随着专利数量的迅速增长,如何预测专利质量,已成为企业、政府以及学术界越发关注的问题。传统的统计分析方法虽然对专利质量评估进行了多方面探索,却较少对专利质量进行预测,尤其是充分利用到专利数据的海量样本和持续更新的优势。本文以2010—2011年国家知识产权局受理的共计85万余件专利申请为研究对象,抓取申请文档中以及相关引文的特征信息,搭建完整的随机森林模型,对后续被引情况进行机器学习及预测。除此之外,随机森林对特征重要性的评估结果显示,专利的向前引证专利的特征比该专利本身的特征对后续引证的预测提供了更多有效信息,进一步显示出专利审查中对前引专利检索工作的重要性。同时,文章结尾指出了本文模型的局限性以及今后借助机器学习对专利预测的改进方法。

文章引入一种小波变换与机器学习的组合预测方法，通过小波变换提取单变量时间序列的主要特征，并应用不同的机器学习模型进行预测分析。构建不同类型的机器学习模型对上证指数、恒生指数、纳斯达克指数和日经225指数进行预测，结果表明：在不增加任何被解释变量的情况下，经过小波变换的数据特征能较好地预测指数收益率；通过比较线性模型、机器学习模型和深度学习模型发现，线性模型在捕获小波变换特征方面表现最好；有效的数据降维方法是提高非线性模型样本外预测精度的重要手段，并且可以减少模型训练的时间；小波变换和贝叶斯混合模型的预测精度高于传统的ARMA模型。

电影票房预测对于管理部门一直是一项重要而复杂的工作。电影票房相关变量复杂多变,且数据获取难度较大是制约当前研究的主要因素。相比之下,网络搜索数据是互联网公司发布的用于记录网民搜索行为的结构化数据,能客观及时反映事物的发展趋势。本研究建立了基于网络搜索数据的混合预测模型。首先,匹配与测试集最相似的训练数据构建最优训练集(OTS)。其次,应用帝国竞争算法(ICA)选择最小二乘支持向量机(LSSVM)的最佳参数组合。最后,使用优化模型进行预测。为了测试模型的效果,使用中国大陆上映的电影票房数据进行模拟实验。结果表明混合模型具有更高的预测精度。本研究所构建的模型适用于中国电影业的票房预测,可为有关部门提供决策参考。

暴雨内涝的快速预测对于提升灾害应急处置能力具有重要意义.针对传统数值模拟复杂耗时导致难以满足暴雨内涝预测时限要求的问题,该文基于机器学习方法构建城市暴雨内涝时空快速预测模型.利用城市综合流域排水模型(InfoWorks ICM)模拟的高精度网格结果作为数据驱动,综合考虑降雨因素、地理数据以及排水管网的分布情况,分别基于随机森林、极限梯度提升(XGBoost)、K最近邻以及长短期记忆(LSTM)神经网络建立城市暴雨内涝快速预测模型.以某城市区域为例,开展算例研究,结果表明:随机森林模型的空间预测效果最佳,淹没范围预测准确率可达99.5%,积水深度平均预测误差3.6%;LSTM神经网络模型能准确预测内涝点积涝过程的水深时序变化.在该算例场景下,所构建的机器学习模型可实现s级的暴雨内涝时空快速预测.

文章基于CAPM、多因子、DNN、LSTM和SVM模型，探讨传统线性资本资产定价模型与机器学习模型对于资产组合样本外的预测能力。提出了六个假设，并采用固定窗口和滚动窗口对模型的预测能力进行验证，结果发现机器学习模型比线性回归在样本外的预测能力更佳，泛化能力更强。

城市化过程实质上是城市文明的时空扩散过程。传统的城市化预测模型多着眼于时间,文章在空间扩散模型的基础上,尝试在城市化预测模型中同时考虑时间维和空间维,提出城市化时空预测模型,如时空相互作用模型、空间—时间自相关模型、内生潜力与外生潜力相结合模型等,从而提供预测城市化进程的新视角和新思路。

落叶松毛虫为我国主要害虫之一,其发生严重影响了我国林木生长和森林资源的安全。因此,及时准确地对落叶松毛虫虫害发生趋势进行预测、预报十分必要。虫害的发生受到多种因素的影响,存在复杂的非线性关系,传统的预测方法大多为基于线性的预测,导致其预测效果不够理想。本研究选取当年3月中旬的总蒸发量、上年7月上旬的平均最低气温、当年3月下旬的极端最低气温以及上年11月上旬的平均风速作为自变量,虫害发生面积作为因变量,利用多层前馈神经网络(MLFN)、广义回归神经网络(GRNN)以及支持向量机(SVM)3种机器学习算法对落

