一、包含周期变动的回归预测模型及其应用（论文文献综述）
李斌[1]（2021）在《重力坝变形监控的智能分析方法研究》文中指出重力坝变形监测数据包含了大坝变形过程的重要信息,对其信息挖掘、分析预测、安全评价是掌握大坝安全性态至关重要的技术方法。随着大坝安全监控的发展,监测数据的采集方式越来越全面、越来越智能,数据量也越来越大,这就对数据的分析处理能力提出了更高的要求。如何在海量数据中挖掘更多的有用信息,是了解大坝运行性态的基础;如何对海量数据进行预处理,是提高数据质量的前提;而对效应量保持长期精准的预测以及科学合理的安全评价,是大坝安全管理的重要内容。因此,在人工智能快速发展的时代背景下,本文以重力坝变形监测相关数据为研究对象,引入数据挖掘、智能算法、机器学习等方法,用于监测数据的异常值检测、预测预报、安全评价等分析方法的研究。主要研究内容和成果如下:（1）通过理论分析与实测数据验证,总结了重力坝变形的一般规律。首先,对空间维度的面板数据进行了相关分析,结果表明不同坝段之间均具有高度线性相关性;在此基础上,提出了形状相似系数,用于描述不同测点在变形幅度上的大小关系,计算结果表明:以中间坝段为中心将坝体对称分开,一般情况下,处于对称位置的坝段变形相似度较高,同时相邻坝段的变形相似度也较高。然后,对时间维度的单测点数据进行了自相关和偏自相关分析,从而得知某个数据与其前1时刻、前2时刻、或前3时刻有显着相关性。最后,从整体、局部和空间3个方面对重力坝变形监测数据的变化特征进行了分析和总结,以期研究适合该类数据特征的异常值检测算法。（2）对重力坝变形监测数据中的异常值进行了定义,并总结了异常值的分类与特征。然后分析了基于距离的异常值检测算法在重力坝变形监测数据分析中的适用性,并借鉴该类算法的思想,提出了多重局部异常系数法,该方法通过提取待检测值前k个数据组成的局部窗口数据,并根据设定的判别准则,可简单、快速地进行异常值实时检测。该算法主要针对原位监测数据中异常值的预处理检测,目的是为了获得高质量数据,便于后续建模分析。（3）改进了自适应差分进化算法关于初始解的选择方式,得到了改进的自适应差分进化算法（Improved Self-Adaptive Differential Evolution Algorithm,ISADE）,这提高了该算法的全局优化能力,然后将其用于在线极限学习机（Online Sequential Extreme Learning Machine,OSELM）的优化,提出并建立了基于ISADE-OSELM的重力坝变形预测模型。该模型仅通过训练最新数据便可更新已有模型的参数,可实现模型的自我更新,改善了传统模型的更新方式,同时结合优化算法,提高了模型的精度和泛化性。实例计算结果表明:ISADE-OSELM模型的综合性能优于逐步回归模型、ELM模型和OSELM模型。（4）在传统置信区间法拟定监控指标的基础上,考虑了监测数据的随机性和模糊性,将云模型融入其中,使得一个具有明确边界的置信区间,拓展为一个以区间为边界的置信区间。提出并建立了云置信区间法的重力坝变形监控指标,该方法以ISADE-OSELM预测模型的误差为研究对象,因此可随着ISADE-OSELM模型的更新而更新,这使得监控指标的拟定方式更加高效。实例计算结果表明,云置信区间不仅具有传统置信区间的功能,还可按一定隶属度评价接近置信区间边界数据的安全性,这种评价方式更符合实际情况,对大坝的变形监控更加合理。
许嘉禾[2]（2021）在《我国体育产业高质量发展的金融支持研究》文中研究表明体育承载着国家强盛、民族振兴的梦想。体育强则中国强,国运兴则体育兴。体育要强、要兴,发展体育产业是主要途径。2019年,国务院办公厅发布《关于促进全民健身和体育消费推动体育产业高质量发展的意见》,高质量发展逐步成为体育产业发展的重要战略目标。金融是现代经济的血脉。体育产业要提质增效和持续高速发展,需要金融的有力支持。然而当下,金融体系在体育产业中的效用功能尚未能够充分发挥。因此,体育产业高质量发展所面临的金融支持问题,成为一个难以回避的命题。本研究立足于体育产业的经营实践,综合运用体育学、管理学、系统科学及金融学的相关研究方法及范式,以现代产业和金融发展的相关理论为指导,按照金融支持体育产业高质量发展的现状与问题、特征与机理、宏观效应、微观效率以及系统运行的次序,从理论分析到实证研究,展开工作。本研究的工作主要如下:一是梳理体育产业的金融支持现状,发现体育产业金融支持存在的不足。二是总结体育产业高质量发展的金融需求特征,剖析金融支持体育产业高质量发展的作用机理。三是在宏观产业层面,以耦合协调的视角,审视体育产业与金融体系的关联关系。通过建立序参量体系,引入耦合协调、剪刀差以及灰色关联等模型进行实证研究,分析二者的耦合协调发展效应及影响因素。四是从在微观企业的层面,以“黑箱”的视角,根据金融支持与体育产业的不同维度,测度金融支持体育产业高质量发展的效率水平。通过筛选体育企业样本,利用DEA、Malmquist指数及收敛性模型进行实证研究,分析金融支持体育产业高质量发展的效率水平及其演变特征。五是根据体育产业高质量发展的金融支持要素组成与系统结构,构建金融支持体育产业高质量发展的系统动力学模型。分别从金融市场策略、政府金融干预和金融风险情景维度进行模拟仿真,分析不同策略对体育产业高质量发展所产生的影响。以期为优化体育产业金融支持,促进体育产业高质量发展提供理论依据和策略着力点。本研究的结论主要包括六个方面:（1）政府金融支持和市场金融支持均对体育产业高质量发展具有重要意义,在体育产业高质量发展的过程中扮演了不同的角色。随着体育产业金融需求的不断升级,政府部门对体育产业金融活动的认识持续深化,政策工具与国有资本逐步活跃。金融市场对体育产业的支持力度不断提升,各类体育产业金融市场蓬勃发展,风险投资市场异军突起。体育产业嵌入金融体系的程度不断加深。但同时,体育产业的金融支持仍存在一定问题:一是金融支持制度体系亟待完善,金融支持政策工具尚需补充;二是金融市场结构失衡问题凸显,直接融资渠道建设存在不足;三是风险资本经典功能发生偏离,资本投入可持续性有所欠缺;四是新兴金融工具利用不充分,体育金融复合人才供给不足。（2）我国体育产业具有快速成长的阶段性特征、业态丰富的结构性特征、高不确定性的风险性特征和消费供需的不平衡特征。在高质量发展的目标要求下,体育产业的发展特征进一步衍生出了独特的金融需求特征。体育产业高质量发展亟需的是政策引导下的规模化金融支持、层次多元化的系统性金融支持、风险偏好的针对性金融支持,以及科技赋能的普惠性金融支持。（3）资本形成、创新推动和消费刺激是金融支持体育产业高质量发展主要功能组成。金融体系一是可以扩大资本积累,促进资本形成,缓解体育产业融资约束;二是能够降低交易成本,优化资源配置,分散创新风险,推动体育产业技术、模式创新;三是可以实现跨期平滑、财富效应和风险保障,刺激体育产业消费发展。有效的金融支持作用于体育产业的投资和消费两端,通过平衡产值结构、改善融资结构、变革消费结构,促进产业的结构转型升级;通过扩大要素供给、加快要素流通、推动技术进步,提高产业的要素生产效率;通过加速企业成长、优化公司治理、形成循环激励,促进产业的价值增值,精准作用于体育产业的成长痛点,协助体育产业迈向高质量发展。（4）宏观产业效应的实证研究表明:金融体系与体育产业高质量发展之间存在内生耦合机理和外部耦合功能,具有双向耦合协调发展机制。二者不仅维持了长期、高度的耦合关联性,并且实现了耦合协调度的持续跃升,呈现出由低水平协调向高水平协调演化的动态趋势。金融体系对体育产业的短时间、爆发性增长起到了有效地支撑作用。且二者的耦合协调发展尚处于发展周期的前期,其交互胁迫作用远小于耦合协调发展所带来的正向效应。与此同时,二者的耦合协调效应受到多种内生因素和外部环境的共同影响。风险投资市场、消费金融、政府扶持和金融创新等内生动力型因素,以及居民消费结构、产业结构变动等外生环境型因素,均与二者的耦合协调发展存在密切关联。（5）微观企业效率的实证研究发现:第一,静态来看,体育产业高质量发展的总体金融支持效率尚可,多数样本企业接近最优生产前沿面,但同时具有明显的技术制约特征。扩大金融资源投入规模前,需要着重改善金融技术水平。在金融支持效率内部,债权效率较好,股权效率欠佳,且股权效率呈现规模制约特征。在体育产业内部,体育企业板块、行业业态和空间地域方面均存在不同程度的金融支持效率差异。第二,动态来看,金融支持体育产业的动态效率水平并未产生良性改观,反而出现小幅下降。主要原因是技术进步不足,产业金融技术创新水平难以支撑金融资源规模的快速增长。其中,股权动态效率下滑,技术进步水平下降明显,是导致整体金融效率下滑的主要原因。第三,动态效率的收敛性分析表明,效率落后企业对领先集团具有追赶效应,但收敛速度较慢,且收敛速度存在体育产业内部的结构性差异,达到产业金融支持效率的均衡仍需要较长时间。（6）系统建模与仿真的实证研究说明:金融支持体育产业高质量发展可以视为由政府金融支持、金融市场发展、宏观金融环境和体育产业发展所组成的动力学系统。第一,强化金融市场支持力度可以有效提升体育产业发展质量。相对而言,强化股权市场的效能略优于债权市场。股权市场更有利于体育产业规模扩张和要素生产率提升,债权市场则更有利于体育产业结构优化。第二,政府干预会对体育产业发展质量产生影响。弱化政府干预无益于体育产业发展质量,维持一定强度的政府金融支持具有必要性。适度增强政府干预有利提升体育产业发展质量。但当政府干预过度时,会造成规模增长与要素生产率下降并存,仅能“做大”而不利“做强”体育产业,最终无益于产业发展质量。第三,宏观金融风险能够对体育产业发展质量产生显着的负面冲击。随着体育产业深度嵌入金融体系,金融风险的损害力度可能进一步增大,需要审慎防范、积极应对金融风险。在结论的基础上,提出了完善金融政策体系,优化制度顶层设计;丰富金融服务市场,创新投融资渠道模式;推动金融技术创新,开发新型金融工具;优化企业金融管理,重视复合人才培养等策略建议。本文主要有以下创新点:（1）探讨了金融与体育产业高质量发展的关系。在现状梳理的基础上,总结体育产业高质量发展的金融需求特征,明确金融功能的作用支点,厘清金融支持体育产业高质量发展的作用机理。（2）结合体育产业高质量发展的宏观产业与微观企业视角进行实证研究。综合运用数理模型及相关评价方法,设计序参量体系,测度并分析金融支持体育产业高质量发展的耦合协调发展效应及其影响因素;构建投入、产出指标体系,从不同维度测度并评价金融支持体育产业高质量发展的效率特征及其变动规律。形成对体育产业高质量发展的金融支持问题的深层次认识,为优化体育产业的金融支持效能提供着力点。（3）构建了金融支持体育产业高质量发展的系统动力学模型,分析体育产业高质量发展的金融支持要素组成与系统结构,设计模型变量及函数关系,并从金融市场策略、政府金融干预和金融风险情景维度进行仿真。探究不同策略对体育产业高质量发展产生的影响,为企业部门的金融决策和主管部门的政策制定提供更具现实意义的参考。
