旨在针对中国特色的采供血场景,研究适用于中国国情的血液日采集量高性能预测模型.首先,对工作日、节假日、星期、月份、季节、寒暑假及前1天采血量这七个因素进行特征分析,通过统计分析证明这些因素均显著影响血液采集量.然后,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆神经网络(Long Short-Term Memory,LSTM)的CNN-LSTM组合模型,通过CNN提取数据周期性与局部特征,并利用LSTM捕捉数据的长期时序依赖关系,增强特征表达能力.试验结果证明,与CNN、LSTM、广义回归神经网络(Generalized Regression Neural Network,GRNN)、反向传播神经网络(Back Propagation Neural Network,BPNN)、极限学习机(Extreme Learning Machine,ELM)、季节性自回归积分移动平均模型（Seasonal Autoregressive Integrated Moving Average，SARIMA）和线性回归(Linear Regression,LR)等方法相比,CNN-LSTM模型对多类因素的时序特征提取最充分,预测精度最优,其归一化平均绝对误差(Normalized Mean Absolute Error,NMAE)和归一化均方根误差(Normalized Root Mean Square Error,NRMSE)指标最多分别降低25.80%和26.54%,决定系数(R²)指标最高提升320.85%.预测结果可为采供血机构调整采供血计划与库存运作策略提供更为精准的决策参考.

数字金融作为现代经济体系的重要组成部分,对新质生产力的发展具有关键的影响力.本文基于2013-2022年中国30个省份的面板数据,运用熵权-TOPSIS法测算省级层面新质生产力发展水平,并通过双向固定效应模型和中介效应模型分析数字金融对新质生产力的影响效应和作用机制.研究发现,数字金融显著促进了新质生产力的发展,该结论通过了稳健性检验和内生性处理.异质性分析中发现,这种促进作用在不同地区、不同创新能力和不同企业集聚程度表现出差异性,呈现出“中部>东北部>东部>西部”“创新能力高>创新能力低”“企业集聚程度高>企业集聚程度低”的格局.作用机制检验发现,数字金融通过推动科学技术水平、提高资源配置效率和优化产业结构升级的正向效应对新质生产力产生促进作用.门槛效应分析发现,在数字金融影响新质生产力的过程中,当创新产出水平跨越门槛值时,数字金融对新质生产力的促进作用减弱,存在边际递减效应.因此,本文讨论了相关政策建议,为数字金融促进新质生产力的发展政策制定提供有益思路.

在线旅游评论承载着旅游者的真实出行体验,对潜在旅游者的决策具有重要的参考价值.然而,由于评论数量庞大,潜在旅游者难以逐一浏览并全面获取有效信息.此外,现有旅游行程推荐的研究对在线评论中的情感信息挖掘仍显不足,难以精准反映用户需求.考虑到旅游行程的选取通常涉及多方面的制约因素,本文提出了一种基于图片模糊集的MACONT多属性决策方法,以为潜在旅游者推荐合适的旅游行程.首先,利用八爪鱼爬虫工具从携程旅游网站挖掘旅游行程评论数据,并通过jieba分词对文本进行预处理.接着,通过LDA主题模型确定旅游行程的决策属性及权重.其次,采用SnowNLP情感分析技术提取评论的情感倾向,并将其量化为图片模糊数.随后,结合MACONT多属性决策方法,构建图片模糊MACONT决策模型,实现旅游行程的综合排序.最后,通过算例分析验证所提方法的合理性,并通过敏感性分析与对比分析进一步证明其有效性.

发行绿色债券不仅是推动企业新质生产力提升的关键动力,而且是深化环保责任实践、完善环境治理体系的重要手段.本文基于2010-2022年A股上市企业数据,运用双重差分模型分析绿色债券发行对企业新质生产力的影响.研究发现:(1)企业发行绿色债券能够显著提升新质生产力水平;(2)机制分析表明发行绿色债券通过提高企业绿色创新能力以及降低融资成本促进了新质生产力的提升;(3)异质性分析发现绿色债券的发行对非国有企业、中小微企业、高污染型企业新质生产力的促进作用更显著;(4)进一步分析发现公众环境关注度和地区环境规制在企业新质生产力的提升过程中起到显著的逆向调节作用.本文研究结果为提升企业新质生产力水平,实现企业绿色发展转型,推动企业高质量发展提供了有力的经验证据.

