新疆若羌县红柳沟南部地区遥感地质解译与成矿预测

研究区位于阿尔金山脉北缘金雁山支脉的北坡,地处塔里木地块与柴达木地块接合部位,具有优越的成矿地质背景和巨大成矿潜力。研究区属于高山区,野外地质工作难于开展,因此在该地区开展遥感找矿的研究是一种经济、便捷、有效的勘查手段。通过运用影像纠正与配准、彩色合成处理、图像增强处理、数据融合以及遥感异常信息多层次筛选技术、地质信息综合分析等方法,提取与成(控)矿作用相关的蚀变异常信息和构造信息,确定了基于蚀变异常与断裂构造、环形构造信息的典型矿物遥感找矿模型并进行了成矿预测。     

改进的非等间距GM(1,1)模型的优化

针对传统非等间距GM(1,1)模型的不足,本文分析了传统非等间距GM(1,1)模型的基本原理,分析了传统非等间距GM(1,1)模型与白化方程之间的差异,提出了改进累加序列的方式来优化非等间距GM(1,1)模型,并建立了一种新的累加方式并应用于某大坝沉降。分析了本文中的非等间距GM(1,1)模型与传统非等间距GM(1,1)模型之间的差异。实例表明了改进非等间距GM(1,1)模型精度较高,更适合于工程实例。     

层序约束储层预测技术在巴西Campos盆地M区块的应用

随着海外油气勘探对象已经从常规的构造圈闭转向了岩性、地层为主的非构造型圈闭。这类圈闭更复杂,对储层预测技术的要求更高。通过联合应用层序地层学与储层反演技术,对Campos盆地M区块上白垩统C组地层开展对岩性圈闭的识别,识别出4个有效砂体。研究结果表明层序约束下的储层预测技术可以提高储层预测的精度。     

基于DCC-MGARCH模型的股票网络构建

针对股票的相关性,首先建立指数平滑预测模型,对股票的周开盘价和周收盘价进行预测,把缺少的个股回报率数据补齐,运用DCC-MGARCH模型计算出多只证券之间的动态相关系数,并运用granger检验法对多只证券的收益率与资产折现率进行因果关系检验。根据总相关系数矩阵,设定不同阈值,结合中心节点度最大化和股票网络平均路径最小化两个原则选取最优的股票网络,以期为投资者提供投资以及股票市场板块划分参考。     

证券投资基金收益概率密度预测——基于神经网络分位数回归模型

证券投资基金收益往往具有更高的峰度与更大的偏度,建立在古典假定基础上的均值回归分析难以给出准确预测结果。考虑到证券投资基金收益中的高峰、非对称等典型特征与各因素对收益序列的非线性影响模式,建立神经网络分位数回归模型,一方面,可以通过分位数回归功能,揭示各因素对证券投资收益整个条件分布的影响规律;另一方面,可以通过神经网络结构,模拟金融系统中的非线性关系。在神经网络分位数回归模型基础上,对证券投资基金收益整个条件密度函数进行预测,提供比点预测更多的有用信息,便于进行科学决策。     

基于混沌时间序列的CPI短期预测分析

有效控制CPI关乎国计民生,但其变动的随机性增加了预测难度。在对混沌时间序列预测流程进行了梳理的基础上,首先采用最大Lyapunov指数法辨别CPI时序的混沌特性,运用混沌理论重构相空间,利用逐步回归分析和BP神经网络进行混沌预测,并将ARIMA模型作为比较预测模型,最后从预测和拟合两个方面对模型进行效果评价。综合分析结果显示:2014年CPI增长范围为[2.8%,5.3%],变动幅度较大;2015年将高于4%;而2016年有望突破5%。该研究为CPI短期预测提供了较为可靠的方法,且预测结果可成为政府宏观调控政策的科学依据。     

中高职会计专业实现有效衔接的调查与分析——基于师资队伍调研数据

中高职衔接是发展职业教育和构建高素质技术技能型人才培养通道的具体举措。做好中高职衔接,师资队伍是关键因素。调查发现,作为职业学校办学主体的师资队伍存在着教师来源渠道单一,实践经验缺乏,社会服务意识薄弱等问题。建议通过加强校企合作,建立有效促进教师提高社会服务功能的激励机制等举措不断提高师资队伍水平和社会服务能力。     

大数据时代高校思想政治教育工作的挑战与对策

随着互联网技术的革新,大数据已延伸至各个行业和领域,为教育工作带来深刻变革.大数据为高校思想政治教育工作带来前瞻性和多样性,改变高校思想政治教育研究方式,丰富和拓展思想政治教育领域.高校思想政治教育工作者需要树立大数据意识,提高思想政治队伍的数据处理能力和水平,逐步完善规章制度和流程,从而彰显大数据技术在高校思想政治教育领域的价值.     

宁波港集装箱吞吐量预测模型的选择

宁波港集装箱运输业务的发展状况对宁波经济和浙江经济有重要影响,所以如何准确预测宁波港集装箱吞吐量,就成为一个重要课题.之前许多学者运用关联因素预测法、GM (1,1)灰度模型、三次指数平滑法等方法进行预测,但预测精度不高.文章运用时间序列预测模型中的ARIMA模型,先后进行49次建模尝试,最终建立最优ARI?MA (4,2,4)模型,并顺利通过一系列检验.运用该模型,对宁波港集装箱吞吐量进行预测,精度较高.同时预测结果显示,近两年宁波港集装箱吞吐量将继续保持低速增长.     

基于主成分的BP神经网络煤层气产能预测方法

提出基于主成分的BP神经网络煤层气产能预测方法具有良好的仿真预测功能,预测结果相对误差平均1．67％,相对误差最大3．33％,最小0．22％,预测精度较高;为采用量化的排采参数预测煤层气产能提供了一种新方法。BP神经网络煤层气产能预测方法引入主成分分析,可以有效提高网络运行效率。对于产出关系不确定的煤层气井,可利用该方法获得排采参数到产气量的非线性映射关系,实现产量预测。