对碳价进行科学准确的预测，有利于提高碳市场风险防范能力。本文提出一种基于二次分解和机器学习的碳价组合预测模型，将影响碳交易价格的内部和外部因素输入预测模型，汇总各序列的最优预测值即得到碳价的最终组合预测结果。以湖北碳市场价格为样本开展实证研究，结果表明：该组合预测模型达到了较高的预测精度，有利于提高碳交易价格预判的准确度、提高碳市场运行效率。基于此，建议采取二次分解和机器学习方法开展碳交易价格预测工作，建立跨试点碳价风险预警联动机制，根据经济发展形势及时调整碳配额发放总量。

文章构建了基于差分自回归移动平均(ARIMA)模型与支持向量机(SVM)、随机森林(RF)、极端梯度提升树(XGBoost)的三种组合模型,将其应用于国内汽车市场批零量预测。基于2009—2018年国内汽车市场乘用车批零量数据以及上汽集团数据库中相关指标数据,将组合模型的预测结果与改进后的三次指数平滑(HW)算法、ARIMA模型进行比较。结果显示:组合模型均能有效地改善建模结果,其中ARIMA与XGBoost的组合模型针对批发量与零售量的三个月内预测平均相对误差分别为3.53%与2.97%,对汽车企业具有参考价值。

[目的]本研究旨在探究断奶重、屠宰前活体重、背膘厚等性状因素对猪肌内脂肪（Intramuscular fat， IMF）含量的影响，确定影响猪IMF含量的关键性状因素。[方法]以805头皮特兰×[杜洛克×（长白×大白）]四元商品猪群为试验对象，记录了性别，测定了初生重、断奶重、屠宰前活体重，以及IMF含量等14个性状；首先通过相关性分析从14个性状中初步筛选出影响IMF含量的性状因素；然后通过随机森林模型评估各性状因素对IMF含量影响的重要性，进一步通过LASSO回归和逐步回归筛选出影响IMF含量的关键性状因素；在此基础上，利用广义线性模型（Generalized Linear Model， GLM）分析关键性状因素不同水平对IMF含量的影响。[结果]相关性分析结果显示，IMF含量与断奶重（r = 0.13，P < 0.001）和屠宰前活体重（r = 0.22，P < 0.001）呈显著相关；与不同位置背膘厚呈极显著相关（P < 0.001），相关系数范围在0.21～0.26之间。另外，IMF含量与肉色红度值a*、黄度值b*、色调角H⁰和色度C^*值也呈显著相关（P < 0.05），相关系数范围在0.08～0.13之间。随机森林模型分析结果显示，胸腰结合处背膘厚对IMF含量的贡献最大，其次是屠宰前活体重。LASSO回归和逐步回归分别筛选出9个、5个显著影响IMF含量的性状因素，其中性别、断奶重、屠宰前活体重、胸腰椎结合处背膘厚四个活体可测性状为两种方法共筛选出的关键性状因素。GLM分析结果显示，四个活体可测性状对IMF含量均具有显著影响，并且阉公猪平均IMF含量（2.52%）显著高于母猪（2.41%）(P < 0.05)；断奶重小于5 kg组平均IMF含量（2.24%）显著低于其它三组（P < 0.05）；屠宰前活体重小于85 kg组的平均IMF含量（2.27%）显著低于115 kg以上组（2.67%）(P < 0.05)，当屠宰前活体重大于100 kg后，各水平组之间平均IMF含量差异不显著（P > 0.05）。另外，胸腰椎结合处背膘厚大于26 mm组的平均IMF含量（2.73%）显著高于其它背膘厚组（P < 0.05），而5～12 mm与12～19 mm背膘厚组的平均IMF含量差异不显著（P > 0.05）。[结论]本研究通过机器学习确定了性别、断奶重、屠宰前活体重和胸腰椎结合处背膘厚四个与IMF含量显著相关的活体可测定的性状，并发现平均IMF含量随着屠宰前活体重和胸腰椎结合处背膘厚的增加呈明显的上升趋势。本研究结果为育种实践中IMF含量间接选育性状的选择提供了理论依据，并为构建猪活体IMF含量预测模型提供了可用的参数变量。

