控制工程(系统)的经典力学原理在于能够精确构建和估计被控系统的输出位置,速度和加速度三个状态变量,应用牛顿定律对这三个状态变量作出闭环负反馈控制,使得系统输出跟踪期望的输出轨迹. 在文献(开平安和申忠利, 2022)中,在匀加速运动方程基础上, 应用卡尔曼滤波器设计了OUAM观测器(Observerbased on Uniform Acceleration Movement),基于牛顿定律设计了无模型控制MFCNLM系统(Model-Free Control based onNewton's Laws of Motion),控制系统的所有参数设计不需要被控对象的模型,仅需控制工程师给出闭环控制系统输出期望的过渡过程时间T.文章在文献(开平安和申忠利, 2022)的基础上,着重分析了牛顿定律在OUAM观测器和MFCNLM系统中的理论和应用,论证了OUAM观测器的无偏性和MFCNLM系统的有效性,分析和论证了MFCNLM系统,PID和PIDCC系统在控制系统设计上的经典力学统一性,分析和设计了在具有纯延时环节时变系统中的一种简单而有效的方法.仿真结果论证了MFCNLM系统和具有补偿器的PIDCC系统在应用这种方法后提高了纯延时环节时变系统的控制品质和鲁棒性能.

障碍期权是一种在中国市场中备受欢迎的场外衍生品, 由于其收益的不连续性, 金融机构在动态对冲的过程中主要面临delta值震荡的问题, 从而导致对冲风险较大. 文章基于柳树法的思想, 在跳扩散模型下, 提出一个稳定且适用于多种随机模型的障碍期权定价和希腊值计算方法, 用于障碍期权动态对冲. 相比于现有方法, 柳树法计算delta值更稳定, 对冲成本更低. 进一步, 对2010年1月1日至2021年9月30日标的资产是上证50指数的障碍期权对冲效果进行研究, 并基于市场数据对模型参数进行实时校准. 对冲结果表明柳树法的确能够降低对冲成本和对冲风险, 进而可以为国内金融机构对冲障碍期权及相关的结构化产品提供一种新的方法.

文章关注一类具有符号有向图的异质非线性分数阶多智能体系统的预设时间二部一致性跟踪问题.通过引入一类具有广义性质的时变函数,设计了一类基于时变函数的预设时间分布式控制器,以一种完全分布式的方式分别实现了异质线性和异质非线性分数阶多智能体系统的精确预设时间二部一致性跟踪.该预设时间可以通过时变函数预先设定, 且不依赖于任何初始值和参数.最后, 用实例验证了理论结果的有效性.

作为一种流行的非凸惩罚,极小极大凹惩罚(MCP)在变量选择中被广泛使用.非对称最小二乘回归(ALS)区别于最小二乘回归,能够研究响应变量的整个条件分布.文章基于MCP惩罚,提出带有MCP惩罚的稀疏非对称最小二乘回归模型(MCP-ALS),并得到了相应估计量的性质.文章证明:首先,在一定的正则化条件下,当协变量维度固定时,诱导估计量具有Oracle性质.在高维模型中,当回归误差具有有限阶矩时,诱导估计量具有弱化Oracle性质.其次,通过采取不同的非对称权重值,文章提出的方法能够识别出引起异方差的协变量.数值模拟表明,文章提出的方法在变量选择上有优良的表现,并且能有效检测异方差.最后,将所提方法应用于糖尿病数据集中,实例分析表明,所提方法在实现变量选择的同时,能够挖掘解释变量与响应变量之间的潜在关系,以期对糖尿病人病情的预测和控制提供借鉴.