李麟玮[3]（2021）在《三峡库区库岸堆积层滑坡位移预测与稳定性评价方法研究》文中提出自三峡工程正式蓄水以来,库水位的大幅度抬升与周期性调度不但使得长江两岸的水文地质条件发生显着改变,同时还加速了大量涉水岩土体的物理力学性质恶化。在这种情况下,许多库岸堆积层滑坡发生了局部或整体的变形甚至失稳。显然,以库岸堆积层滑坡发育规律与变形演化特征为基础,开展相关的滑坡位移预测与稳定性分析方法研究,对于有效规避或减轻由此类滑坡所造成的破坏与损失而言,具有重要的现实意义与理论价值。本文紧密围绕三峡库区内库岸堆积层滑坡位移预测与稳定性评价方法研究这一重要科学问题,依托该地区内大量库岸堆积滑坡实例的勘察资料与监测数据,在总结库岸堆积层滑坡发育规律与变形活动特性的基础上,构建了一套具有一定针对性与灵活性的库岸堆积层滑坡分类体系。并基于该分类体系,选择统计实例中具有一定代表性和危险性的滑坡样本——白水河滑坡作为重点研究对象,综合运用数据挖掘、机器学习、数理统计和数值模拟等理论和方法,系统地开展了包含滑坡变形响应规律分析方法、滑坡位移区间预测方法、滑坡预报方法、滑坡岩土体物理力学参数反演方法、滑坡时变破坏概率分析模型等在内多方面研究。具体的研究内容与取得的成果如下:（1）通过收集与整理三峡库区内大量库岸堆积滑坡实例的相关资料,总结与归纳了三峡库区库岸堆积层滑坡在高程、涉水程度、坡体结构、坡体坡度、平面形态、滑面形态等多个方面的分布与发育特征,并提出了滑坡地表累积位移时间监测曲线的基本分类和空间组合关系,进而分析了滑坡的变形活动空间特征与整体变形演化过程。并在此基础上,从“地质-动力-演化”的角度出发,提出了一套适用于三峡库区库岸堆积层滑坡的三要素综合分类体系。（2）从传统关联准则挖掘方法在实际滑坡变形响应分析过程中所存在的方法适应性差、计算效率低、结果冗余程度高等典型问题出发,结合滑坡多场监测数据自身所具有的多维度、多水平特性,提出了一种面向滑坡灾害的改进Apriori算法,并据此构建了一种滑坡变形动态响应规律的综合分析方法。在该综合分析方法中,针对实际监测数据内普遍存在的数据异常、数据缺失、噪声污染等问题,提出了使用数据预处理方法的三项基本原则。并且,针对进行滑坡变形事件划分时所存在的划分结果不精准问题,提出了一种多参数划分方法以提升变形事件划分结果的准确性。以白水河滑坡的多场信息监测数据为依托,通过揭示不同库水位调度阶段下白水河滑坡的变形响应规律及其主控因素,从而验证了所提出滑坡变形响应综合分析方法的可行性与有效性。（3）针对现有滑坡位移预测模型实际应用过程中所存在的突变变形状态样本预测精度不高、预测结果可靠程度不明确等热点与难点问题,以区间预测思想为指导,考虑滑坡变形状态动态切换的影响,提出了一种新型滑坡位移区间预测方法。并以该方法的预测结果为依托,结合累积位移切线角计算方法与可靠度分析理论,从最大容许累积位移切线角的角度出发,提出了一种基于破坏概率分析的滑坡预报方法。以白水河滑坡的监测数据为基础,通过开展降雨与库水联合作用下白水河滑坡的位移区间预测与预报研究,验证了所提出预测与预报方法的有效性和准确性。并在此过程中,对与输入因子选择、模型架构优化、模型参数获取与设置、预报判据适应性调整等相关的多个技术细节问题进行了深度探讨。（4）针对传统滑坡岩土体物理力学参数反演过程中存在的计算效率低、模拟开销大、反演结果收敛性不明确等现实问题,以非侵入式有限元分析方法与贝叶斯优化算法为核心,提出了一种滑坡岩土体物理力学参数的新型反演方法。并以该方法的反演结果为依托,从滑坡稳定性分析中所具有的不确定因素出发,建立了考虑岩土体强度参数劣化的库岸滑坡时变破坏概率分析模型,用以评价库水和降雨长周期作用下的滑坡整体和局部的稳定性变化情况。以白水河滑坡的真实地下水与地表位移监测数据为基础,结合其宏观变形历史,通过开展滑坡渗流场与应力应变场反演和时变破坏概率分析研究,验证了所提出参数反演与稳定性评价方法的可行性、有效性和准确性。本文的研究成果不仅为提升传统数据挖掘方法在滑坡灾害研究领域的适用性与实用性提供了一个较为可行的思路,也为库岸堆积层滑坡中短期预测预报方法的进一步发展提供了一个新的视野,同时还在一定程度上改进了现有的岩土体物理力学参数反演和稳定性评价方法,有望为库区内库岸堆积层滑坡地质灾害的防灾减灾工作提供一定的理论支持及实践参考。
蒋宏伟[4]（2021）在《万州区滑坡灾害位移与库水位及降雨响应关系研究》文中进行了进一步梳理我国一直是全球地质灾害最为频发的国家之一,其中尤以滑坡灾害最为严重,多年来地质灾害造成了众多的人员伤亡和重大的财产损失,并给我国的经济社会发展造成了不良的影响。在我国,三峡库区历来是地质灾害多发区,历史上曾发生过多次灾难性滑坡,尤其是自2003年蓄水以来,由于水库水位周期性的变化,使得大量老滑坡复活并诱发新的滑坡。例如,受三峡工程175m试验性蓄水影响,藕塘滑坡自2008年起出现较为集中的地表变形。巴东县黄土坡滑坡,也出现了滑坡险情。经过规范有效的风险评估,现已对藕塘滑坡所在安坪镇和巴东老县城等实施整体搬迁,规避滑坡风险。在此背景下,三峡库区内陆续开展了从区域滑坡灾害风险到单体滑坡风险的评价分析,从滑坡空间易发性分区到滑坡灾害的位移时间预测的研究。论文以三峡库区万州区的滑坡灾害为主要研究对象,以滑坡位移与库水位及降雨的响应关系为研究主旨。在收集滑坡调查资料、滑坡监测资料的基础上,基于统计分析,总结万州区滑坡灾害的分布规律,并对万州区滑坡灾害累计位移-时间曲线形态进行分类;基于数理统计,研究分析万州区滑坡灾害降雨阈值;基于聚类算法和数据挖掘算法,研究万州区典型滑坡灾害的变形演化关联规则和诱滑因素阈值;基于机器学习算法和线性权重理论,开展万州区典型滑坡灾害的位移预测研究。通过以上研究,论文现取得了如下成果:（1）基于收集到的地质灾害调查资料,发现万州区滑坡灾害的时间分布规律与库水位运行和降雨分布具有高度相关性;其空间分布规律与地质构造、地形地貌、水系分布等具有高度相关性;因为万州区的地层分布与地质构造紧密相关,因此万州区的滑坡灾害也呈现出在万县向斜内集中分布的特征;万州区滑坡灾害以堆积层滑坡为主,滑动面以土体/基岩接触面为主,这与万州区的地质营力作用特征紧密相关,地壳运动、河床下切等综合作用提供了万州区堆积层滑坡的物质来源;万州区滑坡灾害所在斜坡坡度集中在10o～40o,且滑坡灾害的规模以中型滑坡和浅层滑坡为主;万州区滑坡灾害的影响因素以暴雨事件居多,滑坡灾害目前已造成的损失较小,但是滑坡灾害稳定性发展趋势以潜在不稳定居多。（2）基于2003年6月～2020年5月的库水位运行数据发现,三峡库区万州区的库水位运行时段以年为统计单元可划分为:2003年6月～2006年9月,2006年9月～2008年9月,2008年9月～2010年6月,2010年6月～2020年5月共4个阶段,各阶段库水位运行的特征高程分别为130m,145m,171m和175m。以月为统计单元可划分为:水位快速下降期A时段、汛期B时段、水位快速上升期C时段和其他时段,选取A、B、C三个时段作为特征时段。此三个特征时段的具体时间指向分别为5月份,6～8月份,9月份。在此基础上,通过分析三峡库区万州区典型滑坡的地下水位监测数据发现,滑坡地下水位受到库水位、降雨、地形地貌和滑体性质等多种因素控制。一般而言,监测点距离库区岸线越近,其地下水位变化曲线与库水位变化曲线的相关性越大;在监测点附近滑体物质渗透性较好时,其地下水位对降雨事件响应越好,滞后越小;附近滑体物质渗透性较差时,其地下水位对降雨事件响应越差,滞后时间越长。统计三峡库区万州区典型滑坡灾害的地表GPS位移监测数据发现,11个典型滑坡上的28个地表GPS监测点附近位移均属于慢速。其中有4个滑坡在库水位快速下降期A时段位移速率较高,有2个滑坡在汛期B时段位移速率较高,另有5个滑坡在库水位快速上升期C时段位移速率较高。因此,滑坡快速位移时段主要集中在库水位快速变化期A时段和C时段。并且,在2007年和2015年的A时段,2007年、2014年和2015年的B时段,还有2011年、2012年和2013年的C时段有更多滑坡处于位移速率相对较高水平。（3）基于监测资料和前人的研究成果,万州区的滑坡累计位移-时间曲线形态可分为:以杀人田滑坡为代表的直线型;以付家岩滑坡为代表的曲线上升型;以金金子滑坡为代表的收敛型;以壤渡场北崩滑体为代表的回落型;以花园养鸡场滑坡为代表的阶跃型;以杨家坝滑坡为代表的震荡型和以塘角2号滑坡为代表的复合型。