本文在平衡排序集抽样(RSS)设计下研究了N(μ,σ²)分布中μ已知时,总体方差σ²的优良估计及其性质.理论结果表明,总体方差的平衡RSS估计比简单随机抽样(SRS)估计有效.为进一步提高统计推断的效率,本文提出了适用于该模型的Fisher信息量最大化RSS设计和拟充分完全统计量RSS设计,并在这两种设计下研究了该模型中总体方差的优良估计及其性质.研究结果表明,总体方差的Fisher信息量最大化RSS估计和拟充分完全统计量RSS估计都比平衡RSS估计有效.总体方差的拟充分完全统计量RSS估计比Fisher信息量最大化RSS估计有效.另外,本文在平衡RSS下研究了N(μ,σ²)分布中μ未知时,总体方差σ²的优良估计及其性质.研究结果表明,μ未知时总体方差σ²的平衡RSS估计比SRS估计有效.实际数据分析进一步验证了这个研究结果.

本文旨在研究一类带有不确定数据的极大极小分式半无限优化问题的鲁棒最优性条件和对偶性理论.首先,借助鲁棒优化方法,Dinkelbach方法和鲁棒型约束规格条件,建立该不确定优化问题的鲁棒最优性条件.随后,引入它的混合型鲁棒对偶问题,并刻画它们之间的鲁棒对偶性质.作为特例,研究平方和凸多项式结构的极大极小分式半无限优化问题的最优性条件与平方和松弛性性质.

外卖配送问题具有订单请求动态性、多目标以及取送一体化等特性,需要动态跟进骑手状态以更新配取路径.本文针对外卖配送路径规划中的多目标动态优化问题,考虑骑手体力和路网熟悉度对配送效率的影响,以最大化平台、骑手、顾客的三方利益为目标,设计并构建新的外卖配送路径优化模型.为解决动态时间片段下多目标的权重设定难题,本文提出一种基于动态权重调整策略的多目标启发式算法.同时,外卖配送的算例证明算法的可行性.结果表明:本文算法能够在动态环境下有效平衡三方利益,输出各方均满意的配送方案,且效果优于Gurobi求解器,验证算法的有效性.针对不同类型骑手的派单策略进行分析,所获得的管理启示可为外卖平台的运营提供决策借鉴.

循环码是线性码的重要子类,由于具有高效的编码和译码算法,使得它们在通信系统、消费电子以及数据存储系统中都有广泛的应用.本文的主要目的是研究参数为[3^m-1,3^m-1-2m,4],的最优三元循环码的构造.通过分析有限域$\mathbb{F}_{3^m}$上特定方程解的存在情况,我们得到了两类不同的最优三元循环码.此外,证明了本文构造的循环码与所有已知结果是不同的,即我们的研究结果是新的、未被其他学者研究过的.

“双碳”目标下先进制造企业以绿色创新为发展核心,积极提升其竞争力,然而先进制造业的绿色创新是一个由政府、社会公众与先进制造企业(简称：企业)共同组成的绿色创新系统,应该通过系统内部的有效协同发展,提高行业整体的绿色创新效率.由此,建立由企业、政府和公众共同组成的三方演化博弈模型,分析政府的外部激励(包括：孵化平台、研发补贴和税收优惠)与公众的绿色偏好等因素对企业绿色创新策略的影响.研究发现:三种政府外部激励促进企业绿色创新的效果不尽相同,其中在绿色创新初期研发补贴更能促进企业绿色创新;当公众绿色偏好提高到一定程度,政府可以不再给予企业任何外部激励,便可实现企业自发的绿色创新;在无政府外部激励的前提下,若想实现企业自发绿色创新,那么企业的绿色创新并不是越高越好,而是存在一个最优的绿色创新程度,此时企业能够以最低的公众绿色偏好要求来实现自发的绿色创新.

比例标签学习（LLP）是一个弱标签学习问题，其中实例级标签信息以袋子的形式抽象，即只有每个袋子的标签比例可用。因此，LLP可以被归类为“学习袋社区”，即由实例组成的“学习袋”是相互关联的。与典型的分类法类似，我们的目标不仅是学习一个分类器来极大地恢复训练数据中的实例级标签，而且还要将这种标签预测泛化到未见过的数据中。然而，由于统计估计的模糊性或近似性以及标签噪声的存在，这种学习框架更现实的情况是容易设想一种区间比例信息，而不是LLP中的实值比例。因此，对于这些通用场景，标准的LLP方法无法提供令人满意的标签预测器。在本文中，我们提出了一种名为区间标签比例（Bounded Label Proportions，BLP）的新学习框架来解决这个令人困扰的问题。此外，我们还提出了一种基于随机森林（RF）的BLP鲁棒算法： BLP-Forest算法，它能够较好地处理多类高维问题。为了便于比较，我们将实验分为两部分。首先，我们将BLP-Forest退化为标准LLP问题，以验证这两个相似学习问题之间的演变。结果表明，即使在配备实值比例信息的情况下，BLP-Forest也具有天然优势，这主要得益于RF算法的应用。在第二部分中，我们选择了具有多类和更高维度的大型数据集。同时，我们还特意为每个数据包中的比例信息添加了适当的噪声。所有实验都表明，BLP-Forest在大多数情况下都能获得最佳精度。最后，我们得出结论，在处理多类和高维度问题时，我们的方法性能最佳。