近年来,旅游景区因超负荷接待造成游客滞留的事件屡见不鲜,如何准确有效地预测景区客流量、合理调配资源成为眼下景区管理者十分关切的问题.由于节假日等外部因素的影响,景区客流量的时间序列曲线通常呈现非线性的特征,这增加了准确预测旅游客流量的难度.文章提出一种考虑节假日影响效应的景区客流量预测方法,即Prophet-NNAR混合预测方法:首先,基于考虑了节假日影响因素的Prophet模型预测原始景区客流量序列;其次,使用神经网络自回归模型(NNAR)对Prophet模型预测值的残差部分进行预测;最后,将二者相加作为Prophet-NNAR混合模型的最终预测结果.文章以2013年1月1日至2017年7月31日的九寨沟景区历史客流量数据为研究样本,使用R软件验证Prophet-NNAR混合预测方法的有效性,研究发现Prophet-NNAR混合预测方法的预测性能除了优于单一的模型方法(Prophet模型、不考虑节假日效应Prophet模型、NNAR模型)外,还强于季节自回归求和滑动平均(SARIMA)、指数平滑模型(ETS).此外,借助Diebold-Mariano检验进一步确定了Prophet-NNAR模型的优异性.

针对状态不完全可测的多智能体系统,研究持续异步拒绝服务(Denial of Service,DoS)攻击下基于观测器的安全一致性控制问题.基于切换理论,将受到攻击的多智能体系统建模为满足持续驻留时间的切换系统.攻击睡眠阶段被认为是$\tau$部分,其中通信网络中的领导者是全局可达的.攻击激活阶段看作$T$部分,持续有效的拒绝服务攻击能够破坏原始通讯网络的连通性.通过构造模型依赖Lyapunov函数并求解线性矩阵不等式,获得控制器和观测器增益以实现一致性跟踪.最后,仿真结果验证了所提方法的有效性.

区块链通证激励的兴起,为解决用户内容创作动力不足的问题提供了新思路,但其在实际落地过程中仍面临着诸多挑战.文章以基于区块链的知识社区Steemit为研究对象,通过采集区块数据,从激励平等性和知识贡献效率两个维度分析了社区通证激励机制的现状及问题,从而揭示社区通证激励分配垄断的现象,并探究了通证激励分配垄断对用户知识贡献的影响.研究结果表明:社区的通证激励分配被少部分头部用户所垄断,且社区的激励分配机制不能有效反映用户的知识贡献水平;通证激励分配的不平等性降低了用户的内容生产和内容发现水平.

针对具有外部扰动和参数不确定性的多四旋翼无人机，提出了基于指令滤波反步方法的分布式固定时间自适应编队控制算法.通过引入固定时间指令滤波及构建非光滑误差补偿机制，有效地避免了"复杂性爆炸"问题并在固定时间内移除了滤波误差的影响.此外，通过设计分段函数，巧妙地解决了分布式控制器中存在的奇异性问题.利用固定时间稳定性理论，严格证明了闭环系统是实际固定时间稳定的，且闭环系统中所有信号有界，同时编队跟踪误差在固定时间内收敛到原点附近充分小的邻域内.最后，仿真算例验证了所提出的分布式固定时间控制策略的有效性.

新能源汽车的推广对中国保障能源安全与实现双碳目标具有积极意义.在内燃机车仍在中国汽车消费市场中占据主导地位的背景下,新能源汽车还需深入推广,其销量的影响因素有待进一步明确.文章使用网络爬虫技术获取有关新能源汽车的在线评论数据,以2021年在售的129款新能源汽车为研究样本,通过文本挖掘和实证分析来揭示在线评论中特定内容对新能源汽车推广的内在影响机理.研究的主要结论如下:1)评论特征中的评论数量、评论情感极性与评论点赞数将对车辆销量产生正面影响.2)新能源汽车在线评论中有关“噪音控制”、“加速性能”、“内燃机车”、“电池与充电基础设施”与“天气”的内容将对车辆销量产生显著影响.3)在线评论中“环保”、“电池与充电基础设施”、“科技感”、“加速性能”等内容对车辆销量的影响存在异质性.研究表明,新能源汽车在线评论中的特定内容将对新能源汽车销量产生显著影响,厂商应在进行评论口碑管理的同时,针对相应内容所反映的用户反馈优化自身的生产服务.