（4）基于收集到的监测数据,应用数理统计方法发现,对万州区内处在砂泥岩共存地层且斜坡结构为近水平层状斜坡的滑坡灾害而言,当预测预报位移速率等级为第三等级,即预警的期望是“部分临时性建筑及旧房屋出现破坏,可以随时采取简单的补救方式进行加固”时,其单日降雨量的阈值选择就分别为:在库水位快速下降期A时段当单日降雨量达到15mm;在汛期B时段当单日降雨量达到20mm;在库水位快速上升期C时段当单日降雨量达到25mm。其前期2日有效降雨量的阈值选择为:在库水位快速下降期A时段当前期2日有效降雨量达到45mm;在汛期B时段当前期2日有效降雨量达到50mm;在库水位快速上升期C时段当前期2日有效降雨量达到35mm。（5）基于万州区四方碑滑坡的监测数据,应用聚类算法、Apriori算法和C5.0决策树算法,挖掘出四方碑滑坡变形演化关联规则15条,并建立了四方碑滑坡变形状态的诱滑因素阈值判据共7条。关联规则成果表明,四方碑滑坡监测点WZ02-03附近的地表位移受到库水位变动和降雨作用的联合作用影响,且库水位变动的因素,是四方碑滑坡监测点WZ02-03附近的地表位移变形的主要诱滑因素。滑坡变形诱滑因素阈值判据与滑坡变形演化关联规则的成果一致。另外,四方碑滑坡监测点WZ02-03附近地表以中等速度即以10.55～31.95mm/m变形时,其月累计降雨量阈值是144.6mm,月库水位变幅阈值是-2.065m,即库水位以2.065m/月的速率下降。（6）基于线性权重理论,提出了一种集成长短期记忆神经网络（LSTM）与支持向量回归（SVR）算法的集成预测模型。将该模型应用于三峡库区万州区四方碑滑坡的位移预测研究中,并与LSTM模型和SVR模型等单一模型进行对比,取得了理想的效果。并在此基础上,将该模型推广至三峡库区奉节县的生基包滑坡的位移预测中,以验证模型的适应性。研究发现,模型适应性良好,且总体而言,LSTM模型优于SVR模型,但在预测数据集的所有时间步上,LSTM模型的结果并没有比SVR模型的结果更接近原始值。提出的集成模型综合了LSTM和SVR两种算法的优点,其预测性能优于LSTM和SVR两种模型。
侯佳星[5]（2021）在《基于变采样周期的网络控制系统动态调度研究》文中研究指明随着现代工业控制技术的飞速发展,网络控制系统在实际生产中的应用越来越广泛。网络控制系统通过通信网络媒介,实现各设备节点间数据的实时交互与信息共享,给现代生产带来了诸多便利。尽管如此,网络介入控制系统后也产生了一系列新问题,如网络诱导时延、数据包丢失和时序错乱等。这些问题严重阻碍了网络控制系统的发展,损害网络控制系统的性能。因此,如何削弱这些问题影响,保证网络控制系统性能满足实际生产需求,已经成为当前控制领域的热点研究问题。关于网络控制系统性能方面的研究,目前主要从两方面展开,控制策略和调度算法。考虑到网络带宽资源有限,各节点竞争有限资源来完成信息传输的实际情况,本文从调度层面开展研究,通过合理分配节点传输任务,从而高效地利用有限的网络带宽资源,保证网络中信息传输的实时性。考虑到采样周期在影响网络控制系统性能方面发挥着重要作用,本文以采样周期为切入点展开对变采样周期动态调度算法的研究,降低网络介入对系统性能产生的不良影响。具体研究如下:考虑到网络带宽资源有限的情况,提出误差修正灰色神经网络预测网络带宽的变采样周期动态调度算法。该算法首先通过改进的灰色预测方法预测网络带宽,随后通过神经网络对灰色预测误差进行修正,并利用遗传算法（Genetic algorithm,GA）寻找神经网络最佳参数,从而得到网络带宽预测值。最后在系统实际运行中对预测带宽进行分配,实现采样周期的动态调整,并通过仿真验证该调度算法的优化效果。考虑到回归支持向量机（Support Vector Regression,SVR）优秀的泛化能力和小样本要求的特点,利用SVR对网络带宽进行预测,并利用遗传算法对其关键参数进行优化,提出GA-SVR预测带宽的变采样周期动态调度算法,使得预测带宽值比较接近实际网络情况;最后以各回路实时误差为依据对预测带宽进行在线分配,从而实时调节各回路采样周期。仿真证明该调度算法有效地提高了系统的性能指标。以上两种动态调度算法中,神经网络预测和SVR预测都是从不同角度解析原始数据,仅包含原始数据的部分信息,为了提高预测精度,本文通过一定规则组合各单项预测方法,提出组合预测带宽的变采样周期动态调度算法。将两种预测方法相结合,并选取误差倒数法确定各预测方法权重,提高带宽预测精度。最后在线分配预测带宽,调节各回路采样周期。仿真表明在该算法作用下各项系统性能指标均得到改善。
曾午镜[6]（2020）在《考虑库水位变动下混凝土坝变形安全监控模型研究》文中提出随着我国筑坝技术的高速发展,混凝土坝监控的理论分析与方法应用日渐成熟。但由于混凝土坝所处环境复杂,尤其是在库水位变动工况下,库水位变动产生的干湿交替降低了坝体混凝土的性能,导致了徐变加速,因此,考虑库水位变动,分析混凝土徐变在水压力作用下的时效位移进而构建混凝土坝位移监控模型具有重要意义。本文在国家自然基金“混凝土坝长期变形特性数值分析方法及安全监控方法研究”（NO.51769017）和“特高拱坝变形时空分析方法及时空风险率研究”（NO.51969018）的资助下,开展了“考虑库水位变动下混凝土坝变形安全监控模型研究”。考虑库水位变动对混凝土坝徐变的影响,探究了混凝土坝变形影响因子,综合运用坝工知识、力学及数学方法,构建考虑库水位变动下的混凝土坝位移单测点监控模型和时空监控模型。探究混凝土坝的变形性态及变形规律,为混凝土坝的正常运行提供理论与技术支持。具体内容如下:（1）探究了库水位变动工况下坝体混凝土徐变演变规律,基于弹性徐变理论,研究了库水压变化与水位变动速率协同作用的混凝土坝时效变形,改进了传统位移统计模型的时效分量表达式,构建了考虑库水位变动下混凝土坝位移统计模型。（2）在建立考虑库水位变动工况下位移统计模型的基础上,构建残差时间序列。考虑了残差序列的周期性、随机性以及趋势性,基于差分自回归移动平均ARIMA模型修正残差时间序列,构建了考虑库水位变动下基于ARIMA修正的混凝土坝变形监控模型。（3）在构建单测点混凝土坝位移统计模型的基础上,基于BP神经网络,将位移统计模型分离出的水压分量、温度分量、时效分量以及测点位置信息作为输入变量,将测点的实测位移值作为输出变量,从而构建考虑库水位变动下基于BP神经网络的混凝土坝变形监控时空模型。
方涛[7]（2020）在《智能算法在中药材价格分析中的应用研究》文中进行了进一步梳理随着中医学的理念逐渐被世界接受,中药材的需求量逐年增加,价格分析预测对中药材市场的稳定和发展具有极为重要的作用。中药材的价格数据受到生长周期、需求周期、季节变化、政策等多重因素的影响,是一种包含线性、非线性成分的混沌序列,难以用常规方法预测。本文提出一种ARIMA-LSTM组合模型对中药材价格进行预测,使用相关系数对药材进行相关性分析。中药材价格数据包含线性、非线性两种特征,本文使用组合模型将其分为两个步骤进行分析预测。线性特征采用ARIMA（Auto-Regressive Integrated Moving Average,整合自回归移动平均）模型进行预测,ARIMA模型通过差分去除与线性预测不相关的非线性成分,通过中药材历史价格预测未来时期价格的线性变化趋势;针对非线性特征,使用LSTM（Long-Short Term Memory,长短期记忆）神经网络进行预测。LSTM神经网络具有遗忘门和记忆单元,适合处理具有非线性特征的时间序列问题。本文使用蒙特卡洛算法改进LSTM的梯度下降法,加快收敛速度,LSTM神经网络可以较好的拟合并预测中药材价格数据中非线性变化趋势。ARIMA-LSTM组合模型的思想是先用ARIMA进行线性预测,用原始数据减去ARIMA的线性预测值,剩下的值即包含非线性成分的残差值,使用LSTM神经网络对非线性残差值进行预测,将两个模型的预测结果进行累加,即可得到组合模型的预测结果。实验结果表明,与单一的ARIMA、LSTM相比,组合模型的预测结果精度更高、平稳性更好。本文的创新之处在于使用相关系数对不同药材进行相关性分析。以往对价格数据预测的重点始终围绕价格数据本身,中药材在功能上有互补、互斥的特点,致其在价格数据上呈现高度相关的特征。本文提出使用相关系数法对LSTM神经网络的输入进行改进,即先对药材之间相关性的强弱进行分析,以与某种药材相关性高的其他药材作为它的次要参考因素,以此构成新的输入数据。实验结果表明,与未改进的组合模型和支持向量回归相比,使用相关系数改进后的组合模型预测结果更好。