准确分析和预测区域间道路交通碳排放的复杂变化趋势,对于制定和优化碳减排目标、推进道路交通行业减污降碳协同增效至关重要.针对道路交通碳排放具有的时段性高峰、季节性变化等多元时变特征,以及由不同区域交通互联所带来的紧密耦合空间特征,本文考虑了气候区域性与经济地理分布的差异,构建了一种多时空融合的区域间道路交通碳排放预测模型MTGCN.首先,通过时间特征提取器来捕捉碳排放短期波动和长期趋势的时间依赖关系.在此基础上,融合静态和动态自适应图结构信息,并利用空间特征提取器挖掘区域间道路交通碳排放潜在的空间依赖关系.最后,基于长三角地区的日碳排放数据验证了所提出模型的有效性.

模型平均是当下统计学界和计量经济学界的一个热点问题,诸多模型平均方法相继被提出,相应的权重所具备的统计性质也分别得到了验证.多因变量模型是一类重要的统计模型,在各个领域中都有着广泛地应用.本文基于多因变量线性统计模型分别在MMMA和MJMA的意义下获得了模型平均估计中关于权重的收敛速度,并且验证的结果也涵盖了单因变量情形下模型平均估计权重的收敛速度.此外,我们通过相应的数值模拟来验证权重的收敛速度.

考虑由一个专有品牌制造商(PCM)、一个原始设备制造商(OEM)和策略性消费者组成的两期动态系统,其中PCM能够生产终端产品,决定是否以及何时向OEM提供组件,并确定何时进入终端市场.针对专有组件的批发价格由PCM自主定价或双方谈判确定两种情形,分别构建动态博弈模型,研究产品质量差异、消费者策略性购买行为以及议价能力对PCM竞合策略选择的影响.研究表明:1)当PCM拥有专有组件的自主定价权时,PCM的策略选择主要取决于产品质量差异.当OEM生产低质量产品时,PCM选择垄断两期终端市场;当OEM生产高质量产品时,如果产品质量差异较低,PCM第二期提供组件且两期均进入终端市场;如果质量差异较高,PCM第一期提供组件且第二期进入终端市场.2)当PCM与OEM通过谈判确定批发价格时,第二期提供组件且两期都进入终端市场是PCM的劣势策略;PCM是否选择第一期提供组件且第二期进入终端市场取决于议价能力、消费者耐心程度和产品质量差异.3)与PCM自主定价情形相比,尽管谈判损害了PCM的利益,但如果OEM愿意重新设计利益分享机制,谈判能够实现双方利润的Pareto改进.

本文研究两个竞争的再保险人与一个保险人博弈下的再保险合同制定问题。保险人从事两种相依的保险业务，相依性通过索赔次数与索赔额共同刻画。针对两种保险业务，保险人分别与不同的再保险人签订再保险合同。对于这两种保险业务，我们都不限定再保险类型，再保险的具体形式通过求解保险人和再保险人所考虑的随机优化问题确定。通过相对业绩，我们量化两个再保险人之间的竞争，建立他们之间的非零和随机微分博弈，进而建立保险人与两个再保险人之间的主从随机微分博弈。在均值-方差准则下，利用随机分析和随机控制技术求得最优再保险合同，即保险人的最优索赔风险分担策略和两个再保险人的最优再保费定价策略。最后，通过数值实验探究模型参数对最优再保险合同的影响。

结合径向基神经网络和事件触发控制策略,研究了模型未知情况下的非线性多机器人系统的分布式编队控制问题.提出了一种分布式事件触发编队跟踪控制协议,并给出了状态信息触发控制器更新的条件.该控制协议仅需利用自身状态信息与邻近机器人通信,即可迅速实现编队跟踪控制目标.系统的收敛性与初始状态无关,能有效降低系统控制器的更新频率和资源消耗.利用Lyapunov稳定性理论,证明了在所提出的协议作用下,即使多机器人模型存在未知动力学部分,系统也能够实现编队跟踪,并且不存在Zeno行为.最后,通过仿真实例验证了理论结果的可行性.