针对中小企业的信用风险预测问题,文章提出了一种基于长短期记忆网络(Long Short-Term Memory,LSTM)-卷积神经网络(ConvolutionalNeural Network,CNN)的中小企业信用风险预测方法.首先,依据国标《企业信用评价指标》,结合中小企业的特点,构建中小企业信用风险预测指标体系,包括守信意愿、守信能力和守信表现三方面的财务与非财务指标;然后,优化LSTM-CNN的网络结构和参数,并使用Dropout方法与Batch归一化方法防止过拟合;最后,采集上市中小企业数据,对数据进行缺失值、标准化与过采样处理,利用LSTM-CNN自动提取信用风险特征,并进行信用风险预测.实验结果表明,文章构建的指标体系能够更为全面的反映信用风险状况,基于LSTM-CNN的中小企业信用风险预测效果优于其他信用风险预测模型,克服了传统方法无法对中小企业时序数据进行动态预测、忽视中小企业发展潜力与时间延续性的局限.

文章采用高维数据变量筛选的方法对衡量员工离职的诸多因素进行统计分析,并对员工离职情况进行了预测.分别使用了由Cui等(2015)提出的MV (Meanof Variance)方法和LASSO方法对高维数据进行变量筛选,选出了与员工离职相关较为密切的的变量进入分类模型.为保证模型预测结果的准确性,文章选择了支持向量机、随机森林、XGBoost以及Logistic模型四种机器学习模型对员工离职情况进行预测.在100次的实验中,相比于另外的7种组合模型方法,MV变量选择下的随机森林模型的平均分类准确率最高,达到95.43%.通过改变训练集与验证集的比例、抽取80%样本数据、增加随机扰动三种方式来验证上述实验结果,发现仍然是MV方法下的随机森林的平均分类准确率最高,且该组合模型具有较好的稳健性能.

通过向量序结构,引入了集值种群博弈问题Nash均衡与合作均衡的概念. 借助Ky Fan截口定理和广义Scarf定理, 在集值支付函数上半连续且紧值的假定下,分别得到了其Nash均衡点与合作均衡点的存在性定理.最后通过算例验证了结论的可行性和两种均衡的不同.

在线直播平台的大规模交互数据为人类行为的定量分析提供了平台和数据基础, 为大规模人群的在线交互机制挖掘提供了难得的契机. 文章以斗鱼直播平台2020全年涉及190多万主播的直播大数据为分析基础, 基于二部图理论构建了观众—主播交互网络, 通过设计用户的交互机制提出了偏好强度可调的观众—主播交互网络演化模型. 经实验验证, 模型能够准确预测观众—主播交互网络在未来1至8天的演化结果. 文章揭示了网络直播平台观众—主播交互过程中观众对直播间已有观众数量的强偏好性, 直播间已有的观众数量越多被选择的概率越大, 反映了人类对有价值内容的趋向和偏好, 印证了真实社会系统中声誉或口碑的累积效应, 为网络直播大规模在线人群交互行为特性和内在机理挖掘提供了量化仿真模型和实证分析结果. 同时文章为大规模在线人群交互行为特性和内在机理挖掘提供了泛化性较强的可迁移研究框架, 对利用大规模在线社交网络的连边和演化规律来描述并预测社交关系的形成和发展过程有重要意义.

为了从互联网媒体数据中识别风险事件,描述事件的演化结构和感知事件风险的演化规律,文章基于动态网络事件风险演变分析框架.文章构建时序动态网络表示事件的演化,使用Louvain算法识别事件,使用事件迁移概率构建事件之间的关系图.在识别事件演化结构的基础上,文章确定事件的主要演化路径,归纳出事件风险与事件生命周期之间的关系.研究结果表明,事件的演化存在着事件形成、事件合并和事件衰减等结构,事件演化结构够成了事件发展的主要路径,事件风险在事件生命周期的不同阶段存在差异.

