随着现实世界的实际环境日益复杂, 仅考虑二元（一对一）交互和时间动态的传统神经网络模型存在一定局限性. 本文研究了包含高阶交互作用的扩散双向联想记忆（BAM）神经网络中的时空Hopf分岔动态行为. 首先, 引入描述非均匀电磁场对电压分布影响的扩散和描述多神经元协同激活的高阶交互, 对经典BAM神经网络模型进行了拓展. 其次, 通过选择时滞为分岔参数, 建立了模型在任意神经元数量下局部稳定和发生Hopf分岔的解析条件. 最后, 利用数值模拟验证了理论结果, 展示了模型丰富的时空动力学行为. 结果表明时滞、自反馈强度、交互强度和网络规模对网络分岔动力学具有显著影响. 相比于二元交互, 高阶交互的引入会降低分岔阈值并增大极限环, 从而减弱网络稳定性.

针对在线酒店预订多平台并存引发的信息碎片化、用户评论情感模糊等问题，本文提出一种将直觉模糊集应用在情感分析中的跨平台酒店评价方法。通过爬取携程、同程、去哪儿三大平台连锁酒店的用户评论，借助LDA主题模型挖掘出核心评价属性，构建复合情感识别体系，精准捕捉各属性下的情感倾向，并将其转化为直觉模糊数。结合主客观权重，构建动态综合权重模型，利用记分函数完成对酒店的量化评分与排名。实例验证表明，该方法能有效处理模糊情感表达，客观反映酒店实际服务水平，可为消费者选择与酒店运营优化提供可靠参考。

人机协作拣选系统是一类契合"以人为本"理念的新型订单拣选系统, 其核心在于实现拣选员与自主移动机器人(Autonomous Mobile Robot, AMR)在时间与空间层面的高效协同调度. 针对考虑同步约束的人机协作拣选作业调度问题, 本文构建了以最小化拣选员与机器人总拣选成本为目标的混合0-1整数规划模型, 并提出了一种基于Q学习的超启发式算法. 该算法采用贪婪策略生成初始解, 结合问题特征设计了9种知识驱动的低层启发式规则, 采用融合$\epsilon$-贪婪与softmax的混合策略自适应选择启发式规则, 同时依据Metropolis准则以一定概率接受劣解. 数值实验结果表明, 所提算法在求解效果上整体优于精确算法、遗传算法、变邻域搜索算法及基于随机搜索的超启发式算法. 算子消融实验验证了多类低层启发式规则的有效性. 敏感性分析结果表明, AMR数量配置存在规模效应; 当人机速度比为1.5:1时, 系统性能最优.

随着“双碳”目标与气候政策体系的持续演进, 气候政策不确定性已成为影响商业银行信贷配置的重要因素. 本文以2012至2024年中国42家A股上市商业银行为研究样本, 考察了气候政策不确定性对商业银行绿色信贷的影响. 结果表明, 气候政策不确定性对商业银行绿色信贷具有显著的正向影响, 且该影响在规模较小、管理层气候风险关注度较高, 以及所在地区绿色创新水平较高和政府气候风险关注度较高的银行中更为明显. 同时, 气候政策不确定性会通过加强环境规制和改善银行ESG表现来提升商业银行绿色信贷. 此外, 提高银行数字化转型程度与地区绿色金融发展水平有助于增强气候政策不确定性对商业银行绿色信贷的促进作用. 该研究为政策制定者构建合理的气候政策体系以引导商业银行优化绿色信贷配置提供了重要参考.

医院管理中的运营与决策优化通常可建模为具有分式结构的非线性规划. 本文在经典Mathis模型的基础上进行重构, 明确给出原始医院管理模型到线性比式和问题的变量替换、可行域重构及参数映射关系, 从而将医院管理优化问题转化为等价的线性比式和规划. 针对该问题的非凸特性, 构造线性松弛规划问题, 并结合比式像空间剖分与区域缩减技术, 提出一种面向医院管理优化问题的分支定界算法. 理论分析表明, 该算法在给定误差下具有全局收敛性. 数值实验结果验证该算法是有效的.

均匀设计是一类广泛应用于物理试验和计算机试验的设计方法, 其构造通常是一个计算复杂且具有挑战性的研究问题. 本文围绕绝对偏差准则, 系统探讨了均匀设计的构造问题. 首先, 本文引入了一种随机优化算法, 可用于生成具有灵活规模的均匀设计; 其次, 本文对水平置换构造方法进行了全面深入地阐述, 包括推导了在水平置换意义下的平均绝对偏差的解析表达式, 并建立了它与其他设计筛选准则之间的理论联系, 从而用于指导均匀设计的构造. 通过对两种构造方法的比较分析, 发现利用水平置换法构造的均匀设计具有更优的统计性质, 包括更低的绝对偏差值和更低的混杂程度. 模拟研究与实际应用案例进一步验证了基于绝对偏差的均匀设计在实践中的优异性能.