本文旨在研究求解线性等式约束凸优化问题的一类具有可变质量的 Tikhonov 正则化原始对偶惯性动力系统.借助适当的假设条件和能量函数,首先得到沿该系统所生成轨道的原始对偶间隙,目标函数残差,可行性违反度,速度向量以及目标函数梯度范数的收敛速率.随后证明该动力系统的解轨道强收敛于该线性等式约束优化问题的最小范数解.最后,借助数值实验解释所得理论结果.

在实际应用中,桥式起重机常常会受到双摆效应的影响,这使得系统的控制变的更加复杂.现有的大多数传统控制方法往往没有考虑双摆现象.此外,对于起重机系统,已提出一些轨迹规划方法以提高工作效率,但这些方法将绳索长度视为不变的.针对这些问题,提出一种考虑升降作业的双摆桥式起重机轨迹规划方法.具体而言,为了提高运输过程的效率和安全性,将轨迹设计为三个阶段(加速,匀速和减速阶段).对于每一阶段,根据摆角约束和零剩余摆角的要求,直接构造期望摆角曲线,通过对双摆系统动力学方程的分析,进一步得到小车的加速度轨迹.然后,引入优化机制,构造了关于运输时间和最大摆角的目标函数,将轨迹规划问题转化为目标函数的优化问题.最后,通过仿真验证了所提轨迹规划方法的有效性.

文章从拓扑结构的角度研究了基于一致性协议的符号多智能体网络的能控性. 首先, 基于拉普拉斯矩阵的特征向量和领导者$-$跟随者结构, 得到了无向符号拓扑能控的代数充要条件. 依此条件, 对于通过连接两个子拓扑得到的合成拓扑, 提出了两种连接能控子拓扑来构造能控合成拓扑的方法. 此外, 基于不能控的无向符号拓扑, 首次定义了同符号双重能控性破坏节点 (Same sign double controllability destructive nodes, SSDCDN) 和逆符号双重能控性破坏节点 (Inverse sign double controllability destructive nodes, ISDCDN), 通过分析这些节点的特征得到了能控性在多领导者无向符号拓扑图上的充要条件. 最后, 在已有结论的基础上, 提出了两种特殊类型的不能控符号子拓扑与能控符号子拓扑连接形成能控合成符号拓扑的设计方法.

近年来，全球频发的突发事件不仅对社会经济造成严重影响，还导致了大量的人员伤亡。应急调配是应急管理的关键工作，当物资短缺情况可以通过物资在受灾点之间转移的方法，来提高物资的运送时效，保障灾民的物资需求。现有关于应急物资动态调配的研究较少考虑非消耗性物资在受灾点之间的转移过程，存在物资调配效率较低、灵活性和公平性不足等问题。因此，本文针对多供应点、多受灾点、多种类应急物资的场景，结合供应点向受灾点分配物资和在受灾点间转移物资两种调度方式，建立考虑受灾点间物资转移的动态调配模型。该模型考虑了供需量、需求紧迫度、运输能力及道路通行状况等时变信息，以及非消耗性物资需满足服务时长需求等因素，以效率和公平为目标制定应急物资动态调配方案，从而提升物资调配的效率，实现应急资源配置优化。通过对案例场景的求解与分析，从应急物资的调度效率、公平性、考虑受灾点间物资转移的效率等方面验证了模型的有效性和调配方案的合理性。

面对日益复杂工业系统,现有质量相关故障诊断方法未能深入揭示故障和质量间的内在联系,且缺乏对系统动态变化的综合考量,导致故障误报频繁出现.频繁的故障误报不仅会引发不必要的停产维修,还会导致生产效率大幅下降,进而增加设备维护成本并造成人力资源的浪费.针对上述问题,本文提出一种基于多层次分解的质量相关区间故障诊断方法.首先,该方法充分考虑质量数据和过程数据之间的非线性关系,以多层次分解策略构建数据模型.其次,该方法利用高阶离散统计量对系统状态进行检测,设计质量相关故障检测方案.进一步,通过分析故障样本与正常样本的分离轨迹,给出了区间动态故障诊断结果.最后,利用田纳西伊斯曼平台与风电机组系统对比验证本文方法的有效性.