钱名军[8]（2020）在《基于协整理论的铁路运输系统规模测算及协调性研究》文中提出铁路运输系统是一个典型的动态、开放、非线性的复杂巨系统。该系统以国民经济大系统运转所产生的客货运输需求量为驱动,通过运输组织管理部门科学调配机车车辆等移动设备资源,将客流、货流合理地组织形成列车流,再依托纵横交错、四通八达的铁路网络固定设施,由多部门彼此配合、协同联动共同完成旅客与货物的空间位移。由此可以看出,铁路运输系统的铁路网运营里程、机车车辆保有量只有与客货运输需求量保持规模适度匹配、能力均衡协调,才能充分发挥出铁路运输系统的整体运输服务效能,实现经济效益和社会效益的最大化。为了改善交通运输环境、提高铁路运输服务质量、优化资源配置效率,进一步推动我国铁路运输系统的发展规模和运营质量向更高层次、更高水平迈进,需要运用科学方法理清铁路客货运量规模、铁路网运营里程规模和机车车辆保有量规模三者之间的量化匹配关系,有效评价三者之间的协调匹配效果。从而确保铁路系统整体运输服务能力与国民经济发展需求基本适应,也为铁路交通部门编制铁路网中长期发展规划和年度建设计划、制定机车车辆购置计划和运用计划等提供决策参考。基于此,本文综合运用复杂系统理论、协整理论等对铁路运输系统的复杂结构与功能进行分析,将其划分为相互关联、彼此协同的运输组织管理子系统、物理网子系统和客货车流子系统三部分;运用协整理论及相关模型分别对反映这三个子系统规模的客货运量规模、铁路网运营里程规模和机车车辆保有量规模等三个表征指标进行建模测算,以期建立三个规模数值之间科学合理的量化计算关系;并基于铁路系统运输能力供需匹配协调性思想对三个子系统间的规模匹配效果和协调发展质量进行量化评价与分析。具体研究内容如下:（1）针对铁路运输系统存在多主体、多层级、彼此异构又相互嵌套的复杂结构与功能,将其划分为相互关联、彼此协同的运输组织管理子系统、铁路网子系统和客货车流子系统三部分,便于清晰准确地描述这三个子系统之间复杂的相互作用、协同匹配关系。在论述各子系统的复杂特性及其与国民经济大系统之间影响机理的基础上,对铁路运输系统的规模内涵、协调性内涵进行了界定,为后续的研究建模与评价分析做好铺垫。（2）鉴于铁路客货运量规模在铁路运输系统规模问题研究中的基础性地位,综合运用季节模型和波动模型分别对其进行建模预测。先运用季节分解算法或HP滤波对客货运量时间序列的特征分量进行分解、提取,并结合各分量序列所呈现出的趋势性、周期性和随机波动性特征,选用基于协整理论的SARIMA季节时间序列模型进行定阶建模;再对所建立的SARIMA基础模型残差进行ARCH效应检验,确定其存在异方差效应后运用GRACH或ARCH异方差波动模型对残差建模;最后通过算例对所构建的客货运量融合预测模型进行预测精度和测算效果实证检验与对比分析。（3）根据国民经济大系统与铁路运输系统的相互作用关系,综合运用Granger动态因果关系协整检验与NARX非线性自回归动态神经网络对铁路网运营里程的合理规模进行测算。通过Granger检验筛选出国民生产总值GDP、居民人均消费水平、全社会客货运输量、铁路运输业固定资产投资以及铁路运输系统内部的运营技术和组织效率等7项对铁路网运营里程规模起决定作用的关键影响变量,作为NARX神经网络模型的外部输入变量对铁路网运营里程规模进行测算。并将测算结果与铁路网里程规划值、BP神经网络测算值、NAR无外部输入神经网络测算值等进行综合对比、检验。（4）综合运用Pearson相关系数和逐步回归方法筛选,分别得到影响铁路客货车保有量的关键解释变量。并根据变量序列的单整性特征,分别选用基于Johansen协整检验的ARDL自回归分布滞后模型和VECM向量误差修正模型构建铁路客车保有量、铁路货车保有量测算模型,并采用最小二乘法对模型参数进行估计,得到准确可行的客货车保有量测算公式。并对相应模型的测算精度进行验证分析。（5）结合铁路运输系统三个子系统间宏观规模总量上的均衡匹配性以及内部微观分布结构上的彼此协调性,有针对性地将铁路网货车承载系数、铁路系统承认车比例、铁路网区段通过能力负荷系数这三项指标作为铁路系统运输能力的供需规模匹配协调性的量化评价指标。并通过设计相应算例,验证了这三个指标在计算方法上的可行性和评价分析上的有效性。总的来说,本论文将对铁路运输系统的发展建设规划和运营组织效果具有重要影响的客货运量规模、铁路网运营里程规模与机车车辆设备保有量这三方面问题置于统一的系统框架下,运用协整理论、NARX神经网络及其他技术方法,从系统规模匹配协调的角度研究彼此间的相互作用关系和影响机理,准确刻画出彼此间的规模匹配关系,并对其匹配协调效果进行科学评价。有助于铁路交通部门制定科学合理的客货运量计划、铁路网发展规划和机车车辆购置计划,使铁路系统的建设规模与发展质量更加适应当前及今后一段时期经济和社会发展的新形势、新要求,切实发挥铁路运输的骨干优势作用,支撑和引领我国经济社会发展、保障和改善民生。
石茂林[9]（2020）在《盾构机实测数据建模方法及其应用研究》文中认为随着数据密集型时代的到来,盾构机的运行监测日趋完善,所记录的实测数据不仅包含了装备作业过程的海量信息,也蕴含了装备内部及其与外部环境的相互作用机理,通过一定方法对这些数据进行深度挖掘与刻画对于提升装备的设计、分析、运行与维护水平具有重要意义。盾构机实测数据由来源于监测系统的运行实测数据和来源于地质勘探的地质实测数据组成,具有运行实测数据未赋予明确的地质工况标注且重叠分布、运行实测数据参数与装备性能之间的关联关系复杂、运行实测数据中已收集的数据难以覆盖后续数据的样本空间、运行实测数据与地质实测数据的样本容量不相等的特点。针对盾构机实测数据的上述特点,本文开展了如下四个方面的研究:1)盾构机运行实测数据的划分方法;2)盾构机运行实测数据的精准建模方法;3)盾构机运行实测数据预测模型的泛化能力提升方法;4)盾构机运行与地质实测不等容数据的联合建模方法。掘进速度是盾构机的关键性能指标,其描述了装备在单位时间内的掘进距离和掘进效率,是调整掘进参数和项目施工管理的必要参考。因此在研究过程中,以深圳地铁某标段的盾构机实测数据为应用对象,结合盾构机的掘进速度预测实验,检验了所提出一系列方法的工程可用性。主要贡献如下:（1）针对不同地质工况运行实测数据的划分问题,从盾构机运行实测数据中部分参数（属性）强相关的角度出发,提出了强相关属性关联关系引导的聚类模型。采用线性方程描述强相关属性的关联关系并与数据的空间距离相结合构成聚类目标函数,设计了隶属度、类原型和线性方程系数三者交互迭代的目标函数优化策略以获取数据的划分结果。通过盾构机运行实测数据的聚类实验,发现提出聚类模型能够实现不同地质工况运行实测数据的有效划分,提供强相关属性的明确回归方程以供参考。（2）针对运行实测参数与装备性能之间的关联关系复杂,难以建立精准的预测模型的问题,提出基于回归关系的聚类模型,继而给出该聚类模型辅助的数据建模方法。在提出聚类模型中,基于每个子类回归模型的预测误差构建了聚类目标函数,设计了目标函数的迭代优化策略以获取数据的划分结果;在提出的数据建模方法中,基于数据的划分结果判断待预测数据的归属,通过对应的子类回归模型获取最终的预测值。通过盾构机的掘进速度预测实验,发现提出建模方法能够精确刻画出盾构机运行参数与掘进速度的关联关系,给出良好的掘进速度预测结果。（3）针对已收集运行实测数据无法有效覆盖后续发生数据的样本空间,导致模型泛化能力不足的问题,通过引入传统预测模型生成的仿真数据加以解决。针对低保真度的仿真数据参数与高保真度的运行实测数据参数不完全相同的客观实际,提出了适用于参数不完全相同的多保真度数据联合建模方法,构建了一种新型核函数将多保真度数据的输入映射到高维空间,通过高维空间的线性方程描述数据输入与输出的回归关系。盾构机掘进速度预测实验结果表明,提出方法能够结合运行实测数据和仿真数据的各自优势,提升掘进速度预测模型的泛化能力和预测精度。（4）针对运行实测数据与地质实测数据的联合建模问题,提出了多类型数据的融合转化方法,将地质实测的多类型数据统一为新的结构化数据。提出了一种不等容数据建模方法,采用核函数将大样本容量数据与小样本容量数据的输入映射到高维空间,通过高维空间的线性方程描述大、小样本容量数据输入与输出的回归关系。将提出方法用于运行实测数据和地质实测数据联合驱动的盾构机掘进速度预测,发现该方法能够实现小样本地质实测数据与大样本运行实测数据的有效联合建模,给出动态和累积的掘进速度的精准预测结果,并进一步研究了地质和运行参数对掘进速度的影响规律。最后,对全文所研究的主要工作进行了总结,同时对盾构机实测数据建模方法中的后续研究进行了展望。
王永乐[10]（2020）在《基于LSTM的煤炭价格预测模型研究》文中进行了进一步梳理煤炭作为相关企业的核心产品,其价格预测在企业财务核算上占据重要地位,同时会计预测作为企业经济管理的重要手段,其目的是定量或定性地判断、推测和规划企业内部经济活动的发展变化规律,并对其做出评价,以指导和调节经济活动,谋求最佳经济效果,因此,对煤炭价格的研究对相关企业的财务管理具有深远影响。近年来专家学者们对煤炭价格预测的研究大多以回归拟合和计量经济学等传统的价格预测方法为主,虽然有学者将人工智能方法引入价格预测领域,但也是以BP神经网络为基础进行拓展研究,并没有深入研究LSTM模型在煤炭价格预测中的应用。基于LSTM神经网络为基础的煤炭价格预测模型可以很好的拟合我国短期煤炭价格趋势,进而为决策者提供一定的决策依据。为了搭建符合我国煤炭价格数理统计特性的预测模型,本文以秦皇岛动力煤（Q5500）周市场价为研究对象,从以下四个方面深入研究:（1）对我国煤炭价格的影响因素进行深入分析,得出各变量之间相关性较高且不易量化拟合,因此本文选择煤炭价格这一单变量进行模型构建;（2）对煤炭价格的内在数理特性进行研究,得出其具有非线性等特征传统预测模型对其的拟合效果较差,因此本文选择LSTM神经网络模型作为基础模型;（3）对LSTM模型的原理和思想进行深入分析,得出LSTM也会和其他神经网络一样容易陷入局部最优解且收敛速度较慢的问题;（4）对比前人仅从学习率去优化LSTM模型不能完全解决该问题,本文分别从模型输入端和模型优化函数入手进行改进。经实证检验得出:使用Lookahead优化算法对LSTM模型进行优化,在不降低模型性能的前提下,使得模型的收敛速度大幅提高;基于数据输入端的改进,分别使用小波变换和卡尔曼滤波进行拟合,使得预测误差从基础的3.28元/吨分别降为1.55元/吨和3.04元/吨。以上研究表明,改进后的LSTM系列模型的煤炭价格预测方法具有良好的实用性和预测精度,在去除煤炭价格噪音数据的同时,能很好的保留价格数据本身的趋势性和周期性,为研究大数据背景下的煤炭价格预测问题提供了新思路。
二、包含周期变动的回归预测模型及其应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、包含周期变动的回归预测模型及其应用（论文提纲范文）