文章首先论述了中长期粮食需求预测的战略意义和科学意义,然后从中国粮食消费的特点和趋势、粮食消费的主要影响因素、粮食需求总量预测方法、分类粮食需求量预测方法四个方面对国内外研究现状进行了综述.进一步对已有研究的预测结果存在很大差异和较高误差的原因进行了总结.一是对中长期不同地区、不同收入水平的居民膳食结构的变化规律往往难以把握,而且高度聚集的粮食(食物)分类掩盖了居民膳食结构变化这一重要趋势,影响到了预测精度.二是模型中对粮食需求的主要影响因素考虑不全面,未能够将人口年龄结构、性别结构、膳食结构、收入水平、食物生产转化、食物浪费等影响粮食需求的关键因素整合起来量化分析.三是需求系统中收入水平、价格弹性、动物性食物和饲料粮之间的转化率、消费阶段粮食的浪费率等设置的差异、居民在外就餐的忽略或简单估计,造成模型预测值的较大差异.最后,对中长期粮食需求预测研究提出如下展望.第一,需要构建跨领域多学科融合的理论体系,更加关注新趋势、新因素及跨学科跨部门关键因素的整合.第二,注重相关数据的统计和校准,结合文本挖掘、机器学习等数据处理方法,充分发挥多源数据在预测中的作用.第三,模拟仿真人口政策、粮食价格、税收和补贴政策等变化对中长期粮食需求和粮食安全的影响,为中长期粮食供给的恰当方案提供政策依据.

近年来,复杂系统近临界态的研究引起了诸多领域学者的广泛关注.近临界态是指复杂系统在连续相变点附近所处的状态.处于近临界态的复杂系统往往兼具鲁棒性和灵活性,能够涌现出有益的新特性,也可能在外界扰动下发生系统级大规模灾害.文章以复杂系统近临界态作为研究对象,首先描述了近临界态的性质及其对复杂系统的影响.随后基于当前的研究成果,详细分析了复杂系统近临界态的建模、预测以及调控相关的理论与方法.在建模方面,主要分析了元胞自动机、网络理论和相关计算、渗流模型、长瞬态以及随机噪声;在预测方面,详细阐述了基于时间序列和机器学习的预测方法;在调控方面,着重讨论了基于噪声和参数的调控理论与方法.文末总结并展望了复杂系统近临界态研究的发展趋势.

为了解决证券投资组合收益预测模型在股票价格波动感知方面的语义细粒度量化不足和有效投资组合灵活性受限的挑战,文章提出了一种综合舆情态势评分模型(SESTM)和图套索(GLASSO)的股票收益系统预测模型.首先,采用分位回归方法对股价波动进行拟合建模,定义了波动幅度和均值序列两条曲线,用于发现与正收益波动相关的词汇.接着,运用SESTM模型从新闻公告语料中通过有监督的方式提取对股票价格波动灵敏感知的相关词汇,并形成与政策、估值和市场情绪密切相关的主题和匹配词典,进而生成舆情态势评分.最后,结合GLASSO方法构建股票价格之间的联动网络结构,并基于该网络构建个股投资组合策略.实证研究以疫情期间生物疫苗板块股票为对象,对网络联动和舆情态势评分模型开展了实验比较.实验结果显示:首先,以波动感知词汇为纽带构建的投资策略更适用于短期预测;其次,在融入反映联动网络的偏相关信息后,投资组合日均对数收益率达到1.6%,相较于未融入偏相关关系的1.4%的情况提高了14.3%,更是随机组合的日均对数收益率0.7%的2倍;而最高收益由随机组合的3.117 提高到3.605,提升幅度达到15.6%.以上结果表明,通过SESTM+GLASSO组合模型的方式提供了一种高效且性能优越的系统预测模型,该模型能够分析股票价格之间的网络联动关系,更准确地预测股票收益以制定相应的投资策略.这对于推动动态价格感知和深化大语言模型中的生成式跨模态任务的统计应用研究具有积极意义.

在对纵向数据的预测过程中,通常会遭遇模型的不确定问题.为了解决模型不确定性问题,文章提出一种基于半参数混合效应模型的最优模型平均预测方法.文章提出采用删组交叉验证的方法获得最优权重向量的估计,进而获得最终的模型平均预测值.理论上,文章证明了当所有候选模型均误设定时,所提出的模型平均估计具有渐近最优性.即,提出的模型平均估计量的二次损失渐近地达到了用该集合中权重进行加权的所有模型平均估计的二次损失下确界.另一方面,当候选模型中包含正确模型时,证明了提出的权重估计方法,在大样本意义下能够将权重分配给正确模型.模拟和实际数据分析表明,所提出的模型平均估计方法与一些常用的方法相比具有较好的预测性能.