电影票房收入是衡量电影消费市场价值实现的重要指标,也是拉动数字消费的重要载体。本文构建包括消费者特征、电影产品特征、数字环境特征对电影消费影响的指标体系,运用Python采集2017-2019年合计830部中国电影产品相关特征因素数据集,通过stacking算法对三类经典模型进行五折交叉折叠训练,构建票房预测模型。研究发现:模型融合视角下创新设计的电影票房预测模型泛化能力更强,拟合优度更佳,预测误差更低;新情境下电影消费影响因素中的编剧历史作品票房影响力、数字化渠道营销物料投放量、演员历史作品票房影响力、电影类型以及舆论热点等因素具有重要影响作用。数字经济时代应提升高品质文化内容创新能力,审慎对待流量效应;进一步规范网络环境,加强网络生态治理;鼓励多元化的数字内容价值评价体系构建。

基于共享单车项目的多维度大样本数据,以套索回归、岭回归、随机森林和迭代决策树等机器学习模型,探讨了共享单车短期(基于小时)需求预测的主要影响因素,并对不同模型预测效果进行了比较分析。研究结果发现,影响共享单车小时需求的主要因素包括特定的位置因素、时间因素以及天气条件因素。同时,相比普通线性回归、套索回归和岭回归模型,随机森林和迭代决策树模型对共享单车短期即时需求预测的结果更精确,在样本内部拟合和样本外推预测中的拟合优度(R2)更高,标准误差(RMSE)更低,是共享单车行业短期实时需求精准预测的更有效手段。

机器学习凭借强大的计算能力和学习能力,能够提供更加快捷、精准化的大数据分析,能够更深入地洞察业务流程,有效识别高风险的审计领域,极大地提升审计效率和审计质量,但其在审计领域的深度应用也带来了一定的偏见和伦理风险。本文系统诠释了机器学习的本质内涵及其实践发展,剖析了机器学习引发会计和审计的研究范式由演绎推理向归纳分析的转变,提出了基于机器学习模型的审计应用模式,构建了面向审计全生命周期的机器学习审计应用框架,梳理总结了国际"四大"机器学习系统的应用实践,针对机器学习模型审计应用可能引发的偏见和伦理风险问题,提出了相应的应对策略。

机器学习模型在微观医疗费用预测方面的潜在价值值得进一步发掘。本文基于微观医疗大数据,对比了线性回归模型与多种机器学习模型的个人医疗费用预测性能。结果显示,大部分机器学习模型的预测性能优于线性回归模型,其中梯度提升模型表现最优。政策模拟发现,将机器学习模型预测结果作为依据以确定按人头付费方式下医保支付额时,医疗机构财务风险低于以线性回归模型作为依据的财务风险。本研究为医保支付方式改革提供了技术支持。

机器学习算法模型为住宅低碳设计与优化提供了数据支持。然而,在碳排放预测与分析时,算法模型常被直接使用,而未考虑调参与寻优,且不同自变量数据集对模型预测效果的影响差异也有待明确。为揭示不同算法模型对寒冷地区住宅低碳设计的指导效果、向建筑师提供算法模型的选择依据,针对多元线性回归、分类回归树、随机森林、自适应增强算法、梯度提升回归树和多层感知机等在低碳设计中常用的算法模型进行寻优,对比分析不同算法和自变量数据集的适用性与预测性能。该文说明了算法模型寻优的目标边界、参数取值范围、寻优过程和论证方法。在37栋寒冷地区钢筋混凝土剪力墙结构住宅及其衍生方案的基础上,采用交叉验证和网格搜索,建立了120个建材碳排放预测模型和60个将稳态耗热量转换为动态耗热量的转化系数预测模型。对比结果表明:总体上,多元线性回归、随机森林和梯度提升回归树算法的碳排放预测性能更好。其中,随机森林和梯度提升回归树算法在误差控制方面表现更佳,但预测优度与多元线性回归算法相近,且可解释性较差。采用恰当的自变量数据集,如建筑总层数、建筑层高、建筑面宽与进深等形体尺度参数,标准层户数与卧室数等功能配置参数,以及采暖期室外平均温度、实际供暖天数、屋面和墙面传热系数的修正系数等城市气象参数,多元线性回归算法能够为寒冷地区住宅低碳设计与优化提供更直观、有效的指导。