社区嵌入式养老(CEEC)是推动专业照护资源下沉社区、支撑老年人原居安老的新兴服务模式, 其服务质量优劣直接决定这一模式能否在基层生活场景中转化为老年人的实际福祉. 本文在经典结构-过程-结果(SPO)框架基础上, 考虑到CEEC服务质量是供需双方持续互动、共同生成的综合状态等特征, 突破传统SPO中以供给结构和过程解释需求结果的单向逻辑, 将其拓展为供给支持链与需求响应链并行互动的双元SPO结构, 并构建了CEEC服务质量评价的供需双元SPO深度耦合框架. 进一步地, 针对传统基于系统总分协调的耦合方法难以揭示CEEC服务质量中复杂交互关系的问题, 提出一种融合犹豫模糊Total Correlation、差异化Copula和语言量词导向POWA的深度耦合方法, 用以刻画多主体评价中的认知差异与供需多指标集合的整体依赖, 识别优势高位协同与劣势低位聚集, 并体现"先保基本、再促提升"的优先级约束. 基于6个嵌入式养老社区的实证分析表明, 本文方法能够识别不同案例的供需耦合结构、优势协同来源、短板聚集路径和优先改进方向, 为CEEC服务质量诊断与分类改进提供量化支持.

考虑人工智能(AI)产业的长周期、高不确定性和大规模资金需求等特征, 本文对耐心资本破解AI初创企业融资困境的机制与决策进行研究. 构建涵盖AI初创企业与风险投资机构的双边投融资博弈模型, 并将二级市场认购需求内生化. 研究对比了无耐心资本介入下的不完全信息信号传递博弈, 与耐心资本介入下的完全信息序贯博弈, 并进一步引入道德风险探讨了动态契约设计. 通过数值分析, 验证耐心资本在不同市场先验信念与履约成本下的赋能效果. 研究表明: 1) 在传统资本下, 均衡结果与不同类型AI项目的边际成本密切相关; 2) 耐心资本通过前置信息甄别与后置价值共创, 有效将不完全信息转化为完全信息, 在最优赋能强度下实现多方共赢; 3) 耐心资本的价值实现高度依赖于初始市场状态; 4) 针对企业事后履约的道德风险, 采用多轮投资模式能形成可置信的跨期惩罚与激励, 迫使企业充分履约.

本文针对一类具有不可分结构的非凸非光滑优化问题, 融合 PR 分裂 (Peaceman-Rachford Splitting) 技术, 梯度下降思想, 线性化策略与广义交替方向乘子法框架, 提出一类广义线性化梯度下降对称交替方向乘子法. 首先, 在 Kurdyka-?ojasiewicz 性质及适当的参数假设条件下, 证明算法生成序列的全局收敛性与强收敛性. 最后, 将算法应用于 $l_1$-逻辑回归问题以及 SCAD-$l_2$ (Smoothly Clipped Absolute Deviation-$l_2$) 问题上进行对比实验，结果验证了算法的有效性.

本文采用贝叶斯正则化方法研究线性混合效应分位数回归模型中固定效应与随机效应的估计与选择. 首先, 通过对随机效应分布中的协方差矩阵进行修正的Cholesky分解, 将协方差参数的函数作为回归系数引入到模型中, 获得模型的重新参数化形式. 其次, 在误差项服从非对称拉普拉斯分布的假定下, 对重新参数化的模型中固定效应以及随机效应协方差矩阵分解后的对角元素分别增加$L_\xi(0<\xi<1)$桥惩罚, 并通过对桥惩罚参数增加先验信息, 提出了一种基于随机桥惩罚的贝叶斯分位数回归方法. 本文进一步结合部分收缩Gibbs抽样算法和自适应随机游动Metropolis算法, 为所提模型设计了自适应马尔可夫链蒙特卡罗(MCMC)算法, 以提升传统MCMC算法的抽样效率. 本文通过大量的数值模拟研究验证了所提方法的优良表现. 模拟结果表明, 当固定效应和随机效应稀疏时, 基于随机桥惩罚的方法有优于基于lasso惩罚方法的参数估计与变量选择效果. 最后, 本文将所提方法应用于分析医学领域的实际纵向数据. 本文所提随机桥惩罚方法在稀疏线性混合效应分位数回归框架下, 能实现准确稳健的参数估计与变量选择, 为纵向数据建模提供了一种有效的正则化方法.

