国内供应链金融研究热点动态演化及趋势分析

本研究利用文献计量方法和知识图谱分析法对供应链金融领域研究热点进行剖析,试探索出国内供应链金融研究的演进脉络与发展趋势。选取CNKI数据库2006~2019年间收录的供应链金融领域期刊论文,分别从演化轨迹、时间序列及著者量、高频关键词、热点研究方向等几个方面进行定量统计和定性分析。最后从理论和实践两方面进行分析与展望,总结出供应链金融研究热点趋向于“技术+”“协同化”“智慧化”,并真正实现供应链全链式应用研究。     

基于多模型融合Stacking集成学习的油田产量预测

基于机器学习前沿理论，提出一种基于多模型融合Stacking集成学习方式的组合预测方法，以国内某特高含水油田区块中多口水驱产油井历年生产历史数据为试验样本，预测其动态产油量。依据不同算法的训练原理，选取极限梯度提升树算法、长短记忆网络（LSTM）、时域卷积网络（TCN）等作为模型的基学习器，采用多元线性回归作为模型的元学习器。结果表明：融合后的Stacking模型充分发挥了各基学习器的优势，相比单一模型，融合后的Stacking模型预测平均误差较小，预测鲁棒性较好。该模型的提出对融合模型在特高含水油藏开发方面具有重要的应用意义。