- 年份
- 2024(6427)
- 2023(9355)
- 2022(7955)
- 2021(7372)
- 2020(6181)
- 2019(14431)
- 2018(14385)
- 2017(28145)
- 2016(14962)
- 2015(16907)
- 2014(16584)
- 2013(16055)
- 2012(14288)
- 2011(12521)
- 2010(12257)
- 2009(10509)
- 2008(9727)
- 2007(8013)
- 2006(6511)
- 2005(5150)
- 学科
- 济(62480)
- 经济(62425)
- 管理(46697)
- 业(41519)
- 方法(35734)
- 企(35638)
- 企业(35638)
- 数学(32425)
- 数学方法(31768)
- 财(14860)
- 农(14161)
- 环境(13451)
- 中国(13203)
- 业经(12052)
- 学(11798)
- 理论(10627)
- 务(10413)
- 财务(10357)
- 财务管理(10333)
- 和(10063)
- 划(9922)
- 企业财务(9797)
- 贸(9781)
- 贸易(9775)
- 技术(9713)
- 易(9544)
- 地方(9515)
- 农业(9334)
- 制(8270)
- 融(7058)
- 机构
- 学院(202181)
- 大学(200393)
- 管理(85813)
- 济(81835)
- 经济(80352)
- 理学(76090)
- 理学院(75388)
- 管理学(73658)
- 管理学院(73300)
- 研究(58360)
- 中国(43210)
- 京(40046)
- 科学(36329)
- 财(34971)
- 业大(31013)
- 财经(29556)
- 农(29289)
- 中心(29029)
- 江(27264)
- 经(27147)
- 所(26919)
- 经济学(25300)
- 研究所(24916)
- 北京(24036)
- 范(23755)
- 师范(23483)
- 农业(23091)
- 经济学院(23064)
- 经济管理(22962)
- 财经大学(22445)
- 基金
- 项目(150158)
- 科学(120589)
- 基金(111837)
- 研究(107400)
- 家(97620)
- 国家(96917)
- 科学基金(85743)
- 社会(68780)
- 社会科(65499)
- 社会科学(65483)
- 基金项目(59048)
- 省(58972)
- 自然(57926)
- 自然科(56713)
- 自然科学(56703)
- 自然科学基金(55638)
- 教育(51213)
- 划(49797)
- 资助(46606)
- 编号(42834)
- 重点(33759)
- 部(33406)
- 创(32384)
- 成果(31516)
- 发(31464)
- 创新(30246)
- 科研(29717)
- 教育部(29174)
- 国家社会(28933)
- 大学(28492)
共检索到266026条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 科技管理研究
[作者]
郭宇辰 加鹤萍 余涛 刘敦楠
对碳价波动的特征进行分析，说明碳价预测的意义；然后，基于卷积神经网络（convolutional neural network,CNN）与长短期记忆网络（long short-term memory, LSTM）提出一种CNN-LSTM组合模型的碳价预测方法，充分考虑碳价的时序特性，通过改善相关模型，从时序数据中提取特征的能力从而提高预测准确性；最后，通过欧洲能源交易所及我国广州碳市场的碳价实例验证，将CNN-LSTM模型的预测结果与其他常用预测模型对比，结果表明CNN-LSTM模型在碳价预测中具有更高的预测准确性。
[期刊] 统计与决策
[作者]
周章元 何小灵
为了提高金融时序预测的准确性及泛化性，文章提出了基于主成分分析法和注意力机制来优化长短时记忆模型（PCA-Attention-LSTM）的消费行业板块指数预测方法。首先对指数日常数据生成技术指标，然后通过主成分分析法提取重要特征，根据长短时记忆神经网络（LSTM）学习输入特征的内部变化规律，并利用注意力机制计算LSTM隐层状态的不同权重，最后结合注意力权重和LSTM神经网络进行指数预测。结果表明，优化后的LSTM模型对消费行业板块指数走势具有较强的预测能力。此外，在预测方法的基础上引入了股票的异同移动平均线和均线指标，提供了一种每日轮动自动捕捉交易点的短频量化交易策略。
