本文旨在提出覆盖全部人口普查婴儿漏报的全覆盖婴儿漏报估计量,以替代当前广泛使用但严重低估婴儿漏报的单重漏报估计量.采取数理模型、多重抽样和现场调查相结合的方法,研究全覆盖婴儿漏报估计量的构建及其相关问题.理论和实证研究结果表明:单重漏报估计量覆盖总体婴儿漏报不全;全覆盖婴儿漏报估计量需建立在同质人口层基础上,否则产生异质性偏差;全覆盖婴儿漏报估计量估计精度优于单重漏报估计量、双重漏报估计量和三重漏报估计量,适用于婴儿漏报估计;全覆盖婴儿漏报估计量为有偏估计量,需使用均方误差估计量估计其精度.原创性地提出全覆盖婴儿漏报估计量,构建了人口普查婴儿漏报估计体系.全覆盖婴儿漏报估计量将为国家统计局制定未来婴儿漏报估计方案提供理论支撑及实践依据,提高方案科学性和可操作性.

准确预测大宗商品价格有助于政策制定者及时应对外部经济冲击,增强宏观经济的韧性.本文聚焦于商品市场内部的相互关联以及不同资产之间的风险传导,关注价格动态化的内在规律.基于贝叶斯推理原理,构建了包含因果、相似和相关三类语义关系的先验异质图,刻画商品之间多维影响路径.作为空间图卷积层的基础,该先验图有助于模型有效学习商品间复杂的空间依赖结构.基于注意力机制,推导自注意力值矩阵并将其作为后验动态依赖矩阵,表征价格波动背景下不同商品的动态依赖关系,辅助识别潜在的市场联动与风险关联路径,如识别了上游工业品到下游产品的波动溢出效应.最终本文提出了基于多头自注意力机制的异质图卷积神经网络算法模型，进行价格波动预测.通过选取在中国主流交易市场中连续活跃的50种大宗商品期货合约作为研究对象,基于预处理后的实际交易数据进行了对比实验与消融分析.实验结果显示本文提出的算法在多项指标上优于已有方法,体现了所提算法模型的有效性与实用价值.

在金融、工业、医疗及气象等领域的数据普遍具有异方差、偏斜和厚尾等特性,识别并检验出这类数据的变点具有重要实际意义和理论价值.本文针对联合位置与尺度模型,基于修正的信息准则(MIC),提出了偏t正态(StN)分布条件下变点位置的识别方法.为评估该方法的性能,本文通过同时改变位置参数和尺度参数,将所提出的方法与经典的似然比检验(LRT)进行比较,模拟研究表明该方法优于似然比检验；将该方法应用于兰州市2023年9月1日到2024年8月31日空气质量数据,分析得到的两个变点与环境意义下明确的变点相吻合,说明了该变点检验过程以及识别方法具有较高的准确性.

针对污水处理厂反硝化加药控制过程中存在的模型不确定性强、复杂工况下泛化能力不足以及运行成本较高等问题,提出了一种机理模型引导的残差学习与柔性约束优化方法.该方法以机理模型刻画加药过程的规律,并利用LightGBM对机理残差进行学习补偿,同时融合滞后项与时序特征以增强模型表达能力.在此基础上,引入基于预测结果的柔性省药策略,实现加药过程的经济性优化.实验结果表明,所提混合模型在预测精度方面显著优于机理模型,平均绝对百分比误差由27.26%降至5.79%,并在与纯数据驱动模型对比中表现出更优的分布外稳定性与泛化能力.在时间间隔的场景下,机理引导模型显著降低了性能退化程度,同时在保证出水达标约束的前提下实现了3.54%的药剂消耗降低.沙普利加性解释分析结果进一步表明,机理结构的引入提升了模型的可解释性与工况适应能力.结果表明,该方法能够在预测精度、鲁棒性与运行经济性之间取得较优平衡,为复杂污水处理过程的机理--数据融合建模与优化控制提供了一种有效方法.

航空货运作为支撑全球供应链高效运行的关键环节,其需求变化受多重复杂因素驱动.本文基于TEI@I方法论,对中国十大机场2015-2024年月度货运数据进行互补集合经验模态分解,依据各子序列的平稳性与复杂度,利用季节性差分自回归滑动平均模型、长短期记忆网络和支持向量回归模型等建模预测,并引入突发事件修正模块.此外,本文分析了北方、华东、南方机场群内货运量的关联特征,对比了不同机场群之间的影响因素敏感性与预测误差结构等方面的差异.实证分析结果表明,本文构建的TEI@I预测模型在多数机场、多数指标上具有优良表现,可以为多机场货运量预测提供可靠的方法支持,对地方政府、机场运营者和航空物流企业的战略规划和资源配置具有重要的参考价值.