文章将机器学习中的分歧分解框架引入投资组合优化问题中,利用将多个子策略权重进行组合的思想,在全局最小方差(GMV)策略的基础上提出了全局最小方差集成(EGMV)策略.具体地,文章利用机器学习领域中对二次损失函数所进行的常见分解方式-分歧分解,对GMV策略的优化问题进行了修改,在其基础上引入了两个额外的参数,即子策略个数和多样化系数,从而构成了新的EGMV投资组合策略.当多样化系数大于1时,EGMV策略能够输出具有多样化权重的多个子策略,从而对冲各资产权重的估计误差,提高加权策略的样本外绩效表现.为了验证EGMV策略的有效性,文章在A股和美股市场上对EGMV策略,GMV策略和其他多个常见策略进行了实证比较.结果显示,在A股市场中,EGMV策略能够在夏普率和换手率上取得平均意义上优于GMV策略的绩效表现,且这一结论在160个不同参数组合下同样成立,这表明EGMV策略具有较好的稳健性.

针对客户需求不确定的绿色物流配送问题,研究考虑随机需求的带时间窗绿色车辆路径模型与求解算法.综合考虑距离、时间窗、载重、燃料等因素对成本的影响,以车辆油耗成本、碳排放成本、运输成本、固定发车费之和最小为目标,建立考虑随机需求的带时间窗绿色车辆路径模型,在此基础上设计两阶段求解算法,预优化阶段根据客户随机需求量,考虑随机容量约束,设计基于大邻域搜索和禁忌搜索的混合算法获得预优化解;重优化阶段再模拟车辆配送,到达客户点更新客户实际需求,采用失败点重优化策略对后续路线进行优化.实验结果表明,与考虑碳排放和油耗成本最低的目标相比,文章方法不仅能够降低碳排放,而且还能取得更低的总配送成本.

Hopf分岔是一种比较简单而又重要的动态分岔问题，是指系统参数变化经过临界值时，平衡点由稳定变为不稳定并产生极限环.基于Hopf分岔，文章提出了一个具有饱和控制的时滞反应扩散谣言传播模型，其更好地反映了现实生活中谣言传播的特性，并且研究了其Turing不稳定和Hopf分岔，同时选择时滞为分岔参数，给出了分岔阈值的解析表达.最后，通过数值模拟仿真验证了理论结果的正确性，其结果表明扩散和时滞均是导致系统不稳定的原因.传统的谣言传播模型只考虑了时间演化，而该模型从时间和空间两个维度刻画了传统的谣言传播模型，使其更加贴切地反映了谣言在现实生活中的传播规律，为谣言传播的治理提供新的思路.

在线健康社区已成为患者及家属获取健康知识的重要平台,探究不同类型用户的知识分享行为可以提升社区的信息服务质量.文章基于知识协同建构理论,构建用户交互行为网络和知识网络,基于关键用户识别和关键路径发现算法,挖掘知识分享行为规律.文章以胆系癌症疾病社区为例开展实证研究,结果表明在关键用户引领下构成了跨多社区的知识交互行为模式,普通用户倾向与社区内疾病类型相同的其他用户进行交互.关键用户的知识分享集中在术前检查和疾病症状的知识型,普通用户的知识分享集中在术前检查知识型;关键知识路径体现了疾病治疗不同阶段的用户知识需求.

文章提出了基于信任机制的舆情传播模型,引入个体预期收益与最优演化搜索动力学对群体搜索策略进行分析.针对信息搜索策略,分析非合作与合作环境中的演化稳定搜索策略,以最大化群体预期信息收益.在考虑信息搜索价值的情况下,分别讨论正面/负面舆情信息的演化与最优搜索策略的并行预期收益.最后,基于真实社交网络数据集对进行数值算例分析,结果表明:所提算法较经典舆情传播控制算法而言具有较高的精度与效率.

