基于复杂网络的营运货车交通事故风险因素识别

为明晰营运货车各交通事故风险因素间的关联性,通过分析营运货车交通事故数据,从人、车、环、管四方面确定29个风险因素,并运用共现分析法计算邻接矩阵和Jaccard指数确定各风险因素间的关联性,据此基于复杂网络理论建立网络节点多属性决策综合评价网络模型,判断各风险因素的重要程度.结果表明:营运货车交通事故风险因素网络具有复...     

论营运资金的风险及控制措施

营运资金风险,是指因营运资金不足或存在贪污、挪用等现象给企业财务状况和财务成果带来负面影响、造成经济损失的可能性。它是企业面临的主要财务风险之一。对营运资金风险进行控制可以保障生产经营各环节资金供求的动态平衡、促进资金合理循环和周转,提高资金使用效率、确保资金安全。     

基于人工免疫机制的营运货车运行风险评价研究

为预防营运货车交通事故,动态监管营运货车提高其运输安全性,本文从营运货车道路交通事故调查报告中统计货车交通事故发生运行风险因素频率,提取营运货车运行风险关键因素,建立完整的营运货车运行风险指标体系。运用人工免疫思想,以营运货车运行风险评价指标等级值作为抗原向量,将人工免疫危险理论的信号处理机制及改进的树突细胞算法应用于营运货车风险评价,构建基于树突细胞算法的营运货车运行风险评价模型,并以云南省某运输集团的营运货车为例进行应用分析。研究结果表明：营运货车高风险的发生通常是多因素耦合的结果;基于人工免疫机制的营运货车运行风险评价模型可利用营运车辆监控平台实时数据,从动态实时的角度评价营运货车运行风险性;模型具有合理性和有效性,且有较高的准确率及较低的误报率,可为营运货车运行风险防控提供依据。     

数据挖掘在压载水生物入侵风险评估中的应用

为了模拟港口水域的浮游植物丰度变化及评估外来生物入侵风险,收集了天津港口水域本底生态环境监测数据,建立了港口生态环境数据仓库,以中肋骨条藻为例,运用聚类分析和关联分析等数据挖掘技术,挖掘影响中肋骨条藻丰度的港口水质环境指标,然后利用这些指标建立了基于人工神经网络模型中的反馈网络(BP神经网络)的中肋骨条藻丰度预测模型.研究发现,中肋骨条藻丰度的预测值与真实值的均方根误差为0.0715,相对误差绝对值的平均值为14.7％.该结果表明,BP神经网络对于中肋骨条藻丰度有较好的预测效果,可作为模拟港口水域浮游植物丰度变化的技术手段.数据挖掘技术和BP神经网络模型的综合应用,可以解决港口水域浮游植物丰度变化及外来生物入侵风险评估的关键技术难题.     

基于BP神经网络的高速公路专项养护工程安全风险评估研究

根据高速公路专项养护工程施工中的安全特性,选取16项评估指标,建立了专项养护工程安全风险评估指标体系。在此基础上,提出了基于BP神经网络的专项养护工程安全风险评估模型。通过实例对评估模型进行训练及检测分析。结果表明,模型可对高速公路专项养护工程进行有效的安全风险评估,并为其工程安全管理提供决策依据。     

对建立船舶营运成本目标管理系统的设想

在面临入世之际,我国的航运企业加强船舶营运成本控制工作显得尤为重要和迫切.针对我国航运企业船舶营运成本的核算方法,结合我国航运企业船舶营运成本控制的现状和存在问题,建立一个船舶营运成本目标管理系统,对船舶营运成本进行事前预测、事中审核、事后分析,且使其各环节环环相扣,形成一个完善而有效的成本控制体系,才能增加企业经济效益,提高企业经营管理水平.     

һ�ֿ����ڸ��ٹ�·Ͷ�ʷ���������������ģ��

高速公路投资风险评估对高速公路可持续发展具有重要作用.首先,本文针对传统的准三层BP神经网络评价模型运算精度和运算效率之间的矛盾,从其结构优化的角度出发,提出并设计了输入层神经元到隐含层神经元、隐含层神经元到输出层神经元的随机重连过程的变结构神经网络模型;其次,针对中国高速公路的投资特点,建立了高速公路项目投资风险的评价指标体系,设计了基于随机重连过程的变结构神经网络的高速公路项目投资风险评价模型,运用中国10条高速公路项目对模型进行了训练并对4条高速公路投资风险进行评估.研究结果表明,该模型预测的平均相对误差为1.91%,最大相对误差为2.63%,具有良好的预测效果.     

履带式重装备公路输送风险评估研究

为进一步提高履带式重装备公路输送能力,降低输送风险,根据履带式重装备公路输送特点,在层次分析法基础上,对平均随机性指标检验不可接受的判断矩阵,构建BP神经网络调整,建立了改进的层次分析法,从人员、装备、道路、环境四个方面分析履带式重装备公路输送风险因素,构建有效的风险评估体系评估履带式重装备公路输送风险,并根据评估结果提出建议措施。     

基于PSO的神经网络优化证券投资组合方法研究

针对传统人工神经网络中的BP(back propagation)神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群(particle swarm optimizer,PSO)算法的BP神经网络优化证券投资组合方法.在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化.将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法.     

小波神经网络应用于电子政务信息系统安全风险评估

针对电子政务信息系统风险评估的复杂性和不确定性,作者提出了小波神经网络评估方法,建立了小波神经网络评估模型,最后采用Matlab7.1工具进行了仿真实验,并分别从网络的收敛速度、训练精度和训练效果上与BP神经网络算法作了对比。结果证实该方法有效克服了传统方法中人为分配权重带来的主观性,使评价结果更科学,更合理。