交互式多模型(Interacting Multiple Model, IMM)滤波是一种经典的贝叶斯目标跟踪算法, 在处理频繁切换运动模式的机动目标时具有良好的性能. 然而, 其性能的好坏高度依赖于内部转移概率矩阵(Transition Probability Matrix, TPM)的设置. 传统方法通常需要依赖先验经验或离线训练获得 TPM, 这不仅增加了人工成本, 而且不适用于复杂动态环境, 从而容易导致滤波性能下降, 甚至是目标丢失. 针对该问题, 本文提出一种基于在线自适应梯度下降(Online Adaptive Gradient Descent, OAGD)的 IMM 滤波算法, 即 IMM_OAGD. 该方法在 IMM 滤波递推过程中动态估计 TPM, 从而实现模型转移概率的在线自适应更新. 本文首先构建了 IMM_OAGD 的整体框架; 其次, 根据在线观测设计了一种仅依赖观测序列的加权损失函数, 能够在不依赖真实系统状态和预采集训练数据的条件下实现参数更新; 进一步地, 对算法进行了收敛性分析, 并证明了算法具有$O(\sqrt{K})$ 的次线性累计遗憾界, 从而保证平均遗憾趋于零. 最后, 通过多种仿真实验测试了 IMM_OAGD 在复杂机动目标跟踪中的有效性与鲁棒性.

针对未知总体方差的非参数区间估计问题, 文章基于排序集抽样方法, 采用U统计量的思想, 构建了总体方差的非参数无偏估计量. 根据新估计量的渐近正态性, 构造了方差的置信区间, 并证明出无论排序是否完美, 排序集抽样下置信区间的精度高于简单随机抽样下相应置信区间. 针对置信区间表达式中含有未知量的问题, 采用矩估计方法, 构建了估计量渐近方差的相合估计, 进一步构造了方差的近似置信区间. 模拟计算了近似置信区间、Bootstrap置信区间和Jackknife置信区间的覆盖率和平均长度, 并进行了实例数据分析. 研究结果表明: 无论是大样本还是小样本, 排序集抽样下近似置信区间的精度都高于简单随机抽样下相应近似置信区间. 当固定样本量时, 增大排序小组数或减少排序误差, 都可以提高排序集抽样下近似置信区间的精度. 另外, Bootstrap置信区间和Jackknife置信区间的整体覆盖率都高于近似置信区间.

本文在带外生变量的向量自回归(VARX)框架下,引入包含个股微观特征的面板数据结构,从而构建高维面板向量自回归(HPVAR)波动率预测模型,用于刻画已实现波动率的动态特征.首先,针对高维波动序列中滞后阶数选择困难的问题,本文提出IHOO (Improved Hierarchical Own-Other)正则化方法,用于在高维环境中同时实现结构化正则化与滞后阶数选择.接着,采用自适应步长的近端梯度下降法(PGD),结合贝叶斯优化进行参数估计与超参数选择,并在相关正则条件下给出样本内均方预测误差(MSFE)上界.最后,利用美股与港股高频波动率数据进行实证分析,分析结果显示: 1) 考虑个股特征与外部冲击后,HPVAR较VAR和VARX具有更高的预测精度; 2) IHOO比HLagO (Hierarchical Lag Own-Other)与Lasso能使模型得到更好的预测效果; 3) 自回归滞后系数矩阵热力图与最大滞后矩阵估计图显示本文的模型在高维条件下同时保持较高预测性能与良好的可解释性.

针对传统决策优化方法中“先预测后优化”两阶段相互分离的问题,本文提出了联合多层感知机(MLP)预测的凸二次优化模型(IPO).该模型是双层规划模型,其中上层以最终决策损失最小化为目标,下层为凸二次规划问题.本文提出梯度下降算法求解上述模型,并证明该算法的收敛性、驻点收敛性和次线性收敛.以投资组合决策问题为背景进行数值实验,结果表明,不同参数组合下算法的迭代次数、平均损失及最终梯度范数均保持在合理范围内,体现出较好的可实施性与数值稳定性.样本外回测结果显示,所提模型在累计收益率、风险调整收益和最大回撤等指标上整体优于传统两阶段方法及其他基准对比模型,验证了联合预测优化框架的有效性.

