基于机器学习模型的河道水位预测

结合已有机器学习模型——卷积神经网络(CNN)和门控循环单元(GRU)的优点,构建了并联卷积循环神经网络(PCNN-GRU)模型,并将其用于赣江下游外洲站日尺度水位变化的预测。结果显示:相较于目前流行的长短时记忆(LSTM)模型、GRU模型以及卷积循环神经网络(CNN-GRU)模型,PCNN-GRU模型的均方根误差和平均绝对误差分别降低了18.39%、21.11%、15.48%和21.31%、18.64%、14.28%,纳什-萨特克里夫效率系数和准确率分别提高至0.999 2和88.12%,表明所建模型具有良好的预测性能,可用于河道水位预测。     

西部民族地区应对人口老龄化的公共财政政策研究——以云南省为例

云南省由于民族区域特殊性，人口老龄化问题有着自己的显著特点，并对区域发展带来深刻的影响。公共财政政策是政府解决老龄化问题的主要手段。为此，政府要改变极不对称的政策供给，积极完善老龄化背景下的公共财政政策，构建云南省老龄化视角下的稳定边疆与和谐社会，尤其是抓住机遇打造全国“养老基地”，以增添发展亮点。