网民负面情感在网络舆情情感分析中具有重要意义,但已有研究缺乏自动化识别海量短文本中网民负面情感的多分类方法。本文利用词嵌入技术学习词语的特征表示,通过增加文本的情感特征生成具有情感意义的词向量,并训练双向长短期记忆模型得到网民负面情感识别模型,在判断网民情感极性的基础上,识别网民的愤怒、悲伤和恐惧三种负面情感,并结合案例数据与SVM、LSTM和CNN等模型进行对比分析。实验表明,具有情感语义的词向量比词向量更适合情感分析任务;利用双向长短期记忆模型可以得到较好的情感识别效果;判断网民情感极性基础上识别网民负面情感的分类方式优于直接判断网民的负面情感的方式。

【目的/意义】微博中网民的负面情感反映了网民对于舆情事件的不满和诉求,网民的负面情感如何产生、又如何调节,一直是政府应急响应过程中重点关注的问题。【方法/过程】ACT-R是人类认知能力针对特定行为模型的通用框架,可以完全或几乎完全模拟人与其所处环境的真实交互。本文以ACT-R理论模型为核心,结合突发事件中网民负面情感决策相关知识与信息行为任务目标,研究微博网民负面情感认知决策过程。以"天津爆炸"突发事件为实验案例,对本文提出的决策模型进行验证。【结果/结论】实验结果表明:本文提出的模型可以有效的反映网民负

城市化进程提升促使城市环境污染加剧、能源消耗激增、人口密度过大等问题的深层次原因在于城市代谢失调。为精准预测北京市城市代谢变化趋势,论文通过能源消费量及人类活动时间指标测算了1980—2016年北京市体外能代谢率,表征城市代谢程度。据此运用长短期记忆神经网络模型(LSTM)预测了2017—2022年北京各部门体外能代谢率。结果表明:①基于长短期记忆神经网络的城市代谢预测模型精度较高,能够对北京各部门体外能代谢率进行更为精准的预测;②2017—2022年间,北京第一产业和总体外能代谢率呈下降趋势,其中第一产业在2017年达到峰值,第二、第三产业及生活部门体外能代谢率将呈现增长趋势。③除第一、第三产业和总体外能代谢率外,历史变化的时间扰动幅度先小后大。④对各部门体外能代谢率EMRT的影响贡献度最大的因子为第二产业体外能代谢率EMR2,最小的为第一产业体外能代谢率EMR1。论文研究结果可为政策制定者优化城市管理方案、提升城市综合实力提供理论依据和决策支持。

【目的】木材密度不仅与木材的各种材性密切相关，而且是衡量木材质量与价值的重要指标。采用近红外光谱（Near infrared spectroscopy, NIRS）分析技术能够快速、高效地预测木材密度，避免了传统试验中繁琐的检测步骤。长短期记忆网络(Long short-term memory network, LSTM)作为循环神经网络(Recurrent neural network, RNN)的变体，不仅可以学习序列数据之间的高阶特征信息，而且克服了RNN中的长距离依赖、梯度爆炸与梯度消失等问题。将LSTM与NIRS结合，提出一种能够准确预测樟子松木材气干密度的无损检测技术，为提高NIRS模型预测木材气干密度精度提供理论依据。【方法】该研究以樟子松木材样本为研究对象，用近红外光谱仪获得106个樟子松样本的光谱数据，并在恒温（20±2℃）恒湿（65%±3%）的环境下测定样本的气干密度。通过对比多组预处理方法和特征选择方法，采用Savitzky-Golay卷积平滑（Savitzky-Golay smoothing,SGS）等方法进行预处理，采用竞争性自适应加权算法（Competitive adaptive reweighted sampling, CARS）进行波段选择，剔除NIRS数据中的高频噪声与冗余信息，提升光谱数据质量、建模速度与精度。为验证LSTM模型预测能力，将其与偏最小二乘回归(Partial least squares regression, PSLR)、卷积神经网络(Convolution neural network, CNN)等建模算法对比分析。上述3种算法被分别应用于建立樟子松木材气干密度近红外预测模型。【结果】基于上述3种建模方法建立的NIRS模型均可实现樟子松气干密度的有效预测。且LSTM模型的预测精度与回归拟合度均优于PLSR与CNN模型。其中SGS+CARS处理后的LSTM模型的预测精度最高、泛化性能最强、拟合效果最好（R2=0.959,RMSEP=0.005,RPD=5.033）。【结论】通过对樟子松木材光谱数据与气干密度的采集，建立了一种新型的基于NIRS分析技术与LSTM的木材气干密度检测方法。LSTM预测模型相较于传统的回归模型，模型的预测精度更高，回归效果更好，鲁棒性更强。该检测方法既可保证木材的完整性，又可以提高气干密度的预测精度，实现了对樟子松木材气干密度的快速无损检测，为木材近红外光谱分析提供了可参考的模型与理论依据。