现代平台经济和区块链技术有助于企业在碳配额交易机制下更好地实现"双碳"目标.因此,本文采用Stackelberg博弈论分别构建低碳信息隐藏和披露下平台供应链转售或代售的碳减排决策模型,对比不同情形下消费者低碳感知与偏好,碳减排成本,信息隐藏需求折减系数等对制造商和平台决策及利润的影响.研究表明:(1)制造商减排投入和供应链成员利润水平与消费者低碳感知与偏好正相关,与碳减排成本,区块链成本,信息隐藏需求折减系数和服务佣金率负相关.(2)在低碳信息隐藏情形下,代售模式仅在碳交易价格与服务佣金率处于适中区间时达成渠道均衡;而在低碳信息披露后,平台利润对区块链成本更敏感,代售模式渠道均衡佣金率区间范围缩小.(3)区块链成本是赋能的关键因素,成本适中时引入区块链可实现经济和生态效益的共赢.

在推荐系统中, 新用户缺乏历史行为数据往往导致其与已有用户之间的相似性难以刻画. 为此, 本文构建了一种非参数回归的相似性预测方法. 该方法首先利用不完全乔列斯基分解对已有个体间的相似性结构进行刻画, 并进一步通过带惩罚的B样条回归建立潜在的预测模型, 从而实现对新用户与已有用户之间的相似性预测. 在一定的条件下, 我们建立了预测统计量的渐近分布. 数值模拟与实例分析验证了所提方法的可行性和有效性.

多层网络能够对相同类型实体的不同交互模式或不同时刻的状态进行建模, 为捕捉系统复杂性提供了一种框架. 然而, 如何在多层网络中提取社区结构是一个基本问题. 现有方法大多采用矩阵数据进行运算, 忽略了网络的多层数据结构和高阶信息, 导致社区划分的准确性受限. 针对上述问题, 本文提出了一种基于高阶信息与张量链分解的多层网络社区发现方法. 该方法首先构建包含高阶结构信息的加权邻接矩阵, 然后利用多层网络在结构上天然具备张量表示能力的特点, 采用张量链分解技术以实现节点嵌入表示, 从而充分挖掘不同层的结构特征. 实验结果表明, 该方法在人工合成和真实世界多层网络中社区发现的表现均优于当前主流方法, 具有更好的检测精度, 尤其适用于层数较多的多层网络社区发现.

机构投资者作为资本市场的重要参与者，其抱团行为能否稳定市场、提升上市公司治理水平是学术界和实务界共同关注的话题。本文以 2014-2023 年 A 股上市公司为研究样本，并基于日内高频交易数据构建尾市交易操纵指标，实证检验机构投资者抱团对股票尾市交易操纵行为的影响。研究发现，机构投资者抱团能显著抑制尾市交易操纵，且该结论在经过内生性检验和稳健性检验之后依然成立。机制检验表明，机构投资者抱团通过提升信息透明度与强化外部治理，抑制尾市交易操纵。异质性分析表明，在投资者情绪较低、企业处于成长期以及企业属于高科技行业时，机构投资者抱团抑制股票尾市交易操纵的效果更显著。

规范上市公司高管机会主义减持行为已成为资本市场监管体系建设的关键环节之一。本文以2007-2022年中国沪深A股上市公司为研究样本，实证考察了经济政策不确定性对高管机会主义减持行为的影响及其内在机制。研究发现，经济政策不确定性显著抑制了高管机会主义减持的金额与次数。这一结论在使用工具变量法、倾向得分匹配等一系列内生性和稳健性检验后依然成立。机制分析发现，经济政策不确定性通过“信息优势稀释”与“获利空间压缩”两种机制抑制了高管机会主义减持。进一步研究发现，在政策依赖度较高、审计质量较低以及分析师关注度较低的样本中，上述影响更为显著。本文从宏观政策环境视角拓展了高管机会主义减持影响因素的研究，丰富了经济政策不确定性经济后果的文献，为监管部门优化减持监管政策及稳定市场预期提供了重要的经验证据。

为研究双渠道供应链中的产品优先发布策略及其价值, 本文构建制造商直销渠道优先发布产品与零售商转售渠道优先发布产品情形下的理论模型, 探究最优产品优先发布策略及其对双渠道供应链定价与社会福利的影响. 研究发现: 无论是制造商抑或零售商, 均可能有动机选择在其自有渠道优先发布产品, 以保证各自渠道的产品需求并获取更多利润, 而强议价能力也会增大该动机; 在两种渠道优先发布产品情形中, 制造商与零售商的定价策略调整均取决于渠道差异化程度以及议价能力, 如果双渠道均有需求发生, 那么直销渠道优先发布产品有利于增加产品需求, 并带来"社会福利效应". 然而, 在两种优先发布产品情形中, 强议价能力总是有助于各企业实施高价策略, 由此加剧供应链利润分配的不平等. 最后, 从双渠道同时发布产品拓展了原始模型, 发现制造商也有可能选择在直销渠道和转售渠道同时发布产品.