我国是全球自然灾害最为严重的国家之一,应急疏散是防灾减灾的常用有效手段.在实际应急疏散中,常需快速转运大量脆弱群体(如老年人、孕妇、伤员等).然而,灾后地面路网易受损并发生交通拥堵,严重制约疏散效率.电动垂直起降飞行器(eVTOL)具备垂直起降、越障通行、高速机动的能力,可快速转运脆弱群体并与地面交通形成运力互补,为突破地面交通疏散瓶颈提供新路径.本文考虑地空模式转换中的载客量差异和换乘服务延迟,以最小化系统总疏散时间为目标,构建了地空协同动态疏散优化模型,联合决策地空分流比例和路径流量分配.首先,基于元胞传输模型(CTM)刻画地空疏散交通流的动态演化过程,设计包含载客能力转换与换乘服务延迟的换乘元胞机制.其次,提出一种基于交替方向乘子法(A DMM)的分解算法快速求解模型.最后,在Sioux Falls路网中验证模型与算法的有效性.结果表明：(1)地空协同疏散效率显著优于单一地面模式疏散效率,协同效益随疏散需求增大呈下凹增长趋势并趋于稳定,存在一个全局最优分流比可实现资源动态匹配,在本文算例中最优分流比约为0.38;(2)地空换乘节点是制约空中走廊疏散效率的核心瓶颈,其中换乘等待时间显著高于空中飞行时间且增速更快;(3)提升eVTOL载客能力与起降点服务能力均可降低总疏散时间,但二者均呈边际效益递减特征,且最优分流比对载客能力变化更为敏感;(4)地空换乘节点的起降服务能力与换乘速度共同决定了空中走廊的疏散效率,空中运力提升需与换乘服务能力相匹配才能提升系统的疏散效率.本研究可为复杂应急环境下的疏散预案制定、路径规划及eVTOL和地面运力配置提供决策支持.

针对Duffing系统在微弱信号检测中因加性噪声干扰导致的工程精度不足问题,将受信号与噪声激励的确定性Duffing系统建模为加性Gauss噪声驱动的随机微分方程.分析了该系统漂移项含三次非线性项、满足超线性增长的特点,指出其不满足经典解存在性理论所要求的线性增长条件.将Mao的经典框架与广义局部Lipschitz条件系统应用于该系统,构造满足Khasminskii条件的Lyapunov函数,严格证明了系统在任意初始条件下存在全局解.构造含待定参数的Lyapunov函数,结合Itô公式与Bihari不等式,推导出解的二阶矩的显式上界,由该二次增长上界直接得到二阶矩Lyapunov指数上极限非正的定量结论,表明系统不会出现指数式失控增长.

本文基于Udwadia-Kalaba (U-K)方法,提出一种适用于有向拓扑结构下多全向移动机器人系统的协同控制算法,用于实现编队跟踪与避障控制.首先,在领航-跟随框架下将编队跟踪任务表述为等式约束,并将其重构为二阶微分形式,以匹配U-K方法的加速度约束范式.进而,在初始状态满足安全域的条件下,通过构造控制屏障函数将避障不等式约束转化为可嵌入U-K框架的二阶约束.在此基础上,融合编队跟踪与避障约束,构建加权复合约束集,并利用权重分配在有限权重下近似优先保障安全避障,在权重趋于无穷时获得避障优先的字典序解.最后,基于U-K方法推导出加权最小二乘意义下的显式控制律.仿真结果表明,在静止与运动障碍物共存的环境中,所提算法能在满足安全距离约束的同时恢复编队跟踪.与基于Lyapunov的模型预测控制方法(LMPC)相比,本文算法在实时性与控制精度方面均表现出优势.

金融机构数字化转型作为数字金融高质量发展的核心驱动力，其演进机制与实现路径亟待深入研究。本文基于演化博弈理论框架，构建了包含地方政府、金融机构和金融科技公司的三方随机演化博弈模型，系统揭示了金融机构数字化转型的动态演化机制及策略选择机理，重点剖析了外部环境不确定性对转型进程的差异化影响。研究发现：（1）三方主体在演化过程中呈现非线性交互特征，其策略选择具有显著的相互依赖性；（2）地方政府的政策干预对转型进程具有双重效应：适度的财政补贴能显著提升金融机构转型动力，但存在政策效果临界值，且随着市场机制完善会产生政策替代效应；（3）在确定性演化博弈下，金融机构数字化转型存在“政府引导-市场协同-稳态共生”的最优路径，但该路径在随机演化博弈下易出现偏离与扭曲，尤其体现在市场协同阶段。在随机干扰条件下，补贴政策的调控效果受到显著削弱，金融科技企业表现出更强的风险规避倾向；金融机构与金融科技企业之间的协同效应呈现阶段性波动，系统收敛速度减缓。基于此，建议政府部门应建立动态优化的政策工具箱，金融机构需完善数字化转型的战略规划，并通过深化“数据赋能+科技驱动”的双轮协同机制，构建可持续发展的数字金融生态体系。

