民营企业与中小板市场互动性实证研究

文章立足于金融发展与经济增长相关性理论研究基础,建立中小板市场和我国民营企业发展的VAR模型,运用脉冲响应分析和预测误差方差分解深入分析。实证分析结果不仅支持了我国民营企业发展与中小板市场存在良性互动的观点,而且说明了两者之间的互动存在短期的弱效应和长期的强效应,在当前阶段,民营企业发展对中小板的促进作用要强于中小板市场对民营企业发展的促进作用。     

基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型

为降低样本噪声对客流预测模型的干扰, 结合深度学习理论, 提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型; 将预测过程分为3个阶段, 第1阶段预处理原始地铁刷卡数据, 构建进(出)站客流时间序列, 运用经验模态分解法将时间序列转化为一系列本征模函数及残差, 第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量, 第3阶段基于深度学习库Keras, 完成长短时记忆神经网络的搭建、训练及预测; 以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明: 与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比, 经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%), 将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%), 说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型; 当预测步长由5 min逐渐增加至30 min时, 工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%), 说明该方法预测误差与预测步长呈负相关。      

基于EMD-DA-RNN的边坡位移预测

我国滑坡灾害高发,每年造成了巨大的人员伤亡和经济损失。依托信息技术尤其是物联网技术、人工智能等技术,滑坡的监测预警逐渐自动化、智能化,各种滑坡监测预警系统层出不穷,滑坡监测的数据量、预警的即时性都得到了极大的提升。采用深度学习技术的理论方法,充分利用监测系统获得的数据开展数据挖掘,利用已有的监测数据和各类信息预测滑坡未来一段时间的演化行为,最终实现对滑坡的安全评价。可及时提出滑坡的预防与处置方案,从而保障滑坡影响区域的人类活动。     

几种新的ElGamal型签名方案及其加强型

对ElGamal型签名规则做出适当修改,并列出了几种新的签名方案．同时给出了新方案的加强型,使其安全性基于大整数分解和离散对数两大数学难题,从而具有较高的安全性．     

与任意图(m,r)-正交的(g,f)-因子分解

设G是一个图,用y(G)和E(G)表示它的顶点集和边集,并设g(x)和f(x)是定义在V(G)上的两个整数值函数,且对C每个x∈V(G),有5/2r-1≤g(x)≤f(x),则图G的一个支撑子图,称为G的一个(g,f)-因子,如果对每个x∈V(G),有g(x)≤d,(x)≤f(x)．图G的(g,f)-因子分解是指E(G)能划分成边不交的(g,f)-因子,设F=|F1,F2,…,Fm|和H分别是图G的因子分解和子图,若对所有1≤i≤m有|E(H)∩E(Fi)|=r,则称,和H(m,r)-正交．本文证明：若G是一个(mg m-1,mf-m 1)-图,H是G中任一有mr条边的子图,则G有一个(g,f)-因子分解与H(m,r)-正交。     

一种整周模糊度快速求解方法

采用整周模糊度的浮点解及相应的方差协方差阵构成整数模糊度的搜索空间,在所有可能的候选值中以最小残差二次型为准则选出正确的整周模糊度.然后应用三角高斯整数变换降低协方差阵QN^′中的数值,缩小了模糊度的搜索空间,最后采用Cholesky分解提高搜索效率,并简要讨论了模糊度搜索方法的统计特性.仿真结果表明,采用本文提出的方法,可以提高整周模糊度的搜索速度.     

复杂传递路径下轴承滚动体故障特征提取

为消除复杂传递路径对轴承滚动体振动信号的影响并提高故障特征提取的能力，研究了基于变分模态分解(VMD)、优化最大相关峭度解卷积(MCKD)和1.5维谱的轴承滚动体故障特征提取问题；分析了轴承滚动体原始振动信号特点、早期故障信号的特性以及复杂传递路径对振动信号的影响，运用VMD将原始振动信号分解为一系列本征模态函数(IMFs),提出了转频分量剔除方法，通过峭度准则优选2个峭度较大的IMFs分量进行重构；基于网格搜索法研究了MCKD算法参数优化方法，用以增强重构信号的周期性故障特征，消除复杂传递路径对轴承滚动体故障信号的影响；利用1.5维谱分析重构信号，建立了复杂传递路径下轴承滚动体故障特征提取新方法，实现了轴承滚动体故障的准确诊断；为了证明方法的有效性，选取美国凯斯西储大学轴承SKF6205基座滚动体数据进行试验验证与分析。试验结果表明：网格搜索法获得了MCKD算法的最优滤波长度与冲击周期参数(365、85),优化MCKD算法增强了重构信号的故障特征，减少了无关频率分量，明显降低了其他成分的干扰；提出的故障特征提取方法在0、735和1 470 W负载条件下均提取到了轴承滚动体的故障特征频...     

HHT滤波特性在sEMG信号滤波中的应用

在常规HHT滤波方法基础上,考虑sEMG信号频带分布特性,设计了一种新的HHT滤波方法.该方法设计了针对IMF分量的噪声能量抑制函数,用来抑制各分量可能包含的噪声,再将每个修正的IMF分量叠加,得到去噪后的sEMG信号.通过实验比较可以看出,考虑sEMG信号频带分布特性的HHT滤波方法可以一定程度上解决噪声与信号处于同...     

用正则化Symmlq方法求解Symm积分方程

Symm积分方程是Hadamard意义下的不适定问题.离散该方程将产生线性离散不适定系统.文中提出基于GCV准则的正则化Symmlq方法数值求解Symm积分方程.与Tikhonov正则化相比,在数据出现噪声的情况下,该方法能快速有效地反演出Symm积分方程的数值解.