ARIMA与BP神经网络混合模型在广西GDP预测中的应用

为改进单纯使用ARIMA模型或BP神经网络模型对GDP预测的效果,笔者以1978—2008年的广西GDP为样本,首先建立ARIMA模型,得到拟合误差序列及2009—2015年的广西GDP的初始预测值,再对误差序列构建BP神经网络并得到2009—2015年的误差预测值,最后,用误差预测值对初始预测值进行修正,得到修正后的2009—2015年广西GDP的预测值。结果表明,ARIMA与BP神经网络混合模型的预测结果显著优于单一模型的预测。     

基于ANP模型的绿色港口竞争力评价

针对现有港口竞争力评价指标体系忽略港口在资源和环境上受到的约束以及评价方法忽略指标间可能存在的相互影响关系的不足,在构建绿色港口竞争力评价指标体系的基础上,采用层次网络分析模型对绿色港口的竞争力进行评价,并给出了这一评价方法在Super Decisions软件上的实现过程。     

生育政策调整是否会影响我国“碳达峰”目标的实现?——基于STIRPAT和Leslie模型的实证研究

以中国人口生育政策调整为研究背景,基于STIRPAT模型和Leslie模型综合考察中国人口生育政策调整可能对实现“我国二氧化碳排放力争2030年前达到峰值”目标所带来的影响。结果表明,除了经济发展水平、能源技术水平、能源消费结构等因素外,人口年龄结构对人均碳排放也具有显著影响。在论文设置的四种生育率情景下,人口总量峰值分别出现在2025年、2027年、2031年和2027年。若生育政策调整能够有效提高社会总和生育率,人口规模和人口年龄结构的变化会使碳排放总量峰值推后出现。因此,中国逐步放宽的人口生育政策可能会给实现碳达峰目标带来一定压力。