在全球环境治理压力加剧与“双碳”目标加速推进的背景下，重污染企业面临着更高的环保合规要求、更严格的排放监管力度与更大的绿色转型压力。这使得它们更倾向于以隐蔽化、复杂化的方式进行漂绿，进而通过伪环保形象获取社会认同、品牌溢价及政策倾斜。然而，现有漂绿行为识别研究多依赖数值或文本等单一模态数据，不仅缺乏对多模态数据的整合运用，而且普遍忽视了企业高层关联关系对漂绿行为识别准确度的影响。因此，本文整合数值、文本与关联网络数据构建基于多模态分层关系图注意力网络（Multi-modal Hierarchical Relational Graph Attention Network,MHRGAT）的漂绿行为识别模型。基于2014-2023年1691家沪深A股重污染企业的实证结果表明：（1）相较于逻辑回归、随机森林等机器学习模型和卷积神经网络、图注意力网络等深度学习模型，MHRGAT模型识别性能最优。（2）不同历史时长的董事关联信息在网络中的传递效能不同，且选择时长为3年的董事关联关系进行漂绿行为识别的性能表现最优。（3）基于多模态融合训练的MHRGAT模型对重污染企业漂绿行为的综合识别性能显著优于基于单模态或双模态数据的模型，证明多模态数据融合能够有效提升漂绿行为识别的整体效果。本文研究成果能够为监管部门提供基于多模态融合与跨模态注意力的漂绿行为识别方法，从而引导重污染企业主动履行环保责任。

能源转型促进了锂离子电池产业链的发展.锂离子电池产业链参与经济体之间存在复杂的国际贸易关系,地缘博弈等突发事件使得贸易或生产风险存在于产业链各环节,风险的时空传导会对整个产业链的国际贸易韧性造成威胁.参与经济体面对风险的积极或消极反馈影响产业链国际贸易韧性.然而,目前的锂离子电池产业链国际贸易研究中,聚焦经济体反馈对贸易韧性的影响研究较为缺乏,并且大多未考虑产品间生产关系.因此,本文构建了“生产-贸易”多层网络模型,通过情景设置及模拟仿真,测度了结合经济体积极和消极反馈的锂离子电池产业链国际贸易韧性,得到如下结论:(1)中国在锂离子电池国际贸易产业链多环节中占据重要位置.智利和澳大利亚在上游贸易中扮演着重要地位.(2)风险传导在锂离子电池国际贸易产业链的不同环节中有所不同.尤其是碳酸锂,其风险冲击能在全球范围内进行较长的时空传导.(3)积极反馈有助于提高锂离子电池产业链国际贸易韧性,消极反馈则导致韧性下降.积极和消极的反馈对中上游产品的韧性影响更加显著.研究结果可为锂离子电池产业链国际贸易韧性提升提供参考.本文提出的研究框架可拓展至其他产业链研究.

本研究聚焦于财务欺诈识别实践中普遍存在的两项关键问题,传统监督式模型在高度不平衡数据下的泛化能力不足以及舞弊识别成本高企的问题.基于中国A股上市公司2012—2022年的年报信息,本文依据拓展舞弊三角理论,结合监管重点关注领域与审计实践,选取涵盖十三类舞弊手段的31项财务指标,用以刻画财务勾稽关系失衡所反映的可检测舞弊信号.方法上,本文提出基于卷积变分自编码器(CNN-VAE)的生成式财务舞弊识别框架.通过学习正常企业财务特征的潜在分布来识别异常样本,从而更好适应舞弊样本稀缺与类别分布不均衡的应用场景.同时,本文引入检索增强的异常得分计算方法,综合刻画企业潜在舞弊风险,并进一步构建阈值优化机制,以最大化舞弊识别的经济收益.实证结果表明,本文提出的方法在多数评价指标上优于主流机器学习与深度学习模型,即使对照模型已结合重采样策略进行优化,本文方法仍表现出更稳定的识别能力.成本分析结果进一步表明,阈值优化能够显著提升模型在真实应用场景下的经济价值,并使多数模型实现正向净收益.

汇率具有非线性,非平稳及复杂波动的特性,现有方法因建模视角单一及非结构化数据利用不充分,导致预测精度受限.本文提出一种基于大模型情感分析的LSTM-GNN时空特征融合的汇率组合预测方法.首先,利用预训练大模型对非结构化数据进行情感分析,量化市场情绪得分,继而融合历史汇率数据,输入长短期记忆网络(LSTM)以提取时序依赖特征;其次,基于经济理论选取相关的宏观经济指标,构建多维图结构,通过图神经网络(GNN)建模变量间的空间依赖关系;最后,利用最优加权组合方法将单项预测值进行组合,得到最终汇率预测结果.为验证该组合预测模型方法的有效性,对2018年1月至2025年2月的美元兑人民币日汇率进行实证预测分析,结果表明,本文方法适用于非线性波动的汇率预测,与已有方法相比具有更高的精确度.

部分因析设计因其高效性被广泛应用于工农业、生物制药、高新技术等领域,如何衡量部分因析设计的最优性是试验设计领域的重要问题.本文基于绝对距离并结合因子的水平置换,定义了平均绝对矩用于度量和筛选优良设计,分别建立了三水平设计的平均绝对矩与广义字长型、矩及正交向量之间的解析关系,利用字长计数器给出三水平设计平均绝对矩的快速计算方法并获得其下界,该下界可作为基准用来评价设计在各个维度的优良性.最后通过数值例子来展示本文的理论结果.