（1）重力坝变形监控的智能分析方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大坝安全监测数据异常检测研究进展 |
| 1.2.2 大坝安全监控模型研究进展 |
| 1.2.3 大坝变形监控指标拟定研究进展 |
| 1.3 问题的提出 |
| 1.4 研究内容和技术路线 |
| 1.5 创新点 |
| 2 变形监测数据的规律与特征分析 |
| 2.1 引言 |
| 2.2 重力坝变形影响因子及其规律分析 |
| 2.2.1 水压因子 |
| 2.2.2 温度因子 |
| 2.2.3 时效因子 |
| 2.2.4 重力坝的一般变形规律 |
| 2.3 变形监测数据的相关性分析 |
| 2.3.1 面板数据的相关性分析 |
| 2.3.2 面板数据的形状相似性分析 |
| 2.3.3 时序数据的自相关与偏自相关分析 |
| 2.4 变形监测数据的特征分析 |
| 2.4.1 整体特征 |
| 2.4.2 局部特征 |
| 2.4.3 空间特征 |
| 2.5 本章小结 |
| 3 基于多重局部异常系数法的异常值预处理 |
| 3.1 引言 |
| 3.2 异常值的基本概念 |
| 3.2.1 异常值定义 |
| 3.2.2 异常值的分类 |
| 3.2.3 异常值的特征 |
| 3.3 基于距离的异常值检测算法 |
| 3.3.1 距离的度量方法 |
| 3.3.2 局部离群因子算法 |
| 3.3.3 K近邻算法 |
| 3.4 多重局部异常系数算法研究 |
| 3.4.1 多重局部异常系数算法 |
| 3.4.2 窗口长度的选择 |
| 3.4.3 阈值的选择 |
| 3.4.4 多重局部异常系数 |
| 3.4.5 实例计算 |
| 3.5 本章小结 |
| 4 ISADE-OSELM重力坝变形预测模型研究 |
| 4.1 引言 |
| 4.2 在线极限学习机 |
| 4.2.1 单隐层前馈神经网络 |
| 4.2.2 极小范数最小二乘解 |
| 4.2.3 极限学习机 |
| 4.2.4 在线极限学习机 |
| 4.3 在线极限学习机的优化研究 |
| 4.3.1 自适应差分进化算法 |
| 4.3.2 自适应差分进化算法的改进 |
| 4.3.3 ISADE-OSELM预测模型 |
| 4.4 ISADE-OSELM预测模型应用研究 |
| 4.4.1 工程概况 |
| 4.4.2 模型拓扑结构 |
| 4.4.3 参数选择 |
| 4.4.4 ISADE-OSELM模型预测结果 |
| 4.5 本章小结 |
| 5 基于云置信区间法的重力坝变形监控指标研究 |
| 5.1 引言 |
| 5.2 置信区间法的变形监控指标拟定 |
| 5.2.1 置信区间法 |
| 5.2.2 误差序列的分布检验 |
| 5.2.3 置信区间法拟定的监控指标 |
| 5.3 云置信区间 |
| 5.3.1 云模型 |
| 5.3.2 云置信区间的组成 |
| 5.3.3 云置信区间的计算步骤 |
| 5.3.4 云区间的选择 |
| 5.4 云置信区间法的变形监控指标拟定 |
| 5.4.1 数据转换 |
| 5.4.2 云区间的计算 |
| 5.4.3 云置信区间法拟定的监控指标 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
（2）我国体育产业高质量发展的金融支持研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 体育产业高质量发展的现实需要 |
| 1.1.2 金融与实体经济关系的重新审视 |
| 1.1.3 体育产业高质量发展的金融诉求 |
| 1.2 问题提出 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实践意义 |
| 1.4 主要内容与研究方法 |
| 1.4.1 主要内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 研究创新点 |
| 第2章 文献综述与理论基础 |
| 2.1 核心概念界定 |
| 2.1.1 体育产业 |
| 2.1.2 高质量发展 |
| 2.1.3 体育产业高质量发展 |
| 2.1.4 金融支持 |
| 2.2 文献综述 |
| 2.2.1 经济高质量发展的金融支持研究 |
| 2.2.2 新兴产业发展的金融支持研究 |
| 2.2.3 体育产业发展的金融支持研究 |
| 2.2.4 体育产业高质量发展与金融支持的关系认识 |
| 2.2.5 文献述评 |
| 2.3 理论基础 |
| 2.3.1 产业生命周期理论 |
| 2.3.2 产业结构理论 |
| 2.3.3 产业融合理论 |
| 2.3.4 Schumpeter金融促进理论 |
| 2.3.5 金融结构理论 |
| 2.3.6 金融深化、金融约束与金融内生理论 |
| 2.3.7 系统理论与经济效率理论 |
| 第3章 体育产业高质量发展的金融支持现状与不足 |
| 3.1 体育产业高质量发展的金融支持现状 |
| 3.1.1 政府金融支持现状 |
| 3.1.2 信贷市场支持现状 |
| 3.1.3 债券市场支持现状 |
| 3.1.4 股票市场支持现状 |
| 3.1.5 风险投资支持现状 |
| 3.1.6 其他金融市场支持现状 |
| 3.2 体育产业高质量发展的金融支持不足 |
| 3.2.1 金融支持制度体系亟待完善,金融支持政策工具尚需补充 |
| 3.2.2 金融市场结构失衡问题凸显,直接融资渠道建设存在不足 |
| 3.2.3 风险资本经典功能发生偏离,资本投入可持续性有所欠缺 |
| 3.2.4 新兴金融工具利用不尽充分,体育金融复合人才供给不足 |
| 3.3 本章小结 |
| 第4章 体育产业高质量发展的金融支持特征与机理 |
| 4.1 体育产业高质量发展的金融需求特征 |
| 4.1.1 “支柱地位”与扩张趋势: 亟需政策引导的规模化金融支持 |
| 4.1.2 丰富业态与结构演进: 亟需层次多元的系统化金融支持 |
| 4.1.3 投资风险与不确定性: 亟需风险偏好的针对性金融支持 |
| 4.1.4 消费升级与供需优化: 亟需科技赋能的普惠性金融支持 |
| 4.2 体育产业高质量发展的金融支持机理 |
| 4.2.1 金融支持体育产业高质量发展的功能组成 |
| 4.2.2 金融支持体育产业高质量发展的作用机理 |
| 4.3 本章小结 |
| 第5章 体育产业高质量发展的宏观金融支持效应分析——基于耦合协调视角 |
| 5.1 研究方案设计 |
| 5.2 研究方法选择 |
| 5.2.1 金融支持体育产业高质量发展的复杂系统特征 |
| 5.2.2 耦合的应用 |
| 5.3 金融支持体育产业高质量发展的耦合机制 |
| 5.3.1 耦合机制的内涵 |
| 5.3.2 金融支持体育产业高质量发展的耦合机理 |
| 5.3.3 金融支持体育产业高质量发展的耦合机制 |
| 5.4 模型构建与数据处理 |
| 5.4.1 耦合测度模型 |
| 5.4.2 灰色关联模型 |
| 5.4.3 序参量体系与数据选取 |
| 5.4.4 熵值赋权处理 |
| 5.5 耦合协调效应分析 |
| 5.5.1 系统发展水平分析 |
| 5.5.2 耦合关联与耦合协调效应分析 |
| 5.5.3 基于剪刀差的进一步讨论 |
| 5.6 耦合协调效应的影响因素 |
| 5.6.1 影响因素识别 |
| 5.6.2 变量选取 |
| 5.6.3 影响因素分析 |
| 5.7 本章小结 |
| 第6章 体育产业高质量发展的微观金融支持效率评价——以上市公司为例 |
| 6.1 研究方案设计 |
| 6.2 研究方法选择 |
| 6.2.1 金融支持体育产业高质量发展的投入产出特征 |
| 6.2.2 方法思路与适用性 |
| 6.3 模型构建与数据处理 |
| 6.3.1 模型构建 |
| 6.3.2 样本选取 |
| 6.3.3 指标测算与数据处理 |
| 6.4 静态效率矩阵分析 |
| 6.4.1 综合金融效率分析 |
| 6.4.2 股权静态效率分析 |
| 6.4.3 债权静态效率分析 |
| 6.5 动态效率演变分析 |
| 6.5.1 金融效率的动态演变 |
| 6.5.2 股权效率的动态演变 |
| 6.5.3 债权效率的动态演变 |
| 6.6 效率收敛性分析 |
| 6.6.1 金融效率的收敛性分析 |
| 6.6.2 股权效率的收敛性分析 |
| 6.6.3 债权效率的收敛性分析 |
| 6.7 本章小结 |
| 第7章 体育产业高质量发展的金融支持系统建模与仿真 |
| 7.1 研究方案设计 |
| 7.2 研究方法选择 |
| 7.2.1 系统动力学原理 |
| 7.2.2 系统动力学组成模块—基于Vensim实现 |
| 7.2.3 系统动力学特点及适用性 |
| 7.3 建模准备 |
| 7.3.1 模型构建原则 |
| 7.3.2 系统边界确定 |
| 7.3.3 模型基本假设 |
| 7.4 模型与变量关系构建 |
| 7.4.1 子系统组成及因果关系 |
| 7.4.2 总系统组成及因果关系 |
| 7.4.3 系统流图设计及主要变量 |
| 7.4.4 变量函数关系确定 |
| 7.5 模型检验 |
| 7.5.1 外观检验 |
| 7.5.2 运行检验 |
| 7.5.3 稳定性检验 |
| 7.5.4 历史检验 |
| 7.5.5 灵敏度检验 |
| 7.6 策略仿真分析 |
| 7.6.1 基础仿真结果 |
| 7.6.2 市场金融策略仿真 |
| 7.6.3 政府金融干预仿真 |
| 7.6.4 金融风险情景仿真 |