极端气候事件频发对区域性金融体系构成威胁，研究其影响机制对防范系统性金融风险具有重要意义。在这一背景下，本文构造2014—2022年期间中国31省市区域性金融风险指数作为样本构建方差分解溢出指数，与此同时构建极端高温、极端低温和极端降水三个极端气候代理变量实证检验了极端气候对区域性金融风险波动溢出的影响，并对金融风险波动溢出的区域异质性作进一步分析。研究发现，极端高温显著提升区域性金融风险波动溢出水平，极端低温和极端降水对区域性金融风险波动溢出影响程度较弱；经济基础薄弱、产业结构单一的区域如内蒙古、西藏、西北等地区更易在极端气候风险冲击下产生金融风险波动溢出。此外，研究发现区域碳排放强度越高，极端高温对区域性金融风险波动溢出的影响程度越大，强化事前的碳减排机制成为缓解极端高温对区域性金融风险波动溢出的“压舱石”。因此，提升地方政府应对极端气候风险的意识、强化碳减排机制，是应对极端气候的必要举措。

利用2009年至2023年华证ESG评级数据，本文检验上市公司ESG评级对企业下一年度在股价、财务和经营三个方面的风险水平的影响。研究发现，较好的ESG评级对企业未来一年三项风险水平均有显著的抑制作用。具体地，对于股价崩盘风险，高于基准水平的ESG评级作为一种强烈的市场信号对企业股价崩盘风险水平的降低更显著；投资者关注程度高的个股，ESG降低企业股价崩盘风险作用更强；此外，在《环境保护法》实施后ESG和股价崩盘风险的负向关系更加显著。而对于财务风险，ESG对于企业财务风险的降低具有边际递减效应，ESG评级从低到中的提高能够改善企业财务风险水平，但随着ESG评级进一步的提高，该作用变得不显著；同时企业自愿披露非财务信息行为对于ESG评级降低企业财务风险具有调节作用，企业的自愿披露行为加强了ESG对于财务风险的抑制作用。对于经营风险，ESG评级降低经营风险作用同样具有边际递减效应；同时股权性质对ESG评级降低经营风险有调节作用，相比于私企，ESG评级对国有企业经营风险的抑制作用更强。本文基于企业年限长短的分样本异质性检验结果显示，对于成立年限长的企业，ESG评级对风险的抑制作用更强，而对于成立年限短的企业则较弱。

随着互联网技术的不断发展, 数据流受到了广泛的关注, 但异常值的存在可能会对数据流的统计推断产生不利影响, 所以研究有效的异常值检测方法至关重要. 由于数据流具有实时性, 传统的异常值检测方法将面临挑战. 针对这一挑战, 本文提出一种适用于数据流的异常值在线检测方法. 首先, 在线更新数据流的样本均值函数, 进而更新数据流的主成分得分, 获取最小修剪得分集并评估其均值估计量的稳健性; 其次, 基于距离的渐近分布构造阈值规则来检测异常值, 运用一步重加权方法控制异常值检测的假阳性率; 最后, 通过模拟研究和实例分析验证了本文所提出方法的合理性与有效性.

本文研究多目标分式规划问题的近似强Karush-Kuhn-Tucker条件. 首先, 针对该问题的有效解, 建立了近似强Karush-Kuhn-Tucker必要和充分条件; 其次, 针对该问题的Geoffrion真有效解, 提出了近似强Karush-Kuhn-Tucker充分条件; 最后, 探讨了近似强Karush-Kuhn-Tucker 和经典强Karush-Kuhn-Tucker之间的关系.

增长曲线模型是纵向数据分析的经典模型,该模型的两个重要假定是:1）随机误差项服从多元正态分布;2）组别矩阵已知.本文放松以上两个假设,首先将随机误差项的分布从多元正态分布扩展到更一般的多元权指数分布,研究增长曲线模型下的参数估计问题;然后研究组别矩阵未知的增长曲线模型（称为混合增长曲线模型）的参数估计问题,并获得了一种纵向数据聚类的新方法,即基于混合增长曲线模型的聚类方法.模拟分析和实际数据分析都表明所提出的方法具有有效性和合理性.