在智能化重塑全球制造业竞争格局的背景下,传统制造业企业如何改造升级以发展新质生产力,成为学术界的研究热点.本文基于生产力二要素理论视域下的生产力解构,建立局部均衡模型探究智能制造对企业新质生产力的影响和作用机制.在此基础上,选取中国制造业A股上市公司数据,利用双重差分法进行实证检验.结果表明,智能制造对企业新质生产力发展有显著推动作用.机制分析发现,智能制造重构了企业的生产函数,通过机器人创新、绿色创新与劳动力结构升级三重机制及机制间协同增效作用推动企业生产力向“新质”跃迁.此外,技术密集型、资本密集型及成长期企业,智能制造带来的生产力跃迁效应更为突出.研究为智能制造助推企业新质生产力发展路径提供了理论支撑与经验证据,也为中国制造业高质量发展提供了政策启示.

在数字经济时代,数字化转型作为一种新兴的微观主体发展模式,已经成为传统实体企业转型升级和高质量发展的新动能.本文基于会计稳健性视角,以2007-2021年沪深A股上市公司为研究样本构建双向固定效应模型进行实证检验发现,企业数字化转型能够促进会计稳健性的提升且同行企业数字化转型对会计稳健性的提升具有溢出效应.并且,底层数字技术应用对会计稳健性的提升产生更显著的促进作用.机制检验表明,企业数字化转型通过提高公司信息透明度、强化公司内部控制质量、减少公司真实盈余管理行为以及降低公司经营不确定性等机制提高会计稳健性.异质性分析发现,数字化转型对会计稳健性的正向影响在环境不确定性较高、非数字产业、规模较大的企业中更为明显;同时行业信息透明度越高,数字化转型的行业溢出效应越显著.本文的研究丰富了企业数字化转型的经济后果以及会计稳健性的影响因素研究,对实现数字化转型背景下行业协同发展、推动传统实体企业更好地享有数字红利具有重要的参考和启示意义.

考虑疫苗安全危机的突发性与不确定性,利用随机停止模型刻画危机发生的突发性,将其纳入疫苗供应链系统中,构建由疫苗制造商与接种单位组成的二级供应链微分博弈模型.基于连续动态规划理论,分别求解接种单位引入、制造商引入、接种单位成本分担和制造商成本分担四种模式下供应链成员的最优信息披露、宣传及新鲜度投入策略,并分析关键参数对疫苗新鲜度、商誉及利润的影响.研究表明:(1)危机冲击具有显著的“预警抑制”与“事后倒逼”效应.高风险预期会削弱成员事前的投入意愿,但高强度的实际损害是触发危机后商誉反向修复的必要条件;(2)合理区间内的成本分担机制能够有效改善供应链协调绩效,其中下游接种单位分担更有利于上游疫苗制造商生产信息透明,促进疫苗商誉恢复;(3)危机后,外部引入的主体差异,使得供应链成员将根据不同危机情形动态调整披露与宣传策略,从而影响疫苗信任度与商誉恢复轨迹.

公民科学素质是衡量国民科学知识储备、科学思维能力与科学精神的重要指标.在创新驱动发展战略不断深化的背景下,公民科学素质提升不仅有助于增强公众参与创新活动的能力,还有助于改善区域创新发展环境,然而,现有研究多关注科研人员与高等教育对创新产出的作用,而对公民科学素质的系统性量化分析相对缺乏.本文基于我国31个省份的面板数据,系统考察公民科学素质对区域创新产出的影响.研究结果表明:(1)公民科学素质对区域创新产出具有显著的正向促进作用,中介效应分析进一步发现,该影响并非仅通过直接渠道发挥作用,也会通过“人才源、投入流、消费库”三条间接路径影响创新产出,其中消费需求扩展和科技投入强化的中介效应更为突出;(2)区域异质性分析显示,在中东部等创新要素集聚程度较高的地区,科学素质提升对创新产出的边际效应显著高于其他地区;(3)阈值效应分析发现,公民科学素质与区域创新产出之间存在“双阈值”关系,即在低-中-高三个阶段的边际效应呈现“增-快增-缓增”的变化特征,中等水平阶段的边际促进作用最强.基于此,建议根据不同地区发展基础和科学素质阶段特征,分层分类推进公民科学素质建设,强化其通过人才供给、科技投入与需求引致创新等渠道对区域创新能力的支撑作用,以实现科学素质提升与创新产出的协同发展.

