云计算技术在高校固定资产管理中的应用

本文通过对高校固定资产管理中存在的问题及云计算的原理及特点进行分析,提出将计算技术运用在高校固定资产管理中,从而有效提高高校固定资产管理水平。     

B2C大物流模式环境下“云仓储”设施选址问题研究

针对当前我国B2C物流网络体系中存在的布局不合理、基础设施落后等问题,基于“云仓储”大物流模式,对“云仓储”设施选址问题展开研究并构建了多级-多设施选址模型,最后尝试借助遗传算法对模型进行了求解分析,为解决B2C物流网络体系中设施不合理问题提供参考意见。     

自贸区空港物流综合信息云平台建设问题探讨

上海自贸区在航空货运枢纽建设、口岸监管模式以及跨境贸易电子商务等方面进行积极探索,空港物流信息化有利于口岸监管与跨境电子商务发展,进一步促进航空货运枢纽建设。文中借鉴国内外物流信息平台的建设情况,初步考虑空港物流综合信息云平台的需求分析、架构示意、基本功能与建设原则等内容,以期对未来空港物流综合信息云平台的建设提供一定的思路。     

云计算在电大信息化建设中的应用研究

云计算是一种新的服务计算模式,其在教育领域的目的与电大的教育目的十分贴近,也为电大的教育信息化建设和发展带来了一种新的思路和途径。     

远程三维云桌面系统在地震解释上的应用

从事石油开采研究经常需要在异地进行成果展示和协同工作,用传统手段不仅效果差,且对网络带宽和终端设备性能要求较高。而DCV远程三维云桌面系统具有成本低、传输效率高、应用效果好的特点,可以在低带宽条件下,利用一般配置的办公微机上实现数据中心地震工区的异地三维显示,满足科研生产的需求。     

基于情感分析混合模型的用户评论主题分析——以vivo手机为例

为了帮助商家了解用户需求和产品问题,进一步提升产品和服务质量,对vivo手机评论数据进行基于关键词的词云图分析、社会语义网络分析、舆情时间序列可视化分析,挖掘用户关注焦点与手机特征的内在联系和用户情感倾向趋势;然后对评论数据进行基于LDA的主题特征分析,继而提出一种基于Word2vec和SVM、LDA的混合算法模型,挖掘用户正向和负向情感评论的潜在主题,得到不同情感倾向下用户对vivo手机不同方面的反映情况。分析结果表明,基于混合算法的挖掘结果比基于关键词的可视化分析、基于LDA的主题分析更清晰,更具准确性,为商家提供的建议更有意义。     

基于激光点云的隧道开挖面岩体结构识别

地质编录是隧道施工过程中重要的一项工作,而传统的人工地质素描难以快速准确地反映隧道的地质状况。介绍一种从隧道三维点云数据自动提取隧道掌子面岩体结构面的方法。首先根据三维激光扫描仪的原理,采用先球面投影两次后平面投影的方法将三维点云投影到平面上,并保持点云间的相对拓扑关系,然后采用Delaunay算法重建隧道三角面片表面模型,最后计算每个三角面片的产状和到扫描中心的距离,采用聚类算法识别和分类隧道开挖岩体的结构面,并用不同颜色显示。通过对干巴沟隧道扫描数据分析,结果表明,采用该方法自动识别隧道结构面具有较好的效果,基本可以识别大部分岩体结构面。研究成果为隧道地质快速编录提供了一种方法。     

建设工程预算准确性综合评价

在项目前期，准确的建设工程预算是投资者据以作出正确决策的基础。本文分析了造成建设工程预算偏差的因素，建立了预算准确性综合评价指标体系，并对工程预算的准确性进行了评估和分析。     

Predictive financial models of the euro area: A new evaluation test

This paper investigates the predictive ability of financial variables for euro area growth. Our forecasts are built from univariate autoregressive and single equation models. Euro area aggregate forecasts are constructed both by employing aggregate variables and by aggregating country-specific forecasts. The forecast evaluation is based on a recently developed test for equal predictive ability between nested models. Employing a monthly dataset from the period between January 1988 and May 2005 and setting the out-of-sample period to be from 2001 onwards, we find that the single most powerful predictor on a country basis is the stock market returns, followed by money supply growth. However, for the euro area aggregate, the set of most powerful predictors includes interest rate variables as well. The forecasts from pooling individual country models outperform those from the aggregate itself for short run forecasts, while for longer horizons this pattern is reversed. Additional benefits are obtained when combining information from a range of variables or combining model forecasts.     

On the selection of forecasting models

It is standard in applied work to select forecasting models by ranking candidate models by their prediction mean squared error (PMSE) in simulated out-of-sample (SOOS) forecasts. Alternatively, forecast models may be selected using information criteria (IC). We compare the asymptotic and finite-sample properties of these methods in terms of their ability to mimimize the true out-of-sample PMSE, allowing for possible misspecification of the forecast models under consideration. We show that under suitable conditions the IC method will be consistent for the best approximating model among the candidate models. In contrast, under standard assumptions the SOOS method, whether based on recursive or rolling regressions, will select overparameterized models with positive probability, resulting in excessive finite-sample PMSEs.