本文基于2011年至2021年78家城市商业银行和农村商业银行平衡面板数据，采用固定效应模型检验数字普惠金融对区域商业银行经营绩效的影响。结果表明：两者间存在显著负向关系，这一结论经过内生性处理和稳健性检验后仍然成立,说明当前竞争挤出效应仍然影响较大。进一步通过调节效应和门槛效应分析表明，数字普惠金融技术溢出效应驱动区域商业银行业务创新和提升风险承担能力，减弱了两者负效应，且风险承担调节效果更加显著；门槛值参数估计结果显示，业务创新对农村商业银行负向收敛调节效果更加显著，风险承担对城市商业银行负向收敛调节效果更加显著。本文研究结论对区域商业银行数字化转型及区域经济的可持续健康发展具有重要的实践启示。

为了解决具有可变输入时滞的大规模二阶多智能体集群编队控制问题, 本文提出了一种基于状态观测器的局部分段控制策略. 首先, 基于链式拓扑结构特征以及期望位置信息, 反向运用差分策略, 将离散多智能体连续化, 推导出含阻尼的二阶波方程模型等效替代传统且繁琐的常微分方程组(Ordinary Differential Equations, ODEs); 其次, 围绕可变输入时滞的固有约束, 考虑领导者与跟随者的交互机制, 构建具有时滞补偿特征的误差状态观测器; 再次, 基于估计的领导者动力学特性, 提出分段局部控制策略, 并在线性矩阵不等式(Linear Matrix Inequality, LMI)的框架下, 融合Lyapunov-Krasovskii函数, Writinger不等式的变式, Jensen不等式以及Halanay不等式, 推导出能够保证误差系统稳定的充分条件; 最后, 分别在二维与三维空间进行对比仿真, 成功验证所提出编队控制方法的有效性.

针对机械臂控制通常忽略执行器动态特性的问题,提出了将机械臂本体和永磁同步电机作为整体进行控制.为了提高机械臂系统运行时的动态性能与稳态性能,设计了递归动态面滑模控制方法与动态扩张误差端口哈密顿方法的协同控制策略.通过研究对比了柯西函数,高斯函数,双曲正切函数和Sigmoid函数.研究结果表明双曲正切函数性能最优,并将双曲正切函数将应用于协同控制策略中,该函数同时考虑了位置误差和速度误差的影响.针对系统中存在的外部扰动以及摩擦项,将两者视为集总扰动,设计了扩张状态观测器(ESO)进行观测并补偿到控制器中.最后通过仿真验证了协同控制策略和控制器可以使机械臂系统同时具有快速的动态性能和准确的稳态性能,并提高了系统的抗干扰特性和鲁棒控制性能.

针对电力现货价格时序的高波动性和复杂性，研究提出了基于小波变换与轻量级梯度提升决策树(Light Gradient Boosting Machine,LGBM)的组合预测模型。通过引入滚动时间窗口与小波变换实现电力现货价格序列的动态多尺度分解，提取各频率特征以降低其模态复杂性的同时还可以有效规避数据泄露问题。研究利用LGBM算法的复杂非线性特征提取能力进行预测建模。为了验证模型的有效性，研究采用山西省电力现货市场数据对提出的组合预测模型进行实证分析。结果表明：本文提出的动态分解组合预测模型在均方根误差、平均绝对误差和决定系数等多个关键性能指标上均优于长短期记忆模型、支持向量机、弹性网络回归模型以及极致梯度提升模型等主流预测方法，其中决定系数R²达到0.9792，表现出较高的预测精度。同时，本文所提模型在不同市场条件下均表现出稳健性和适应性，为电力市场参与者提供了可靠的预测工具，有助于优化交易策略、降低市场风险。

自动生产线融入故障智能诊断报警技术能避免因故障带来的生产中断和经济损失. 传统的故障诊断方法通过机器视觉等技术采集反映机械疲劳故障的物理特征数据进行预测, 但复杂工况中存在的大量噪声导致基于该方法的高精度故障诊断需要大量成本. 因此, 本文提出一种基于产线数据挖掘故障潜在发生规律并实现预测预警的方法. 首先, 基于生产线直接产量数据构造五类泛化性较高的衍生特征变量对故障进行表征; 其次, 基于近邻欠采样平衡故障数据稀缺现象, 并构建CNN-LSTM-Attention模型进行故障诊断与预警; 最后, 利用10条生产线共计7500万条数据进行数值实验, 并于传统机器学习、CNN和LSTM模型进行对比验证. 实验结果表明, 该模型预测精度为99.97%, 证明在不依赖机理特征的情况下, 能够有效实现数据挖掘与特征工程层面的生产线故障诊断与预警.