在数字技术与产业链深度融合的背景下，企业数字化转型如何通过供应链网络提升上下游企业的生产效能，尤其是链主企业作为核心“头雁”，其数字化实践能否带动供应链上下游企业共同提升生产效率？本文依托2009-2022年A股上市公司供应链关系数据，通过配对得到“企业—客户/供应商—年度”样本，实证分析企业数字化转型对其供应链上各企业全要素生产率的影响及其传导路径。研究发现：第一，数字化转型显著提高了供应链企业的生产效率，且链主企业在此过程中起到了关键的强化作用，发挥了“头雁引领”作用。第二，机制检验表明，数字化转型主要通过加强供应链结构的韧性与运营韧性，提升产业链和供应链的整体韧性，进而推动供应链中各企业全要素生产率的提高。第三，异质性检验结果则进一步揭示了当企业为非国有性质企业、高科技行业企业和所在供应链集中度较高时，数字化转型对供应链企业全要素生产率的影响作用更为明显。本研究不仅为数字化转型的溢出效应提供了供应链视角的解释，还为链主企业引领产业链协同升级提供了政策启示。

视觉大模型受医学图像与预训练自然图像间领域差异以及高质量标注数据稀缺的影响,难以直接有效应用于医学诊断.视觉大模型融合能够整合多个大模型的互补知识,提升模型表征能力,为医学诊断提供新的技术路径.然而,高质量视觉大模型融合涉及源模型层选择、融合权重分配等离散与连续变量耦合优化,搜索空间庞大,同时候选融合结构性能评估代价高昂.为应对融合优化面临的挑战,本文将最优融合模型搜索建模为混合整数规划问题,利用网络层级与CT诊断语义关联,“浅层征象—深层诊断”的网络结构约束,并设计融合模型与源模型层序一致性约束,以保留源模型层级顺序中蕴含的概念演化关系.为高效求解该优化问题,提出一种结合渐进扰动机制与单步梯度下降性能评估的模拟退火算法,通过自适应调整扰动幅度平衡全局探索与局部开发,并利用单步梯度下降快速优化融合权重,估计候选结构性能,从而提升优化效率和质量.本文首次将视觉大模型融合应用于肺结节CT诊断.在多中心数据集上的实验结果表明,所提方法在优化性能上优于四种单一视觉大模型微调方法、四种大模型融合规则以及两种进化算法,验证了该方法在肺结节分类任务中的有效性与优越性.

在“双碳”目标与算力需求快速增长的双重驱动下,数据中心的能源消耗与碳排放问题日益突出,推动其与可再生能源深度融合已成为绿色低碳转型的关键路径.本文针对算力任务的可延迟特性与风光资源的间歇性,基于排队论构建算力任务延迟调度模型,并嵌入风光储规划与运行优化框架,建立了算电协同规划运行优化模型，实现了微观算力任务调度与宏观风光储规划的一体优化.针对所构建的混合整数规划模型,采用Benders分解算法进行求解.三类场景的分析结果表明,嵌入算力调度可使储能容量需求减少15.6%~54.6%,算力负荷延迟调度对物理储能具有显著的替代效应.较单一资源场景,风光互补在无调度状态下系统总成本降低54.1%~65.7%,引入算力调度后三类场景总成本下降15%~50.5%.敏感性分析表明,算力调度显著改变了系统成本的敏感性结构,风电主导场景中调度对可再生能源出力与负荷时序匹配程度的提升最为显著.本文建立的规划运行一体优化模型为数据中心低碳化转型提供了理论方法与决策支持.

针对高频配送“最后一公里”履约能力不足的问题，构建了考虑骑手先后到达次序的双人接力式物流众包决策模型，分析了骑手“先来”与“后到”的顺序对众包系统成员及平台效率和利润影响.研究发现：双人接力策略总是比单人“点对点”的众包策略具有更远的配送距离，更高的服务水平；对成本不同的两个骑手而言，“先到”者总是能够在接力众包中获得更多的分配任务和利润，导致两个骑手都有积极“争抢”订单的动机；但是从平台和供应链系统角度来看，低成本（优势）骑手“先到”并主导接力配送可以获得更大的市场份额和更多销售量，对系统更加有利.为了鼓励弱势骑手参与接力的积极性，平台分别采取派单与收益共享机制以及佣金率倾斜机制可以有效提升系统配送距离，促进客户市场范围的延伸，也提高了配送系统利润.当多人参与接力配送时，个体分配任务及利润随着参与人数的增加而降低，但是平台及系统服务能力和利润随着参与人数增加而增加.最后通过数值算例验证了结论的准确性.

流量合作是指社交电商(流量供给方)与传统电商(流量需求方)之间达成流量交易关系,以此实现商业共赢.在由社交电商平台(SEP)、传统电商平台(TEP)和供应商组成的供应链系统中,考虑SEP的平台模式与分销模式,探讨不同运营模式下两平台的流量合作策略及其对消费者剩余与社会福利的影响.研究发现:(1)当产品市场前景一般时,若SEP向供应商收取的佣金费率较高(低),两平台仅在分销(平台)模式下达成流量合作;当市场前景较好(劣)时,两平台在两种模式下均会(不会)达成合作.(2)当SEP与TEP在两种模式下均有流量合作动机时,SEP倾向在平台模式下合作,而TEP可能偏好分销模式.(3)基于流量合作层面的平台互联互通在一定条件下可实现平台、消费者与社会之间的三赢.