煤自燃是煤矿的主要自然灾害之一。煤自燃的物理化学过程十分复杂,且影响因素众多,给煤自燃危险性的预测带来很大的挑战。利用深度学习理论与方法加强对煤自燃危险性预测技术的研究,有助于提升煤矿安全生产智能化管控水平。该研究运用循环神经网络(RNN)、长短期记忆(LSTM)网络和门控循环单元(GRU) 3种算法,建立了采空区CO动态序列预测模型。对数据集进行特征变量分布检验以及数据归一化处理,降低了变量依赖性。在模型构建过程中,添加了全连接层和Dropout类以避免模型出现过拟合,通过均方误差确定模型的选代次数,引入了平均绝对误差、均方根误差和确定系数3个模型性能检验指标,分析优化了模型的参数,检验了模型性能。研究结果表明:RNN、 LSTM和GRU模型均能实现对CO体积分数的动态预测,且误差小于1%;在同一序列数据下, LSTM模型预测精度最高,其次是RNN模型和GRU模型。

文章基于2008-2017年的季度数据,运用协整检验、误差修正模型和脉冲响应分析,从长期弹性和短期弹性的视角,对我国电子商务和快递业之间的关系进行实证分析。研究结果表明我国电子商务和快递业之间具有长期均衡的关系,电子商务对快递业有正向推动作用,当短期波动偏离长期均衡时,通过负反馈机制调整至均衡状态;电子商务对快递业的推动作用表现为长期效应大于短期效应;在长期和短期内,电子商务对快递业务量的推动作用均比对快递业务收入的推动作用更显著。

文章采用2000-2013年间的月度数据,从长期和短期影响因素的角度分别构建相应最优的马尔科夫区制转换模型,研究同一类型因素中影响汇率变动的主导变量。实证结果表明,国内通货膨胀和国际市场利率是短期因素中影响我国汇率变动的主要变量,长期因素中贸易条件、货币供给和外汇储备是影响汇率变动的主要变量,其中货币供给增加引致的汇率升值现象说明当前我国货币的资本功能主导汇率变动。然后结合模型区制间转换脉冲响应和实际汇率变动趋势可以确定我国某一时期汇率变动的决定因素,进一步分析发现我国不同时期汇率同样的变动趋势的决定因素可能不一致。

以圣达菲人工股市为基础,使用Java语言改进了人工模拟股市,并试图探究具有不同记忆特征的投资行为能否影响股票价格。利用所开发的程序进行多次实验,发现异质市场总是优于同质市场。

本文对以量化宽松为代表（Ｑｕａｎｔｉｔａｔｉｖｅ ｅａｓｉｎｇ，Ｑｅ）的美国扩张性货币政策对中国通胀水平的影响进行了研究。在分析影响我国通胀水平因素的基础上，采用深度长短期记忆神经网络模型（Ｄｅｅｐ ＬｓｔＭ）对Ｑｅ影响我国通胀的传导渠道进行建模，并利用１９９２年１月到２０１５年６月的数据对深度ＬｓｔＭ的模型参数进行估计。基于深度ＬｓｔＭ的建模结果分析表明美国量化宽松政策通过大宗商品价格和外汇储备变动两方面造成我国通货膨胀水平的提高，其中量化宽松导致的外汇储备变化对我国通胀水平影响较大。此外对深度ＬｓｔＭ网络和ｖａＲ两类模型进行了对比分析，分析表明深度ＬｓｔＭ网络在建模精度方面要高于ｖａＲ模型．．．