| 7.7 本章小结 |
| 第8章 结论、建议与展望 |
| 8.1 研究结论 |
| 8.2 对策建议 |
| 8.3 局限与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间的科研成果 |
| 附件 |
| 学位论文评阅及答辩情况表 |
（3）三峡库区库岸堆积层滑坡位移预测与稳定性评价方法研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 库岸堆积层滑坡变形演化特征及其响应规律研究 |
| 1.2.2 滑坡位移预测模型与预报判据研究 |
| 1.2.3 滑坡可靠度分析方法研究 |
| 1.2.4 库岸堆积层滑坡稳定性评价研究 |
| 1.3 存在的问题及发展趋势 |
| 1.4 主要研究内容、技术路线及创新点 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线 |
| 1.4.3 创新点 |
| 第二章 三峡库区库岸堆积层滑坡发育特征与分类体系 |
| 2.1 三峡库区库岸堆积层滑坡发育特征与变形演化规律 |
| 2.1.1 发育特征 |
| 2.1.2 变形演化规律 |
| 2.2 三峡库区库岸堆积层滑坡分类体系 |
| 2.2.1 前人分类体系 |
| 2.2.2 库岸堆积层滑坡分类体系 |
| 2.3 典型库岸堆积层滑坡实例 |
| 第三章 滑坡变形动态响应规律综合分析方法 |
| 3.1 基于关联规则挖掘技术的滑坡变形响应规律综合分析方法 |
| 3.1.1 监测数据预处理 |
| 3.1.2 变形事件划分、因子集构建和变形数据库建立 |
| 3.1.3 基于改进Apriori算法的滑坡变形响应关联规则挖掘 |
| 3.2 基于综合分析方法的白水河滑坡变形响应规律分析 |
| 3.2.1 白水河滑坡变形事件划分 |
| 3.2.2 白水河滑坡变形事务数据库的构建 |
| 3.2.3 白水河滑坡变形响应规律分析与主控因素判识 |
| 3.3 讨论 |
| 第四章 滑坡位移区间预测与预报方法 |
| 4.1 滑坡位移区间预测原理与方法 |
| 4.1.1 滑坡位移预测中潜在的不确定性因素及区间预测思想 |
| 4.1.2 考虑变形状态动态切换的滑坡位移区间预测方法 |
| 4.2 基于位移区间预测结果的滑坡预报方法 |
| 4.2.1 累积位移切线角的基本原理及其应用 |
| 4.2.2 匀速变形速率获取与累积位移切线角预报判据调整 |
| 4.2.3 基于区间预测结果与破坏概率分析的滑坡预报方法 |
| 4.3 白水河滑坡位移区间预测与预报 |
| 4.3.1 输入因子选择与模型超参数设置 |
| 4.3.2 降雨与库水联合作用下的白水河滑坡变形状态动态判识 |
| 4.3.3 基于诱发因素响应的白水河滑坡位移区间预测 |
| 4.3.4 考虑最大容许累积位移切线角的白水河滑坡预报 |
| 4.4 讨论 |
| 第五章 滑坡岩土体参数反演与稳定性评价方法 |
| 5.1 滑坡岩土体物理力学参数动态反演方法 |
| 5.1.1 滑坡渗流场与应力应变场有限元分析 |
| 5.1.2 非侵入式有限元 |
| 5.1.3 贝叶斯优化算法 |
| 5.1.4 滑坡岩土体物理力学参数反演方法的基本计算流程 |
| 5.2 考虑岩土体强度劣化的库岸滑坡时变破坏概率分析模型 |
| 5.2.1 滑坡稳定性分析中潜在的不确定性因素及其影响 |
| 5.2.2 基于稳定性系数的滑坡破坏概率分析 |
| 5.2.3 蒙特卡洛模拟 |
| 5.2.4 滑坡时变破坏概率分析流程 |
| 5.3 白水河滑坡岩土体物理力学特征参数反演与时变破坏概率分析 |
| 5.3.1 白水河滑坡渗流变形与稳定性分析模型建立 |
| 5.3.2 降雨与库水联合作用下的白水河滑坡渗流场反演结果 |
| 5.3.3 降雨与库水联合作用下的白水河滑坡应力应变场反演结果 |
| 5.3.4 考虑岩土体强度劣化的白水河滑坡时变破坏概率分析 |
| 5.4 讨论 |
| 5.4.1 所提出岩土体参数反演方法的应用探讨 |
| 5.4.2 白水河滑坡的防治策略讨论 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（4）万州区滑坡灾害位移与库水位及降雨响应关系研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的来源、目的和意义 |
| 1.2 选题的国内外研究现状 |
| 1.2.1 滑坡降雨阈值研究现状 |
| 1.2.2 滑坡变形演化关联规则研究现状 |
| 1.2.3 滑坡位移预测研究现状 |
| 1.2.4 研究现状总结 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 创新点 |
| 第二章 万州区滑坡灾害孕灾环境及分布规律分析 |
| 2.1 万州区自然地理条件 |
| 2.1.1 地理位置与交通 |
| 2.1.2 气象水文 |
| 2.2 万州区地质环境概况 |
| 2.2.1 地形地貌 |
| 2.2.2 地层岩性 |
| 2.2.3 地质构造 |
| 2.2.4 新构造运动与地震 |
| 2.3 万州区滑坡灾害分布规律 |
| 2.3.1 滑坡灾害分布统计标准 |
| 2.3.2 滑坡灾害时空分布规律 |
| 2.3.3 滑坡灾害特征分布规律 |
| 2.3.4 滑坡灾害危害分布规律 |
| 2.4 本章小结 |
| 第三章 万州区滑坡灾害监测与成果分析 |
| 3.1 引言 |
| 3.2 万州区滑坡灾害监测概况 |
| 3.2.1 滑坡灾害监测概况 |
| 3.2.2 监测布置 |
| 3.3 万州区滑坡灾害监测系统 |
| 3.3.1 滑坡全自动裂缝监测系统 |
| 3.3.2 滑坡全自动地表位移监测系统 |
| 3.3.3 滑坡深部位移监测系统 |
| 3.3.4 地下水位监测系统 |
| 3.3.5 全自动雨量计网络数据传输系统 |
| 3.3.6 其它监测手段及多源数据获取 |
| 3.3.7 万州区典型滑坡灾害监测系统实例 |
| 3.4 万州区滑坡灾害监测数据分析 |
| 3.4.1 万州段三峡水库运行特征时段划分 |
| 3.4.2 典型滑坡灾害地下水位监测数据 |
| 3.4.3 典型滑坡灾害地表位移监测数据 |
| 3.5 万州区滑坡灾害累积位移-时间曲线形态特征 |
| 3.6 本章小结 |
| 第四章 万州区滑坡灾害降雨阈值研究 |
| 4.1 引言 |
| 4.2 万州区滑坡灾害降雨量模型研究 |
| 4.2.1 有效降雨量模型介绍 |
| 4.2.2 有效降雨量模型确定 |
| 4.3 2 日有效降雨量与单日降雨阈值研究 |
| 4.3.1 滑坡位移速率概述 |
| 4.3.2 单日降雨阈值确定 |
| 4.3.3 前期2 日有效降雨阈值确定 |
| 4.4 本章小结 |
| 第五章 万州区典型滑坡灾害变形演化关联规则与诱滑因素阈值研究 |
| 5.1 引言 |
| 5.2 四方碑滑坡 |
| 5.2.1 滑坡基本特征 |
| 5.2.2 滑坡变形特征 |
| 5.2.3 滑坡监测数据分析 |
| 5.3 数据挖掘方法 |
| 5.3.1 K-means聚类法 |
| 5.3.2 两步聚类算法 |
| 5.3.3 Apriori算法 |
| 5.3.4 决策树-C5.0 算法 |
| 5.4 四方碑滑坡变形演化关联规则 |
| 5.4.1 滑坡变形演化关联规则 |
| 5.4.2 滑坡诱滑因素阈值分析 |
| 5.5 本章小结 |
| 第六章 万州区典型滑坡灾害位移预测研究 |
| 6.1 引言 |
| 6.2 方法与案例介绍 |
| 6.2.1 预测方法 |
| 6.2.2 研究案例 |
| 6.3 数据处理 |
| 6.3.1 监测点选择及数据处理 |
| 6.3.2 因子筛选 |
| 6.3.3 数据归一化与逆归一化 |
| 6.3.4 LSTM和 SVR模型超参数 |
| 6.4 结果分析 |
| 6.4.1 LSTM模型与SVR模型 |
| 6.4.2 集成模型 |
| 6.5 模型泛化能力检验 |
| 6.5.1 生基包滑坡 |
| 6.5.2 预测流程 |
| 6.5.3 结果分析 |
| 6.6 本章小结 |
| 6.6.1 模型预测结果讨论 |
| 6.6.2 本章结论 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（5）基于变采样周期的网络控制系统动态调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 网络控制系统结构 |
| 1.2 网络控制系统基本问题 |
| 1.2.1 网络诱导时延 |
| 1.2.2 数据包丢失 |
| 1.2.3 数据包时序错乱 |
| 1.2.4 单包传输与多包传输 |
| 1.2.5 节点驱动方式 |
| 1.2.6 采样周期 |
| 1.3 网络控制系统调度研究现状 |
| 1.3.1 实时CPU调度的推广 |
| 1.3.2 网络优先级调度 |
| 1.3.3 采样周期调度 |
| 1.3.4 控制与调度协同 |
| 1.4 本文主要工作及内容安排 |
| 2 网络控制系统变采样周期调度方法研究 |
| 2.1 采样周期对网络控制系统的影响 |
| 2.2 网络控制系统中采样周期的研究 |
| 2.2.1 定常采样周期 |
| 2.2.2 变采样周期 |
| 2.2.3 多速率采样 |
| 2.3 常用的变采样周期动态调度算法 |
| 2.4 本章小结 |