推动政府公共数据开放共享，已成为释放数据要素红利、加快培育创新动能的战略举措，而提升城市创新韧性，则是加速韧性城市建设、助力城市高质量发展的关键一环，系统研究公共数据开放与城市创新韧性之间的关系具有重要价值.文章以中国地方政府陆续开通公共数据开放平台为切入点构建准自然实验，以中国2009-2023年281个城市面板数据为研究样本，采用多期双重差分模型系统考察公共数据开放对城市创新韧性的驱动效应.研究结果表明：公共数据开放能够显著提升城市创新韧性水平，在经过内生性分析和稳健性检验后该结论依然有效；机制分析发现创新人才集聚和创业活跃度提升在公共数据开放驱动城市创新韧性提升中发挥了重要的桥梁作用，是促进城市创新韧性提升的有效路径；创新人才集聚与创业活跃度之间存在显著的正向协同效应，二者的交互作用能够进一步提升城市创新韧性.基于城市区位差异的分析表明，在东部城市和沿海城市中政府公共数据开放对城市创新韧性的驱动效应更强，基于城市规模差异的分析显示，公共数据开放对大型城市创新韧性具有更为突出的提升作用，而基于城市资源禀赋差异的分析说明，公共数据开放在非资源型城市中的政策效应更为突出，基于城市内部数字基础设施水平和产业结构合理化水平差异的分析表明，公共数据开放在数字基础设施更完善与产业结构合理化水平更高的城市中政策效应更为强劲.因此，地方政府应充分认识公共数据的创新驱动效应，加速推进数据资源共享建设，围绕创业活跃与人才集聚，实施分层分类的配套政策，形成精准化支撑体系，也要积极发挥自身优势，采取分类引导、循序渐进的方式，制定差异化的创新发展策略.

随着我国推进REITs常态化政策出台，研究REITs内部管理与发展方向具有实际意义。本文以契约型REITs的内部管理结构为研究对象，基于内部委托代理关系引入基金持有人与管理人同时风险厌恶的假设，构建包含正、负向绩效比较激励的多代理人模型，推导不同约束情形下的最优激励契约及其对工资结构与委托人期望投资的影响。系统分析了绩效比较强度及正负激励对称程度与代理人保留效用之间的匹配关系，揭示促进绩效比较对委托人投资既可能增效亦可能增成本的双重效应。我们发现通过管理人竞争格局实施对称或非对称相对绩效激励的契约设计可达到最优或次优收益配置，并进一步引入深度强化学习算法，从动态层面求解最优契约验证了互惠性激励将趋于与自利性激励，并且公平激励可以满足激励相容约束达到最优配置。

本文考虑由数据供应商、数据服务提供商与用户构成的数据服务供应链,结合数据的无限剧增、可复制性等个性化特征以及用户对数据时效的需求特点,分别构建了基于数据时效“PB-DT”与基于使用频次“PB-UF”两种数据资产定价模式下的利润决策博弈模型,研究了数据服务供应链成员的技术投入决策、数据资产定价方式选择、数据资产与数据服务定价决策.研究发现:(1)在两种定价模式下数据服务供应链成员的决策均不会影响数据服务销量,且在PB-DT定价模式下的数据服务销量大于在PB-UF定价模式下的销量,但这并非表明在PB-DT定价模式下供应链成员的利润与用户效用一定大于在PB-UF定价模式下的利润与效用;(2)数据供应商对数据资产定价方式的选择仅与数据服务提供商对数据时效价值的估值有关,当数据服务提供商对数据资产的估值较低(较高)时,数据供应商选择PB-UF (PB-DT)定价方式;(3)数据供应商实际选择的数据资产定价方式与数据服务提供商及用户所期待的数据资产定价方式可能“一致”,也可能“互斥”.当供应链成员对数据资产定价方式的选择意向一致时,供应链成员间的协同效应最大,数据服务供应链绩效可达到帕累托最优状态.

针对混合攻击环境下的非线性复杂网络系统,研究了保概率集员滤波算法的设计问题.考虑测量信息通道同时遭受虚假数据注入（FDI）攻击和拒绝服务（DoS）攻击的情形,提出一种分布式非线性估计模型,分别分析了无攻击、单一攻击及混合攻击三种场景下的量测信息建模机制.采用泰勒展开技术处理复杂网络动态、量测方程和FDI过程中的非线性项,推导得到保概率集员滤波估计器存在的充分条件,构造凸优化问题并提出保概率集员滤波增益矩阵递归求解算法,以确保估计误差在预设置信水平下被约束于期望椭球区域内.最后通过数值仿真验证所提出保概率集员滤波算法的有效性.

在球团竖炉工艺中,立式辊磨机燃烧室出口温度的稳定控制对产品质量至关重要.然而在实际生产中,出口温度仍然依赖于阀门的人工调控,进而导致其无法维持在规定范围内.无法实现阀门自动调控的原因一方面在于燃气压力波动导致阀门开度与燃气流量之间呈现强非线性.另一方面,流量传感器存在饱和量测现象,会造成部分状态信息丢失.为了解决上述问题,本文将燃气压力波动范围划分为若干个区间,每个区域内阀门开度与流量之间的关系固定不变,随后分别对阀门开度与流量系统、流量-出口温度系统进行建模,提出了基于量测标志向量的经验测度辨识算法和基于自适应梯度的回归辨识算法,实现了模型参数的一致性辨识.考虑阀门开度的单次调整量为固定值,使用基于累加器的复合控制算法将出口温度稳定在期望范围内.实验验证结果显示,本文提出的算法可以实现对参数的一致性辨识，复合控制算法则在多个统计指标上均优于常用的前馈控制算法.