科学选择对赌标的，是平衡投融资双方风险、保障协议公平性与可执行性、并确保企业长期价值稳定增长的重要基础。本文基于报童模型，以二级供应链中的零售商为主要研究对象，构建了需求不确定条件下零售商与私募股权投资机构（PE）的对赌模型，比较了销售额对赌和净利润对赌两类标的对零售商的激励程度和效果差异。研究发现，销售额对赌能有效激励零售商加大市场投入，实现销售额的快速增长，但也容易诱发过度扩张，形成依赖持续资本投入的增长模式，这种以牺牲长期稳健性为代价的短期增长难以持续；净利润对赌则通过强化成本约束，有效抑制了零售商盲目扩张倾向，提升资金使用效率，有助于实现更高的净资产与总资产规模。

广义病例队列 (Generalized Case-Cohort, GCC) 抽样是大规模队列研究控制协变量测量成本的经典设计, 广泛应用于中高发病率的流行病学研究. 现有研究多聚焦于 GCC 框架下变量选择方法的大样本渐近性质, 对有限样本、高删失场景的估计稳健性关注不足, 传统逆概率加权估计常因权重方差过大导致有限样本性能下降、变量选择结果不稳定.本文提出基于方差收缩的稳健加权 SCAD 惩罚变量选择方法, 通过构造收缩型稳健抽样权重, 在偏差可控的前提下显著降低权重方差, 缓解有限样本下有偏抽样引发的估计波动. 在协变量维数随样本量发散的高维框架下, 推导了估计量的有限样本一致收敛界与显式估计误差界, 建立了 Hessian 矩阵的元素级一致有界性与 Frobenius 范数界, 证明了方法的 Oracle 性质, 同时给出 Berry-Esseen 正态逼近界与最优收缩参数的显式解, 量化了抽样比例、删失率与协变量维数对估计性能的影响.数值模拟结果表明, 在小样本、高删失的极端场景下, 所提方法在估计精度与变量选择稳定性方面均显著优于传统加权 SCAD 方法. 最后将所提方法应用于 Busselton 健康研究数据, 为不同研究场景下的 GCC 抽样设计与变量选择提供了实用建议.

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.

面向输电线路应急巡视中车辆与车载无人机协同作业的应用场景,本文提出考虑巡视时效要求的车辆与车载无人机路径规划问题.针对该问题的特点,本文考虑了无人机的多种飞行模式以及连续访问能力,以最大化巡视收益为目标,将其建模为多无人机多停靠定向问题(Orienteering Problem with multiple Drones and Multi-Stop Sorties, OP-mD-MS)模型.针对该问题模型设计了基于Benders分解的求解算法,将原问题分解为负责车辆路径规划与无人机起降策略规划的主问题,以及负责规划无人机飞行路径和确定车辆与无人机时间安排的子问题,以两类割平面作为主问题和子问题提供信息交互的工具,在迭代求解中找到问题的最优解.实验结果表明,算法在求解质量与求解时间上具备良好的性能,在实际案例中也表现出较高的有效性和实用性.

白噪声检验是统计学中一项重要的基础性检验，在实际中存在广泛应用。然而，当样本维数较大时，相关白噪声检验方法的构造面临挑战。现有文献虽然已有不少相关探讨，但是大多依赖于新息项服从独立同分布（i.i.d.）的假设。特别地，Li等提出了一种基于随机矩阵理论的方法，该方法被证明具有良好的统计性质。但本文发现，当样本维数较大且新息项为零条件均值的鞅差分序列时，如服从GARCH型条件异方差过程，Li等的检验方法会出现严重的过度拒绝（Oversized）现象。其原因主要在于，鞅差分序列下该检验统计量的渐近分布与i.i.d.假设下存在区别。鉴于此，本文提出了一种基于Wild bootstrap的修正方案，并证明了其渐近有效性。模拟表明，修正方法在多种数据生成机制下均表现出良好的有限样本性质，能够显著缓解原检验的 Oversized 问题，并在维数较大时依然表现出较好的稳健性。最后本文将该修正方法应用于S&P 500中50家上市公司日度收益率数据，以验证其实用效果。

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.