成本最小为目标的冷热电联供CCHP (combined cooling, heating and power)系统模型，并采用IDWPSO算法优化。结果表明，在满足系统负荷与约束条件下，IDWPSO算法优化后的系统综合成本有所降低，对CCHP系统优化运行具有指导意义。