利用HP滤波法将人民币汇率分解为长期变动和短期变动,通过构建马尔科夫区制转换贝叶斯向量自回归模型(MSB-VAR),分区制研究了汇率长短期变动与房地产股指收益率之间的关系。研究发现,汇率变动与房地产股指收益率之间的关系表现出Markov转换过程。在高、低两区制下,长短期汇率变动都对房地产股指收益率有较明显的单项影响特征,其中长期汇率变动的影响有非对称性。基于研究结论,文章最后针对股票市场的投资和市场监管提出了相关建议。

本文使用１９９４～２０１５年中国宏观经济数据，利用ＳＶＡＲ模型对转轨背景下我国国债发行的经济增长效应进行长短期的动态实证研究，分析结果显示：短期范围内我国国债对经济具有提升作用，但在长期我国国债规模的持续膨胀将会阻碍经济的稳定健康发展。而且，从脉冲响应图可以看出我国国债对私人投资存在先挤入后挤出效应，通过我们进一步对模型中各经济变量进行方差分解以后我们发现，从长期角度来看，私人投资比国债对经济和投资波动的解释程度要大，但没有国债对于通货膨胀波动的解释程度大。最后，根据我国目前的经济形势提出了转轨时期如何科学管理我国国债的相关建议。

当下中国正处在经济转型的关键时期,发展外向型经济、倒逼国内经济模式转型已成为全社会的共识,能否充分发挥对外贸易对经济增长和经济转型的带动作用,必将影响我国经济体制改革的成效。基于此,本文选取1982-2012年的我国进出口贸易及GDP数据,并采用VAR模型、协整检验、脉冲响应、Granger检验等方法实证研究了它们之间的长短期动态关系,结果表明:在长期中,进出口贸易与经济增长之间存在正向均衡关系;同时在短期中,进出口贸易对经济增长的影响程度和贡献度均比较显著,成为影响我国经济增长的首要外向型引擎。

通过研究1980-2009年期间我国工业制成品、初级产品出口额以及外商直接投资(FD I)的统计数据,利用向量误差修正(VEC)模型和Johansen协整检验等计量经济方法,就FD I对我国出口商品结构的长短期效应进行实证分析,建立模型并得出结论。研究发现:FD I与我国出口商品结构的优化存在长期稳定的均衡关系,对改善我国出口商品结构做出了正向积极的贡献,其长期效应明显优于短期,且长期效应对短期波动具有调节作用。因此政府应采取各种措施,吸引外商长期投资,并充分发挥外商直接投资的技术溢出效应,强化外商直接投资的产业和行业政策以优化我国出口商品结构。

本文利用SVAR模型对转轨时期我国政府债务、财政赤字和经济增长相互间的关系进行实证分析,分析结果显示:短期范围内我国政府债务对经济具有提升作用,但在长期,我国政府债务规模的持续膨胀将会阻碍经济的稳定健康发展。此外,政府债务对私人投资存在先挤入后挤出效应;通过进一步对模型中各经济变量进行方差分解发现,通货膨胀对财政赤字、国民生产总值及政府债务波动的解释程度最高,而赤字对其本身及国民生产总值的波动解释程度次高,财政赤字的波动受其他经济变量的影响较小,而其他经济变量对国民生产总值的影响比率大致相同;最后,根据我国目前的经济形势提出了转轨时期如何科学管理政府债务的相关建议。

利用HP滤波法将人民币汇率分解为长期变动和短期变动,通过构建马尔科夫区制转换贝叶斯向量自回归模型(MSB-VAR),分区制研究了汇率长短期变动与房地产股指收益率之间的关系。研究发现,汇率变动与房地产股指收益率之间的关系表现出Markov转换过程。在高、低两区制下,长短期汇率变动都对房地产股指收益率有较明显的单项影响特征,其中长期汇率变动的影响有非对称性。基于研究结论,文章最后针对股票市场的投资和市场监管提出了相关建议。