[期刊] 价格理论与实践
[作者]
朱文兴 殷莲甜 刘道林 许菱
钨制品是21世纪国民经济及国防领域的重要稀有金属制品之一，其价格波动关系我国稀有金属产业链发展及国际贸易的稳定。本文基于2016年4月至2021年6月的钨粉价格数据，综合3种预测模型的优势构建出L＿ARIMA-SVM组合预测模型。结果表明：L＿ARIMA-SVM组合模型相较于线性组合模型，表现出更高的预测精度和更强的价格趋势把控能力。预测结果显示：钨制品价格短期内呈现缓慢波动上升趋势，但受新冠疫情的持续影响仍面临较大风险。据此，应加强钨制品价格监测预警机制，加快资源与产业有效整合，提高我国稀有金属产品价格整体影响力。
[期刊] 科技管理研究
[作者]
唐晓灵 刘嘉敏
在对BP神经网络、LSTM网络和PSO-LSTM模型在碳排放预测方面进行对比选优的基础上，通过训练好的PSO-LSTM模型在低碳、基准、高碳3种情景下，分别对建筑碳排放峰值进行预测。结果表明，低碳、基准、高碳3种情景的建筑碳排放峰值分别为226 774.56万吨、239 738.11万吨和253 379.47万吨；达峰时间分别为2029年、2032年和2033年。可见，在当前社会发展状况下，仍难在2030年前实现建筑领域的碳达峰，还需采取相应的低碳措施来推进目标的实现。
[期刊] 运筹与管理
[作者]
吴丽丽 邰庆瑞 卞洋 李言辉
准确的碳价预测可为碳排放权交易市场监管者和投资者提供决策依据与参考。本文提出了基于GA-VMD降噪分解及CNN-BiLSTM-Attention混合模型的碳价预测方法，并选取湖北碳市场2014年4月2日到2022年6月15日1857个交易日的数据进行分析：首先通过遗传算法改进变分模态分解（GA-VMD）将原始碳价序列分解为平稳的本征模态函数（IMF）分量，降低数据噪音；随后构建CNN-BiLSTM-Attention混合模型对各IMF分量进行预测。其中，卷积神经网络（CNN）可提取影响碳价多个特征，双向长短期记忆网络（BiLSTM）可实现时间序列信息提取，注意力机制（Attention）可突出某个关键输入对输出的影响。本文将预测出的各IMF分量集合成碳价序列，并提出12个模型，分为3个组进行剥离分析，结果显示GA-VMD-CNN-BiLSTM-Attention的预测结果最好。另外，为给市场参与者提供更多信息，本文在确定性预测的基础上加入区间预测，以便提前测量碳市场的波动性。
[期刊] 价格月刊
[作者]
危冰淋 刘春雨 刘家鹏
碳排放权交易作为一种重要的环境政策工具在全球范围内得到了广泛应用。如何运用深度学习等技术提高碳排放权价格预测能力是一个重要问题，基于此，提出一种Transformer-LSTM多因素碳排放权交易价格预测的深度学习模型，以湖北省碳排放权交易价格为例，旨在探索运用深度学习的方法，预测湖北省碳排放权交易价格的变动趋势。输入Transformer-LSTM模型进行预测，同时运用支持向量机回归(SVR)、多层感知机(MLP)、长短时记忆网络（LSTM）、Transformer模型进行预测与对比。通过在历史数据上进行训练，实验结果表明，Transformer-LSTM模型得到的预测价格与湖北省碳排放权交易价格价（HBEA）的实际价格更为吻合，在平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)和R~(2)评估指标上也有更佳的表现。
[期刊] 数理统计与管理
[作者]
张浩彬 薛丽丹 陈光慧
本文以地表水氨氮因子作为水质分析的研究对象,将系统降噪方法(Seasonal-HybridExtreme Studentized Deviate test,S-H-ESD)、经验模态分解(Empirical Mode Decomposition,EMD)方法和多模态输入长短期记忆模型(Multi-Modal Long Short-Term Memory,Multi-Modal-LSTM)相结合,构建了一个多尺度模态组合预测模型,EMD-Multi-ModalLSTM。在模型构建过程中,首先通过S-H-ESD算法对原始波动数据进行系统性降噪;其次,对降噪后的序列采用EMD分解为不同特征尺度的本征模态分量(IMF)和一个趋势项。在此基础上,对各分量再分别结合其他相关的序列信息,单独构建Multi-Modal-LSTM模型,并进一步通过集成各预测分量获得整体氨氮序列预测值。以珠三角地区两种不同水质断面氨氮浓度为例进行实证分析,结果表明本文方法相比于传统机器学习算法及深度学习算法具有更高的模型预测精度,且对数据波动较大的氨氮序列及高浓度时刻预测效果提升明显,预测性能更加稳定。
[期刊] 统计与决策
[作者]
张延利 张德生