随着智能出行和共享经济的发展, 出行即服务(Mobility-as-a-Service, MaaS)平台逐渐发展成为现代交通系统的一部分. MaaS平台的成功依赖于平台运营商与运输服务提供商之间的数据共享, 但如何平衡共享的程度与质量、协调各方利益, 仍是一个重要挑战. 本文旨在分析MaaS模式下的数据共享问题, 重点探讨数据共享程度和数据共享质量对系统效益的影响. 为此, 本文构建了由一个MaaS平台运营商和一个运输服务提供商组成的交通系统, 并基于微分博弈理论, 分析了三种不同博弈情境下各参与者的最优策略和收益. 结果表明, 当收益分配系数满足一定条件时, 从Nash非合作博弈到Stackelberg主从博弈, 再到协同合作博弈, 对各参与者和交通运输系统整体来说是一种帕累托改进. 此外, 补贴激励和协同合作机制均能有效提高MaaS平台运营商和运输服务提供商的数据共享效率, 进而提高双方及系统整体的收益.

针对属性评价信息为概率语言术语集的群体决策问题, 本文提出一种社会网络下基于Jensen-Shannon 距离的多属性决策新方法. 该方法首先构建信任-共识-犹豫度驱动的社会网络, 基于此, 结合PageRank 算法和首因效应设计动态决策者影响力模型, 并建立个体意见演化模型以促进群体共识达成. 其次, 定义概率语言Jensen-Shannon 距离量化评价信息的差异. 随后, 引入公平原则和离差最大化思想, 构建非线性优化模型确定属性权重. 进而, 计算并集结与平均解的加权Jensen-Shannon 距离, 据此提出一种多属性方案排序方法. 最后, 通过算例分析验证所提方法的合理性和有效性.

基于制造商利用收益分享合同拓展B2P（Business-to-Peer）共享销售渠道这一现实观察,本文建立了描述一个制造商、一个传统零售商（或简称零售商）和一个B2P共享平台（或简称平台）之间策略互动的动态博弈模型，并基于相应的均衡结果,揭示了收益分享比例对制造商（在传统零售渠道和B2P共享平台渠道之间）渠道决策和各博弈方利润的影响.结果表明:（1）当产品使用率很低或很高，收益分享合同对制造商的渠道选择没有影响.但当产品使用率处于中等水平时,收益分享合同会影响制造商的渠道选择.在这种情况下,存在一个收益分享比例阈值,当收益分享比例高于此阈值时,制造商的最优渠道选择是单一B2P共享平台渠道;否则其最优渠道选择是双渠道.（2）该收益分享比例阈值随着产品使用率的增加而增加,随着生产成本和平台服务水平的增加而降低.（3）当收益分享合同影响制造商的渠道权衡时,收益分享比例的增加将增加制造商的利润,降低B2P平台和零售商的利润,但对供应链整体利润具有非单调的影响.

股权融资可为企业带来资金、技术以及渠道等方面的优势,是企业赢得市场竞争、实现快速成长的重要战略手段.本文构建了两个成长型零售商均采取股权融资进行市场开拓的Bertrand竞争模型,分析零售商股权融资对市场竞争的影响机制,以及供应商博弈下零售商股权融资和市场竞争策略的变化.研究发现:两个零售商同时采取股权融资进行市场开拓减缓了市场竞争,并存在一定的市场开拓“溢出效应”,竞争对手可通过加强竞争力获取高成长性零售商市场开拓的部分收益.供应商的博弈行为抑制了其链条中零售商的股权融资和市场开拓,但对零售商竞争对手的影响取决于链条中零售商的成长性.此外,零售商的市场开拓还存在“市场竞争传递效应”,具有市场开拓优势的零售商的小幅变动,会通过市场竞争传递到竞争对手供应链,导致其发生较大波动.

考虑中美汽车产业积分政策差异,在企业平均燃料消耗量规制、企业平均燃料消耗量与新能源汽车积分单独管理规制及双积分政策三种情境下,构建汽车制造商双寡头古诺博弈模型,求解并对比了不同情境下的最优决策,得到如下结论:积分单独管理规制在推动新能源汽车产量提升、抑制燃油汽车生产以及提升总产值方面的作用效果稳定,不受政策参数的影响,而双积分政策的作用效果只有当积分交易价格高于某个阈值时才能释放.双积分政策能够通过积分价格信号的调整,达到比积分单独管理规制更好的政策效果,因此,双积分政策展现出更高的灵活性和适应性.两种积分政策都有助于降低新能源汽车的价格,从需求侧引导消费者的绿色购买行为.政策对不同市场参与者的影响具有异质性.积分单独管理规制有利于新能源汽车制造商,而当积分价格足够高时,双积分政策对传统制造商的激励更强.给予新能源汽车一定的核算优惠,双积分政策更易于跨越最低积分交易价格的“死亡之谷”.研究有助于深入剖析汽车产业积分政策的微观与宏观作用机理,为双积分政策的优化和完善提供参考借鉴.