| 3 误差修正灰色神经网络预测带宽的变采样周期动态调度算法 |
| 3.1 引言 |
| 3.2 误差修正灰色神经网络预测方法 |
| 3.2.1 灰色预测方法的改进 |
| 3.2.2 遗传算法优化神经网络预测 |
| 3.2.3 误差修正灰色神经网络预测方法 |
| 3.3 变采样周期动态调度算法实现 |
| 3.3.1 多回路变采样周期调度框架 |
| 3.3.2 网络带宽预测 |
| 3.3.3 采样周期调节算法 |
| 3.4 仿真示例 |
| 3.4.1 仿真模型 |
| 3.4.2 仿真结果 |
| 3.5 本章小结 |
| 4 GA-SVR预测带宽的变采样周期动态调度算法 |
| 4.1 SVR预测理论及参数优化 |
| 4.1.1 SVR基本原理 |
| 4.1.2 SVR参数优化 |
| 4.2 变采样周期动态调度算法 |
| 4.2.1 GASVR预测带宽 |
| 4.2.2 算法实现 |
| 4.3 仿真示例 |
| 4.3.1 仿真模型 |
| 4.3.2 仿真结果 |
| 4.4 本章小结 |
| 5 组合预测带宽的变采样周期动态调度算法 |
| 5.1 组合预测方法 |
| 5.2 组合预测权重确定方法 |
| 5.2.1 等权重平均法 |
| 5.2.2 误差倒数法 |
| 5.2.3 方差倒数法 |
| 5.2.4 熵权法 |
| 5.3 变采样周期动态调度算法 |
| 5.3.1 算法实现 |
| 5.3.2 组合预测带宽结果对比 |
| 5.4 仿真示例 |
| 5.4.1 仿真模型 |
| 5.4.2 仿真结果 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（6）考虑库水位变动下混凝土坝变形安全监控模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究进展 |
| 1.3.1 混凝土坝坝体时效变形研究进展 |
| 1.3.2 混凝土坝安全监控模型的研究进展 |
| 1.3.3 混凝土坝变形分析方法研究进展 |
| 1.4 问题的提出 |
| 1.5 本文主要的研究内容及技术路线图 |
| 第二章 考虑库水位变动下混凝土坝位移监控统计模型研究 |
| 2.1 概述 |
| 2.2 库水位变动下坝体混凝土徐变特性分析 |
| 2.2.1 影响混凝土徐变的主要因素 |
| 2.2.2 混凝土徐变表达式 |
| 2.3 考虑库水位变动下混凝土坝时效位移模型构建 |
| 2.4 考虑库水位变动下混凝土坝位移统计模型的构建 |
| 2.5 算例 |
| 2.5.1 工程概况及数值信息 |
| 2.5.2 模型中水平位移及徐变度的确定 |
| 2.5.3 考虑库水位变动影响下4~#坝段变形特性及对比分析 |
| 2.6 本章小结 |
| 第三章 考虑库水位变动下基于ARIMA修正的混凝土坝变形监控模型研究 |
| 3.1 概述 |
| 3.2 考虑库水位变动下变形残差时间序列的平稳性检验及处理 |
| 3.2.1 时间序列的统计特征 |
| 3.2.2 时间序列的平稳性的定义及检验方法 |
| 3.2.3 时间序列平稳性处理 |
| 3.3 基于ARIMA修正的混凝土坝变形监控模型构建 |
| 3.3.1 变形残差时间序列预测模型 |
| 3.3.2 基于ARIMA修正的混凝土坝变形监控模型 |
| 3.4 算例 |
| 3.4.1 工程概况及残差序列提取 |
| 3.4.2 4~#坝段残差时间序列平稳性检验与处理 |
| 3.4.3 4~#坝段考虑残差效应的变形监测组合模型应用 |
| 3.5 本章小结 |
| 第四章 考虑库水位变动下基于BP神经网络的混凝土坝变形监控时空模型 |
| 4.1 概述 |
| 4.2 BP神经网络 |
| 4.2.1 BP神经网络简介 |
| 4.2.2 BP神经网络原理分析 |
| 4.2.3 样本归一化处理 |
| 4.3 基于BP神经网络的混凝土坝多测点位移统计模型构建 |
| 4.4 算例 |
| 4.4.1 工程概况及数据提取 |
| 4.4.2 基于BP神经网络的混凝土坝变形监控时空模型应用 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究内容总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）智能算法在中药材价格分析中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 中药的研究现状 |
| 1.2.2 混沌的研究现状 |
| 1.2.3 预测模型的研究现状 |
| 1.3 研究内容 |
| 1.4 章节安排 |
| 第二章 价格分析相关理论 |
| 2.1 混沌理论 |
| 2.1.1 混沌现象 |
| 2.1.2 混沌价格序列 |
| 2.2 时间序列模型 |
| 2.2.1 AR模型 |
| 2.2.2 MA模型 |
| 2.2.3 ARMA模型 |
| 2.2.4 ARIMA模型 |
| 2.3 神经网络 |
| 2.3.1 ANNs基本结构 |
| 2.3.2 LSTM神经网络 |
| 2.4 相关性分析 |
| 2.5 支持向量机 |
| 2.6 本章小结 |
| 第三章 组合模型对药材价格的预测 |
| 3.1 中药材价格数据特点 |
| 3.2 ARIMA-LSTM组合模型的提出 |
| 3.3 ARIMA模型线性预测 |
| 3.3.1 ARIMA实现方法 |
| 3.3.2 ARIMA具体实现 |
| 3.4 LSTM神经网络非线性预测 |
| 3.4.1 LSTM神经网络实现方法 |
| 3.4.2 LSTM神经网络具体实现 |
| 3.5 模型组合叠加 |
| 3.6 实验分析 |
| 3.7 本章小结 |
| 第四章 相关系数改进的组合模型 |
| 4.1 药材相关性 |
| 4.2 相关系数改进的组合模型预测 |
| 4.3 实验分析 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文总结 |
| 5.2 下一步工作 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
（8）基于协整理论的铁路运输系统规模测算及协调性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 铁路系统发展规模问题研究现状 |
| 1.2.2 铁路系统协调发展问题研究现状 |
| 1.2.3 协整理论的研究及应用现状 |
| 1.3 论文研究内容及技术路线 |
| 1.3.1 研究思路及主要内容 |
| 1.3.2 论文章节及技术路线 |
| 1.4 本章小结 |
| 2 铁路运输系统的复杂特性分析 |
| 2.1 铁路运输系统的结构与功能复杂性分析 |
| 2.1.1 铁路运输组织管理子系统的复杂性 |
| 2.1.2 铁路网子系统的复杂性 |
| 2.1.3 铁路客货车流子系统的复杂性 |
| 2.2 铁路运输系统的规模及协调性内涵分析 |
| 2.2.1 铁路运输系统的规模内涵 |
| 2.2.2 铁路运输系统协调性内涵 |
| 2.2.3 铁路运输系统规模及协调性的影响因素分析 |
| 2.3 本章小结 |
| 3 基于季节模型与波动模型的铁路客货运量预测研究 |
| 3.1 预测模型与方法 |
| 3.1.1 SARIMA季节时间序列模型 |
| 3.1.2 ARCH(q)波动模型 |
| 3.1.3 GARCH(1,1)波动模型 |
| 3.1.4 季节分解算法 |
| 3.1.5 HP滤波方法 |
| 3.2 基于季节分解和SARIMA-GARCH融合模型的铁路客运量预测 |
| 3.2.1 铁路客运量序列季节分解及特征分析 |
| 3.2.2 SARIMA-GARCH预测模型构建 |
| 3.2.3 SARIMA-GARCH模型稳定性检验 |
| 3.2.4 预测精度对比及性能评价 |
| 3.3 基于HP滤波和AR-SARIMA-ARCH融合模型的铁路货运量预测 |
| 3.3.1 铁路货运量序列HP滤波及特征分析 |
| 3.3.2 波动分量SARIMA-ARCH预测模型构建 |
| 3.3.3 SARIMA-ARCH模型稳定性检验 |
| 3.3.4 趋势分量AR预测模型构建 |
| 3.3.5 预测精度对比及性能评价 |
| 3.4 本章小结 |
| 4 基于Granger协整检验和NARX动态神经网络的铁路网规模测算研究 |
| 4.1 影响铁路网规模的特征变量筛选 |
| 4.1.1 铁路网规模影响因素的定性分析 |
| 4.1.2 影响因素的互信息值筛选 |
| 4.1.3 影响因素的Granger动态相关性检验 |
| 4.2 基于NARX动态神经网络的铁路网规模测算模型构建 |
| 4.2.1 NARX动态神经网络原理 |
| 4.2.2 NARX神经网络结构参数确定 |
| 4.3 铁路网规模测算实例 |
| 4.3.1 数据来源及预处理 |
| 4.3.2 NARX网络训练与效果分析 |
| 4.3.3 模型测算性能检验与评价 |
| 4.4 本章小结 |
| 5 基于多变量协整关系模型的铁路客货车保有量测算研究 |
| 5.1 基于多变量协整和ARDL模型的铁路客车保有量测算 |
| 5.1.1 客车保有量测算模型自变量筛选 |
| 5.1.2 基于多变量协整的ARDL预测模型 |
| 5.1.3 铁路客车保有量测算模型构建 |
| 5.1.4 模型测算性能评价及结果验证 |
| 5.2 基于多变量协整和ECM模型的铁路货车保有量测算 |
| 5.2.1 货车保有量测算模型自变量筛选 |
