日本地震经济恢复及其对中国经济影响预测

预测日本地震后的经济恢复情况及其对中国经济的影响具有重要的现实意义。考虑到巨灾从发生到重建过程中的相似性,首先利用历史上与本次地震相似的7次地震构建特定模型来进行预测;然后引入模糊数学的贴近度来确定对照地震的权值;最后根据模型预测的日本综合恢复度和单个经济指标的恢复度,详细地从制造业,能源和投资3个方面探讨了本次地震对于我国经济的影响。     

How to explain non-performing loans by many corporate governance variables simultaneously? A corporate governance index is built to US commercial banks

This paper aims to combine the principal component analysis and GMM dynamic panel data methods in order to estimate the effect of corporate governance system on non-performing loans. The first method is meant to construct a corporate governance index for US commercial banks. The second one allows us to study the relation between the built index and non-performing loans. The advantage of the combination of these methods is reducing the number of corporate governance variables into a single one and ensuring the consistency of GMM estimates, given that a high number of variables leads to an increase in the number of GMM instruments, which in turns results in biased estimators. Applying these methods to US commercial banks, for a period including the financial crisis years, we find that small banks are characterized by a sound corporate governance system that reduces their non-performing loans. In opposition, the corporate governance fails to protect medium and large US commercial banks from excessive risk-taking that damages their loans’ quality and even leads to enormous losses especially during the global financial crisis.     

基于PCA和DEA的广东省物流业发展评价

首先介绍了主成分分析法(PCA)和数据包络分析法(DEA)的基本原理,并根据选取的评价方法分别确定评价指标。然后,以评价指标的原始数据作为依据,对广东省21地市物流业发展水平和物流业投入产出进行评价。最后,依据评价结果分析广东省物流业发展状况。     

基于PCA-云模型跨湖桥梁施工风险评价

为明确跨湖区域桥梁施工重难点以更好的指导现场施工,以某城市跨湖区域桥梁工程施工为工程背景,通过选取26个影响因素构建本工程风险评价体系,采用主成分分析法提取六个关键影响因素并选取工作台班累计量Q、桩侧摩阻力标准值qik、整改点数量N、净空高度H、降雨天数T以及安全培训平均得分G 六个指标作为评价指标,引用云模型并结合主成分分析对该湖区桥梁施工风险进行综合评价。结果表明：①主成分分析法提取了本工程六个关键影响因素,明确了现场施工作业重点防护区域;②通过综合评价,该区域桥梁施工风险等级隶属于Ⅱ级,处于可接受风险范围,需对重点防护区域采取针对性的预防措施,保障施工安全。     

基于Gabor小波和增强Fisher模型的掌纹特征提取

对于其他身份识别的生物特性而言掌纹有着很多的先天优势,因此在各个领域得到了非常广泛的应用。本文通过研究掌纹的特征,提出了一种基于Gabor小波和增强Fisher线性判别模型(EFM)的掌纹特征提取算法。先对预处理掌纹,在对掌纹灰色图像通过算法进行Gabor小波变换后,得到Gabor的掌纹特征向量。随后,通过主成分分析变换高维特征向量至低维空间,最后在此空间内利用EFM变换矩阵提取到掌纹的特征。由于Gabor函数在特征提取方面有着优良的性能,对高维特征的降维处理问题可有效解决,同时,算法也提高了Fisher线性判别式(FLD)的推广能力,可以较好地实现掌纹的特征提取。     

基于主成分法的区域主导产业选择评价——以湖北随州市为例

基于主成分法评价结果,随州市应以专用车及零部件制造业、电子信息技术产业、食用菌生产及深加工业为主导产业,并在规模及专业化、产业链完善、创新等方面积极促进。     

基于PCA STIRPAT模型的绿洲区耕地变化社会经济驱动力研究*——以酒泉市为例

［目的］耕地是极其稀缺的自然资源之一,绿洲耕地资源是绿洲系统的重要组成部分,保持一定数量和质量的耕地资源对绿洲区社会经济生态稳定发展具有重要意义。文章以绿洲区典型城市酒泉市1997—2016年的耕地面积有关数据为基础,剖析影响酒泉市耕地面积变化的主要社会经济因素。［方法］主成分分析法和STIRPAT模型。［结果］（1）1997—2016年酒泉市耕地面积整体呈波动式减少趋势; （2）由主成分分析表明,酒泉市耕地面积变化与城镇化水平（城镇化率）、社会经济发展水平（人均GDP、公路里程、社会消费品总额、地区生产总值等）、农业产值（粮食作物总产量）存在较大相关性; （3）STIRPAT模型分析结果表明, 1997—2016年酒泉市耕地面积变化的主要驱动力是城镇化率、人均GDP及公路里程; 随着城市化率的不断提高,对酒泉市耕地面积的增加有一定的促进作用; 由于绿洲农业粗放式发展方式的广泛应用,人均GDP的增长是以牺牲更多宝贵的土地资源为代价的,导致绿洲农业面积的耕地面积进一步减少; 公路里程与耕地面积呈负相关。随着公路里程的增加,耕地面积减少,符合预期。［结论］研究认为可通过提高城镇化率、完善交通基础设施、提高区域经济发展水平、转变绿洲区农业发展方式、增加技术投入等方面遏制绿洲区耕地面积进一步减少。     

一种序列图像中的人脸提取算法

主元分析法是一种有效降低维数和提取特征的方法,在对主元分析法改进的基础上,提出了一种运动目标检测及人脸提取技术。首先以3帧原始图像序列为训练集,用改进的主元分析法计算特征向量,其中第1特征向量和第2特征向量的乘积代表了原图像序列中的运动对象,将这个特征向量定义为特征前景;然后,用平方投影函数提取特征前景中的人脸。实验结果表明,该方法可自动提取运动图像序列中的人脸,且计算简单,准确率高。     

基于多模型组合和EIS的锂电池SOH和URL预测

电池健康状态（state of health, SOH）和剩余使用寿命（remaining useful life, RUL）是评价电池健康程度和剩余寿命的重要技术指标。SOH和RUL的估计是电池管理系统的重要组成部分,是实现电池管理系统智能监控和科学运营的基础。电池电化学阻抗谱（electrochemical impedance spectroscopy,EIS）是一种用于表征电池内部电化学过程的测试方法,它具备精度高和非侵入性损害等优点。多种研究表明,电池阻抗谱EIS与电池的SOH和RUL存在一些内在的联系,因此成为电化学领域的研究热点。基于EIS预测SOH和RUL,传统机器学习方法比较成熟,但预测精度和稳定性仍有局限,难以完全挖掘电池衰减规律。因此,需要与深度学习等方法相结合才能提高预测性能。将降维模型和多种深度学习模型引入SOH和RUL预测领域,并对模型进行有效组合,取得了很好的效果。将EIS所有频率对应的实部和虚部数据依次排列作为频率特征,首先使用主成分分析（principle component analysis,PCA）模型对EIS值进行降维,提炼出10个精炼的主成分,然后使用卷积神经网络（convolution neural network,CNN）模型提取EIS的空间特征,使用双向长短期记忆网络(bidirectional long short-term memory,BiLSTM）模型提取EIS时间序列变化规律,使用注意力（attention）机制进一步选取EIS数据的时空特征中的重要部分,共同预测SOH和RUL。在测试数据上进行实验表明,SOH预测的均方误差（root mean square error, RMSE）达到0.146 8,RUL预测的均方误差达到2.614 5,效果均好于传统的方法。