计算机试验在科学研究和工程设计领域应用广泛.其前期阶段通常涉及大量因子,此时设计的低维空间填充性质是识别活跃因子的重要保证.基于效应稀疏和效应等级原则,研究者提出投影分层型以衡量设计的1维至全维度的投影分层性质,并有效地筛选出具有低维空间填充性的设计.但当试验规模较大时,其所需的计算量将指数级增长.本文提出了计算复杂度更低的投影分层性度量,即极大投影分层枚举器.该枚举器可表示为投影分层型的线性组合形式,且可发展出极大投影分层型的一种快速求解方法.此外,本文还给出了极大投影分层枚举器取值下界相关的理论结果,以及极大投影分层设计的数值构造方法.

针对总体分位数的非参数区间估计问题,文章采用分位数排序集抽样方法,提出了总体分位数的非参数估计量,证明了新估计量的强相合性和渐近正态性,并构造出总体分位数的置信区间.根据置信区间的长度,计算了推荐抽样下和标准排序集抽样下置信区间分别与简单随机抽样下置信区间的相对精度.针对置信区间的表达式中含有未知概率密度函数值的问题,采用核密度估计方法,构造了总体分位数的近似置信区间,模拟计算了区间的覆盖率和精度.研究结果表明:分位数排序集抽样下区间的覆盖率和精度都高于标准排序集抽样下和简单随机抽样下相应区间,并且推荐抽样方法弥补了标准排序集抽样方法在极端分位数上的不足.最后,针叶树数据的实际分析结果验证了理论研究结果的正确性.

在动态网络链路预测研究中,全面准确地提取节点信息,深入理解网络的时间演化规律尤为关键.针对这一问题,本文考虑了复杂高阶网络中超图神经网络的时序链路预测,旨在利用超图结构捕捉节点之间的高阶关系和时序变化.在网络的演化过程方面,将网络划分为多个时间戳进行研究;对于每个快照,首先,构建超图并生成其邻接张量,对其进行高阶奇异值分解,并将特征张量映射到低维潜在空间中;其次,将超图神经网络扩展到张量学习,聚合得到节点间的潜在特征交互信息;最后,通过融合序列超图和子图的特征信息,计算连边概率,实现动态链路预测.本方法在保持高阶邻近性和网络一致性的同时,还融合了全局信息,实现了对不同潜在子空间的联合学习,有效提升了动态链路预测精度.为了验证所提出方法的有效性和实用性,基于三个数据集对算法进行了实验,结果表明,与主流的静态和动态链路预测算法相比,本方法不仅表现更为出色,还能够识别热门话题和趋势,有利于及时调整和优化信息传播策略,从而提升用户的粘性和活跃度.

本文针对一阶线性不确定系统,研究了以饱和函数和以ReLU函数为激活函数的循环神经网络控制器的稳定性和鲁棒性.给出了闭环系统收敛到非零目标值的必要条件以及指数稳定的充分条件,定量刻画了状态初值、目标值以及对象未知参数鲁棒性范围与控制器参数之间的关系,分析结果表明以ReLU函数为激活函数的RNN控制器的鲁棒性更强.

私有化改革被视为减少公立医疗体系等待时间的有效策略.本文着重探讨两种私有化改革模式:一是竞争模式,即允许私立医院进入市场与公立医院竞争;二是合作模式,即公立医院与私立医院为实现共同目标而协作.本文采用排队模型刻画患者的问诊过程,分析不同私有化改革下公立医院与私立医院的服务速率与诊疗价格调控,并研究不同改革模式对医联服务覆盖的患者数量、患者等待时间、患者效用及社会整体福利的影响.研究发现,竞争模式能够显著缩短患者等待时间,进而扩大医疗服务覆盖的患者数量,提升患者效用和社会福利;而合作模式虽然也能减少患者的等待时间,但在提升患者数量、患者效用以及社会福利方面则表现出不确定性,只有在公私合作医院的服务容量较大或私有化程度较高时,才能有效促进医疗服务覆盖的患者数量、患者效用以及社会福利的提升.最后,私立医院在选择合作或竞争模式时,主要取决于政府给予公立医院的补贴率以及公私合作医院追求自身利益的私有化水平.具体而言,当补贴率或私有化水平较高时,私立医院更倾向于选择合作模式;反之,则更倾向于选择竞争模式.