| 5.2.2 基于多变量协整的ECM预测模型 |
| 5.2.3 铁路货车保有量测算模型构建 |
| 5.2.4 模型测算性能评价及结果验证 |
| 5.3 本章小结 |
| 6 铁路运输系统规模匹配协调性研究 |
| 6.1 铁路系统规模匹配协调关系分析 |
| 6.2 铁路系统规模匹配协调性评价指标 |
| 6.2.1 铁路网货车承载系数 |
| 6.2.2 承认车比例 |
| 6.2.3 铁路网区段通过能力负荷系数 |
| 6.3 算例 |
| 6.3.1 铁路网结构及相关数据说明 |
| 6.3.2 规模匹配协调性指标计算与结果分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 研究内容总结 |
| 7.2 研究特色与创新 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（9）盾构机实测数据建模方法及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 主要模型与算法名称缩写表 |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与意义 |
| 1.2.1 研究背景 |
| 1.2.2 存在的问题 |
| 1.2.3 研究意义 |
| 1.3 国内外研究现状分析 |
| 1.3.1 盾构机发展历程 |
| 1.3.2 盾构机实测数据来源与构成 |
| 1.3.3 盾构机实测数据应用研究现状 |
| 1.3.4 多工况工程数据划分方法 |
| 1.3.5 多保真度工程数据建模方法 |
| 1.3.6 不等容工程数据建模方法 |
| 1.4 本文的主要研究内容 |
| 2 强相关属性关联关系引导的运行实测数据划分方法 |
| 2.1 引言 |
| 2.2 数据聚类 |
| 2.2.1 数据聚类概述 |
| 2.2.2 模糊c均值算法 |
| 2.2.3 聚类评价指标 |
| 2.3 强相关属性关联关系引导的模糊c均值聚类 |
| 2.3.1 强相关属性关联关系引导的模糊c均值聚类模型 |
| 2.3.2 AFCM聚类模型的优化策略 |
| 2.3.3 算法分析 |
| 2.3.4 数值算例测试 |
| 2.4 盾构机运行实测数据划分实验 |
| 2.4.1 盾构机运行实测数据的来源与背景 |
| 2.4.2 有标注地质工况运行实测数据聚类实验 |
| 2.4.3 无标注地质工况运行实测数据聚类实验 |
| 2.5 本章小结 |
| 3 基于回归关系聚类的运行实测数据建模方法 |
| 3.1 引言 |
| 3.2 基于回归关系的模糊c均值聚类 |
| 3.2.1 基于回归关系的模糊c均值聚类模型 |
| 3.2.2 RFCM聚类模型的优化策略 |
| 3.2.3 子类回归模型构建方法 |
| 3.2.4 数值算例测试 |
| 3.3 RFCM聚类模型辅助的数据建模方法 |
| 3.3.1 方法框架 |
| 3.3.2 数值算例测试 |
| 3.4 盾构机掘进速度预测实验 |
| 3.4.1 训练数据聚类与建模 |
| 3.4.2 测试数据与预测结果 |
| 3.5 本章小结 |
| 4 基于多保真度代理模型的泛化能力提升方法 |
| 4.1 引言 |
| 4.2 代理模型 |
| 4.2.1 克里金法 |
| 4.2.2 径向基函数 |
| 4.3 多保真度代理模型 |
| 4.3.1 多保真度代理模型概述 |
| 4.3.2 基于克里金法的多保真度代理模型 |
| 4.3.3 基于径向基函数的多保真度代理模型 |
| 4.4 基于支持向量回归的多保真度代理模型 |
| 4.4.1 方法构造 |
| 4.4.2 数值案例测试 |
| 4.5 盾构机掘进速度预测实验 |
| 4.5.1 运行实测数据与仿真数据 |
| 4.5.2 掘进速度预测结果 |
| 4.6 本章小节 |
| 5 运行与地质实测不等容数据的联合建模方法 |
| 5.1 引言 |
| 5.2 不等容数据建模方法 |
| 5.2.1 不等容数据建模问题概述 |
| 5.2.2 定性变量-定量变量耦合建模方法 |
| 5.3 基于支持向量回归的不等容数据建模方法 |
| 5.3.1 方法构造 |
| 5.3.2 数值算例测试 |
| 5.4 盾构机掘进速度预测实验 |
| 5.4.1 地质实测多类型数据的融合方法 |
| 5.4.2 掘进速度预测结果 |
| 5.5 运行与地质参数对盾构机掘进速度的敏感度分析 |
| 5.5.1 Sobol指数法 |
| 5.5.2 输入参数取值范围及抽样方法 |
| 5.5.3 敏感度分析结果 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录A 盾构机运行实测参数表 |
| 附录B 岩土物理力学指标 |
| 附录C 多保真度代理模型测试函数 |
| 附录D 基于MATLAB GUI的盾构机实测数据分析系统 |
| D.1 开发背景 |
| D.2 系统框架和用户界面设计 |
| D.2.1 系统总体框架 |
| D.2.2 系统主界面 |
| D.2.3 数据划分模型模块 |
| D.2.4 数据预测模型模块 |
| D.3 人工合成数据集测试 |
| D.3.1 数据划分模型 |
| D.3.2 数据预测模型 |
| D.4 盾构机实测数据集测试 |
| D.4.1 数据划分模型 |
| D.4.2 数据预测模型 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（10）基于LSTM的煤炭价格预测模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 基于计量经济学的价格预测方法 |
| 1.2.2 基于人工智能模型的价格预测方法 |
| 1.2.3 文献述评 |
| 1.3 研究内容、方法及思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究思路 |
| 2 LSTM模型预测原理 |
| 2.1 煤炭价格短期预测的方法 |
| 2.2 神经网络简介 |
| 2.2.1 神经网络的组成 |
| 2.2.2 神经网络的激活函数 |
| 2.2.3 神经网络的分类 |
| 2.3 LSTM模型及特征 |
| 2.3.1 循环神经网络的原理 |
| 2.3.2 循环神经网络模型的优势及问题 |
| 2.3.3 LSTM神经网络理论分析 |
| 2.3.4 LSTM神经网络优势及问题 |
| 3 煤炭价格影响因素及统计特性 |
| 3.1 影响煤炭价格的因素 |
| 3.1.1 生产成本 |
| 3.1.2 煤炭产量 |
| 3.1.3 煤炭消费 |
| 3.1.4 替代能源 |
| 3.1.5 库存变化 |
| 3.1.6 煤炭进出口 |
| 3.1.7 国际市场煤炭价格 |
| 3.1.8 政治经济因素 |
| 3.2 煤炭价格的数理统计特性 |
| 3.2.1 非平稳 |
| 3.2.2 周期性和趋势性 |
| 3.2.3 高噪音性 |
| 3.2.4 非线性 |
| 3.2.5 波动性和波动周期性 |
| 3.2.6 非随机性 |
| 3.2.7 低频性 |
| 3.3 预测模型选择分析 |
| 4 模型建立 |
| 4.1 WT-LSTM模型的构建 |
| 4.1.1 小波变换 |
| 4.1.2 应用分析 |
| 4.2 Kalman-LSTM模型的构建 |
| 4.2.1 kalman滤波基础理论 |
| 4.2.2 应用分析 |
| 4.3 Lookahead-LSTM模型的构建 |
| 4.3.1 问题分析 |
| 4.3.2 Lookahead算法 |
| 4.3.3 应用分析 |
| 5 模型检验 |
| 5.1 实验样本说明 |
| 5.2 实验准备 |
| 5.2.1 数据准备 |
| 5.2.2 LSTM模型准备 |
| 5.2.3 相关模型参数说明 |
| 5.3 模型对比分析 |
| 5.3.1 预测准确度对比 |
| 5.3.2 拟合趋势性对比 |
| 5.3.3 训练耗时对比 |
| 5.3.4 拟合误差对比 |
| 5.4 模型应用评价 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间的研究成果 |
四、包含周期变动的回归预测模型及其应用（论文参考文献）
- [1]重力坝变形监控的智能分析方法研究[D]. 李斌. 西安理工大学, 2021(01)
- [2]我国体育产业高质量发展的金融支持研究[D]. 许嘉禾. 山东大学, 2021(11)
- [3]三峡库区库岸堆积层滑坡位移预测与稳定性评价方法研究[D]. 李麟玮. 中国地质大学, 2021
- [4]万州区滑坡灾害位移与库水位及降雨响应关系研究[D]. 蒋宏伟. 中国地质大学, 2021(02)
- [5]基于变采样周期的网络控制系统动态调度研究[D]. 侯佳星. 大连理工大学, 2021(01)
- [6]考虑库水位变动下混凝土坝变形安全监控模型研究[D]. 曾午镜. 南昌工程学院, 2020
- [7]智能算法在中药材价格分析中的应用研究[D]. 方涛. 河北地质大学, 2020(05)
- [8]基于协整理论的铁路运输系统规模测算及协调性研究[D]. 钱名军. 兰州交通大学, 2020(01)
- [9]盾构机实测数据建模方法及其应用研究[D]. 石茂林. 大连理工大学, 2020(01)
- [10]基于LSTM的煤炭价格预测模型研究[D]. 王永乐. 西安科技大学, 2020(12)