“双碳”目标与农产品冷链发展背景下,针对农超对接中多温共配难,电动车续航短,协作成本分摊不均等问题,本文提出了“多温共配-电动汽车车辆-协作配送”集成运营模式,旨在通过数字化平台整合资源,构建动态联盟以系统性优化物流.首先,构建以总运营成本最小化为目标的电动汽车车辆路径优化模型,综合考虑多温层装载,电池电量与充电策略等方面的约束;其次,设计了融合时空聚类的自适应大邻域搜索算法进行高效求解,并采用Shapley值法公平分摊联盟成本以确保稳定.最后,通过数值实验与案例验证了模型与算法的有效性.结果表明:相较于传统协作配送与多温共配电车配送模式,该模式可节约总成本15.29%和24.14%,各企业平均成本分别降低15.39%和24.19%.

针对现有非线性多智能体系统分布式模型预测控制算法需消耗大量计算和通信资源的问题，提出了一种自触发分布式模型预测控制算法。智能体在每个触发时刻依据自身局部系统状态以及邻居智能体的预测状态，求解局部优化问题，以确定其下一个触发时刻，并将自身的预测状态轨迹广播至邻居智能体。该算法在保持系统鲁棒性和控制性能的基础上，显著降低了通信负载。引入了分散式非线性扰动观测器与空间分解技术，对系统的匹配扰动进行估计与补偿；在此基础上，在每个局部优化问题中引入了鲁棒收缩约束来抵消剩余扰动的影响。证明了所提算法的递归可行性以及多智能体系统在触发时刻的闭环稳定性。数值模拟验证了理论结果的正确性。

雪球结构性产品作为我国场外衍生品市场关注度最高的产品之一,因其高度路径依赖的结构特征而对定价与风险管理提出了更高要求.本文提出一种柳树法(Willow Tree Method)计算框架用于雪球产品定价与希腊值计算,该方法能够有效应用于包括几何布朗运动、跳扩散模型和随机波动率模型在内的多种随机模型.通过与传统方法进行对比,柳树法在保证计算精度的同时显著提升了计算效率,降低了计算成本.此外,本文定量测算了极端情景下对冲盘的瞬时抛压规模及其对市场流动性的冲击强度,并论证了该框架对其他复杂雪球结构的适配性.这拓展了柳树法在复杂衍生品定价领域的应用前景,不仅对金融机构在复杂市场环境下进行风险管理和策略优化具有重要的实践意义,也对监管部门防范结构性产品所引发的顺周期系统性风险也具有参考价值.

针对面板平滑转换回归（PSTR）模型参数估计稳健性不足、难以刻画多变量协同调节机制的局限，本文提出面板多元平滑转换回归（Panel Multivariate Smooth Transition Regression,PMSTR）模型。模型以多元逻辑斯蒂函数替代单一转换变量的多项式展开，可同步解析多个变量对回归系数的独立调节效应与协同调节效应，并量化变量间相对调节强度。参数估计采用贝叶斯推断与哈密尔顿蒙特卡洛（HMC）抽样算法，借助先验正则化处理饱和解，借助梯度信息探索高维非凸参数空间。蒙特卡洛模拟表明，PMSTR模型在四类典型系数动态情境下能稳定识别系数动态路径与变量相对调节强度，并在数据生成过程与模型一致时（逻辑斯蒂情境、100次重复）实现严格的参数恢复。基于美国与中国上市公司数据的实证研究揭示了两国投资--现金流敏感性在调节因素与协同调节模式上的共性与结构性差异。

构建了双寡头竞争型供应链模型，分析了在直销渠道和转售渠道下数字化认证对制造商漂绿行为的治理作用，以及不同销售渠道选择对绿色创新和企业利润的影响.研究结果表明:未引入数字化治理时，直销模式对绿色创新的激励作用最强；引入数字化治理后，渠道优势取决于治理成本，低治理成本下直销模式更有利于提升绿色水平，高治理成本下转售模式的成本分担机制更具优势.当数字化治理成本处于一定范围时，转售模式能同时提升产品的绿色水平与绿色制造商的利润；而当成本高于临界值时，绿色制造商利润将低于无治理情形，漂绿制造商利润反而上升，导致治理失效.数值仿真结果表明:随着亲社会消费者比例的提高，数字化治理对漂绿行为的治理效果减弱，较高的治理成本可能出现绿色制造商利润受损、漂绿制造商受益的逆向选择.本文研究结论为制造商在销售渠道选择与漂绿治理决策提供了参考，并为政策制定者设计成本补贴机制与差异化监管策略提供了理论依据.