组合分线性和非线性两种,在任选两个模型采用组合预测方法时,如何确定哪种组合方法效果更好成为重点。文章从协整关系和优性组合判定方法两方面提出确定线性组合条件及线下组合建模过程。在线性关系不满足时,对组合模型进行改进,采用BP神经网络对模型进行非线性组合,使其达到组合预测目的。同时,给出在任取两个模型的情况下,进行组合的方法和步骤,既提高组合预测精度,又达到简化计算过程的目的。
关键词：
人民币/美元 组合预测 线性 非线性
[期刊] 统计与决策
[作者]
张延利 张德生
组合分线性和非线性两种,在任选两个模型采用组合预测方法时,如何确定哪种组合方法效果更好成为重点。文章从协整关系和优性组合判定方法两方面提出确定线性组合条件及线下组合建模过程。在线性关系不满足时,对组合模型进行改进,采用BP神经网络对模型进行非线性组合,使其达到组合预测目的。同时,给出在任取两个模型的情况下,进行组合的方法和步骤,既提高组合预测精度,又达到简化计算过程的目的。
关键词：
人民币/美元 组合预测 线性 非线性
[期刊] 财经科学
[作者]
胡剑波 罗志鹏 李峰
本文基于LSTM神经网络模型并在一定的经济增长预期下推导预测出我国碳排放强度变化趋势,同时,建立ARIMA-BP神经网络模型作为验证模型对碳排放强度进行直接预测。研究结论为:(1)LSTM神经网络模型在验证集上的均方误差(MSE)为0.00001,平均绝对百分比误差(MAPE)为0.33%,表明模型泛化能力十分优秀,在LSTM神经网络模型预测框架下,中国碳排放强度将在2030年达到0.9237吨/万元,相较于2005年的碳排放强度2.9755吨/万元下降68.96%;(2)在ARIMA-BP神经网络模型的预测分析中,预估中国2030年碳排放强度能够下降至0.9840吨/万元,相较于2005年2.9755吨/万元的碳排放强度下降66.93%;(3)将ARIMA-BP神经网络模型得到的碳排放强度预测值与LSTM神经网络模型进行对比,LSTM模型在预测精度上的表现更佳,两个模型对于2030年碳排放强度值的预测相差0.0603吨/万元,对于碳排放强度较2005年降幅预测相差2.03个百分点,验证了本文预测模型的稳健性。
关键词：
碳达峰 碳排放强度 预测
[期刊] 统计与决策
[作者]
次必聪 张品一
对金融时间序列的精准预测是经济政策制定者以及投资者关注的重点。文章选用道琼斯工业指数、上海证券综合指数以及伦敦金价格指数作为金融时间序列的代表，以非线性组合的方式，构造了一种新的ARIMA-LSTM组合模型，对三种金融时间序列进行预测，并将ARIMA模型、LSTM模型和线性组合模型作为对照模型，比较不同模型预测的准确性。实证结果表明，所构建的非线性组合预测模型较对照组的单一预测模型和线性组合预测模型均存在普遍的优势。在短期、中期和长期三个预测区间内，非线性组合模型相较于对照组模型的优势随着预测区间的变长而扩大。
[期刊] 统计与决策
[作者]
李卫国 张爱琴
本文基于灰色系统理论,提出一种非平稳时间序列预测模型的建模方法。该方法首先利用灰色系统模型提取时间序列的趋势项;然后利用样本周期图拟合周期项;最后对去掉趋势项和周期项的序列建立模型,从而完成非平稳时间序列的总体建模。
[期刊] 价格理论与实践
[作者]
张省
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。
[期刊] 统计与决策
[作者]
卢阳
建立精确的金融预测模型对金融产品管理和风险控制具有重要的实用价值。文章针对新时期下金融产品推出周期短,可建模数据少的特性,构建了一种少数据建模的灰色线性回归组合金融预测模型。针对传统GM模型中忽略了数据的线性变化规律,对传统的GM模型进行改进,加入线性部分,构建了灰色线性组合金融预测模型,并给出了灰色线性组合金融预测模型的参数识别算法。最后实证分析了灰色线性组合金融预测模型对少数据建模的有效性,且实证结果显示该组合金融预测模型具有较高的预测精度。
[期刊] 技术经济与管理研究
[作者]
沈存根 周开君
自组织理论是基于神经网络和计算机科学的迅速发展而产生和发展起来的。它将黑箱思想、生物神经元方法、归纳法、概率论、数理逻辑等方法有机地组合起来。其主要思想是通过简单的初始输入(局部变量)的交叉组合产生第一代中间候选模型,再从第一代中间候选模型中选出最优的若干项组合而产生第二代中间候选模型,重复这样一个产生、选择和遗传进化过程,使模型复杂度不断增加,直到选出最优复杂度模型为止。本文利用自组织方法进行数据筛选和建立税收预测模型,并在数据筛选基础上建立线性回归预测模型和BP神经网络预测模型,然后结合时间序列的预测
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
