城乡收入差距与经济增长关系的实证研究——基于中国1978-2007年数据的协整检验与脉冲响应分析

对中国1978—2007年数据的实证研究结果表明：城乡收入差距与经济增长之间存在着长期稳定的双向因果关系：城乡收入差距只在短期内对经济增长产生影响;而经济增长并不会自动导致城乡收入差距的缩小,相反,经济增长在中长期内还会进一步加大城乡收入差距。     

大丰港货物吞吐量的时间序列法预测研究

根据大丰港的历史数据,采用时间序列的回归分析方法对大丰港货物吞吐量进行预测研究。在回归分析法中,通过比较,选择指数模型、高次多项式模型以及支持向量机方法分别对大丰港的货物吞吐量进行模拟预测。对指数模型、多项式模型、支持向量机三种方法的预测结果进行比较,并结合大丰港的实际情况,最终选择使用支持向量机法给出大丰港2012—2016年的货物吞吐量预测值。     

基于小波变换和支持向量的国际原油价格预测

本文将小波分析与支持向量回归结合应用于国际原油价格预测,通过小波多尺度分析方法将油价时间序列分解为长期趋势和随机扰动项,然后采用支持向量回归对分解后的油价长期趋势进行预测。油价长期趋势的预测采用多因素预测方法,主要考虑市场供需基本面、库存、经济、投机等因素对石油价格走势的影响,建立多输入单输出的支持向量回归模型。实证研究表明,支持向量回归模型具有较高的预测性能,对原油价格长期趋势预测中,该方法比回归方法的预测精度高。     

一种新型400Hz航空地面静态电源的设计

文章对400 Hz地面静态电源的主电路结构及原理、控制电路及控制算法、保护机制、散热设计等进行了全面介绍。     

建筑供应链风险评价研究

供应链管理作为一种新的建筑管理理念与方法．在提高建筑业企业核心竞争力和增加利润的同时。也会带来一定的风险．如何分析和评价这些风险已成为供应链上核心企业所面临的重要问题。简述了EPC模式下的建筑供应链基本理论．在对EPC建筑供应链进行风险分析的基础上．设计了EPC模式下的建筑供应链风险评价指标体系．构建了基于支持向量机的建筑供应链风险评价模型并进行应用研究。     

物流业与三次产业发展的互动关系实证研究

以物流业和三次产业为研究对象,运用计量经济理论的模型和方法,对中国1978～2009年物流业与三个产业发展的协整与因果互动机制进行了实证分析。研究结果表明:从协整检验和误差修正模型看,中国物流业与三次产业之间呈现出比较稳定的长期均衡发展趋势,短期波动也起着正的影响作用;从格兰杰因果关系检验看,中国物流业与第一产业和第二产业有单向的因果关系,与第三产业有双向因果关系。     

A dynamic demand analysis of the United States air-passenger service

This study examines the short- and long-run effects of various determinants on the demand for US air passenger-services using the Johansen cointegration analysis and a vector error-correction (VEC) model. Results show that, in the long-run, airfare, disposable income and NASDAQ have significant effects on US air travel demand. The combined short-run dynamic effects of disposable income, NASDAQ, population and airfare jointly explain changes in air passenger-miles. Finally, we find that the 9/11 terrorist attacks drop air passenger demand by 5% during 2001:Q3-2002:Q2, which in turn pushes down the seat capacity by 4%. However, it has little impact on airfare.     

基于SVM-GA的剩余使用寿命预测方法研究

提出了基于支持向量机和遗传算法的齿轮剩余使用寿命预测方法,该方法包含退化特征提取、状态数优化和寿命预测三个过程。齿轮箱全寿命数据用来对方法进行验证,通过分析单步和30步预测结果,充分说明了该预测方法的有效性,为后续工作奠定了基础。     

基于PSO-SVR模型的煤炭铁路物流需求预测

在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机（support vectorreg ression,SVR）与粒子群算法（Particle Swarm Optimization,PSO）相结合,提出适用于小样本量学习的PSO-SVR模型。选取1995-2011年的煤炭铁路货运量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的煤炭铁路货运量预测模型。建立BP神经网络模型,并将二者的预测值进行对比,结果表明在解决我国煤炭铁路物流需求预测这种小样本,非线性及高维模式识别问题中PSO-SVR模型预测精度优于BP神经网络模型。