本文利用Stackelberg博弈模型探究了政府分别采用行政管控、管控与补贴,以及税收与补贴三种环境政策,对企业产能升级与减排决策的相互影响.研究表明:管控政策虽然直接限制了企业的排放,间接鼓励企业升级产能,但是当政府的产能升级目标比例较高时,管控政策对推动企业产能升级的效果不理想;当政府承诺的排放限制严格,减排量要求较高时,只有管控与补贴政策才能实现政府预期目标;税收与补贴政策虽然可以直接鼓励企业升级产能,且能间接限制企业排放,但是当政府预算较低或政府设定的减排与产能升级目标较低时,税收与补贴政策不具有成本效率,此时管控政策成本最低.本文研究成果为政府对企业产能升级及污染排放治理提供了政策选择依据.

许多经济、管理、工程控制及人工智能等实际问题都可直接或间接地建模为无约束优化问题,共轭梯度法是求解大规模无约束优化问题的核心算法.本文通过对Dai-Liao共轭参数改进与截断,并在搜索方向中引入重启步加以优化,提出一个改进Dai-Liao共轭梯度算法.该算法无需依赖任何线搜索条件,所产生的搜索方向满足充分下降条件.在常规假设下,证明了算法的强收敛性.用取自CUTE等无约束测试问题集的中大规模算例对算法数值测试,结果显示所提算法数值表现良好.最后将算法用于图像恢复和机器学习模型,进一步验证了算法的有效性.

医疗AI智能体代表了医疗保健领域的变革性范式.医疗AI智能体生态系统涉及多领域,其部署评估需集结多领域专家协作并共同决策.然而,受认知与专业知识局限,一名专家通常只能针对自身领域提供局部评价,难以全面评估所有方案.为此,本文提出一种基于包含度的多属性大规模群体决策模型,以应对备选方案信息与决策专家规模增长的双重挑战.首先,该模型基于包含度的方法将专家划分至若干并行子群,有效降低群体规模维度,并实现专家与评估方案的匹配.随后,构建了一种分层共识机制,即采用以方案择优为目标的$\alpha$型共识缓解子群内部冲突;运用以方案排序为目标的$\gamma$型共识形成全局共识.最后,以医疗AI智能体部署评估问题为例,验证了所提模型的有效性.

随着电商平台企业的持续竞争和加速发展,引入自有品牌和扶持中小商家以创造新的利润增长点成为电商平台的重要战略方向.据此,在当下电商平台与商家合作转售和代理混合销售模式下,运用Spokes模型刻画由品牌供应商和中小商家两个卖家及一个电商平台组成的在线销售系统,探究产品可替代性和感知质量等因素对平台自有品牌引入动机及引入后对供应链成员决策和获利情况的影响.研究发现:(1)当产品可替代性较高且消费者对自有品牌感知质量较低时,引入自有品牌将提高品牌供应商和中小商家产品的批发价及零售价;(2)即便卖家产品与自有品牌产品间可替代性较高,但引入较低感知质量的自有品牌仍能使卖家获利;(3)当产品可替代性较高且自有品牌的感知质量较低时,平台仍有动机引入自有品牌,且自有品牌引入能够实现三方共赢.

针对取值范围有限、计数事件具有相关性且呈现时滞特征的整数值时间序列数据的建模问题,提出了一类自激励滞后广义二项自回归模型.首先,证明了该模型的严平稳性和遍历性,并研究了该模型的条件期望、条件方差和转移概率等概率统计性质.其次,在门限参数与状态指标初始值已知和未知两种情况下,研究了模型参数的条件最小二乘估计与条件极大似然估计方法,并给出了估计量的渐近性质.其中,在门限参数与状态指标初始值未知时,构建了一种能够估计两个门限参数的算法.此外,研究了模型非线性结构的检验方法.随后,通过数值模拟验证了参数估计方法和模型非线性检验方法的有效性.最后,将该模型应用于德国Berleburg站和美国Honolulu地区每两周中降水天数的分析之中.实例分析的结果表明,该模型在拟合和预测方面均具有良好的表现.

纵向数据下具有多元正态误差的联合均值-协方差建模方法已得到很好的研究.然而,当纵向数据包含离群值或呈现重尾状态时,稳健的联合建模方法尚未得到足够的研究.本文建立了基于多元拉普拉斯分布的联合均值-尺度协方差模型的一般形式,概述了一般的极大似然估计方法,并发展了一般的拟牛顿算法.更具体地,本文以三种最流行的分解方法为特例,分别建立了相应的联合模型和估计方法.然后证明了极大似然估计的强相合性和渐近正态性.此外,本文实施了大量的模拟研究以说明这些特定联合模型的建模能力,并使用模拟研究中表现最好的特定分解方法分析了实际数据.

航空货运在全球供应链中具有重要的战略地位,其需求受多种复杂因素影响,预测难度较大.本研究基于TEI@I方法论构建航空货运需求预测模型,利用互补集合经验模态分解方法对货运量时间序列进行分解,分析各子序列的复杂性和平稳性等特征,并选择合适的季节性差分自回归滑动平均模型或长短期记忆模型进行预测,同时引入专家系统处理不规则重要事件,最终将各部分结果集成得到预测结果.通过基于北京首都国际机场数据的实证研究结果表明,该模型的预测效果优于其他基准模型,能够为航空货运企业的资源配置和运营决策提供有力支持.