提高物流业绿色全要素生产率是建立绿色物流体系的核心.文章通过构建非期望产出的全局SBM模型和GML指数,测算1998-2020年中国其中30个省市的物流业绿色全要素生产率,运用Dagum基尼系数分析东、中、西部地区的差异及其来源,最后建立空间计量模型检验其收敛特性.研究结果表明:样本期内中国物流业绿色全要素生产率呈波动上升趋势,但发展依旧不平衡,空间上呈现“东强西弱”格局;区域间差异是主要的差异来源,区域内差异贡献率一直维持在30%左右;物流业绿色全要素生产率低的地区有望赶超效率高的地区,最终达到同一水平;物流业绿色全要素生产率的增长与收敛受空间因素的影响且存在地区异质性,东部优化产业结构,中西部加强能源基础建设和研发投入可以有效缩小区域内部绿色物流发展差距,同时各地区应综合衡量地区要素投入对本地的促进作用以及对邻地的负向阻碍作用,以实现地区的协调发展.文章借助以上分析为构建绿色物流体系提供理论支撑,以促进中国物流业绿色健康发展.

为解决含有未知项以及输入死区的严格反馈非线性系统跟踪控制问题,提出一种基于免疫函数的投影自适应指令滤波有限时间控制方法.该方法使用免疫函数构造扩张状态观测器对具有输入死区控制系统中的未知项进行逼近,并使用指令滤波解决反步法中微分爆炸问题,建立滤波误差补偿机制降低滤波误差对跟踪精度的影响,同时使用投影算子保证了自适应参数的有界性.与现有文献中基于障碍李雅普诺夫函数的自适应反步约束控制相比较,文章可同时约束系统状态、补偿跟踪误差以及自适应参数在预设的范围内,保证了闭环系统中所有信号有界,结合有限时间控制加快了控制系统的收敛速度.最后仿真结果表明了文章控制方法的有效性.

$n$中取连续$k$型冗余系统的结构刻画与指标计算是可靠性领域中的热点和难点问题.文章构建了共用部件的线形$n$中取$m$个(含稀疏$d$的)连续$k$的$F$系统模型,基于有限马尔可夫链嵌入法提出了系统联合可靠度与联合Signature的计算方法.此外,文章基于共用部件的$n$中取$m$个(含稀疏$d$的)连续$k$的$F$系统模型研究了智慧路灯系统的可靠度计算和结构比较问题,不仅通过传统定义法验证了有限马尔可夫链嵌入法的正确性,还说明了有限马尔可夫链嵌入法在大规模智慧路灯系统联合可靠度和联合Signature计算问题中的可用性.因此,文章研究的模型与方法可以为工程实践中共用部件的冗余系统提供可靠性评估和管理决策依据.

R软件作为统计领域重要的开源软件, 开发历史久远, 生态系统较为成熟. 基于此, 文章从复杂的有向网络角度出发, 探讨R软件包的核心组成、依赖关系, 对软件包之间的依赖网络进行社区划分, 对其发展脉络进行深入研究, 从而可以让R语言开发者、使用者快速了解R软件. 研究表明: R 软件迅速发展, 功能多样; R 软件包间的依赖关系服从幂律分布和“小世界”现象; R 软件包的依赖网络中有“统计模型”, “高性能计算”, “数据可视化”, “网页技术”, “数据预处理”, “生物信息”子社区. 综合上述分析, 文章有如下发现: R 软件生态系统可满足整个数据分析全流程的需求, 与时俱进地扩展, 吸引了来自世界各地的开发者, 注重长期维护软件包的健康. 最后, 文章从R 软件的开源模式中来探索对国产开源软件及其生态系统的指导意义.

复杂网络已被广泛应用于探究复杂系统的规律.文章使用分位图方法,分别将中国市场的上证指数、深证成指、香港恒生指数和美国市场的纳斯达克指数、道琼斯工业指数和标准普尔指数六支股指日收盘价序列映射到复杂网络,对股指分位图的特性进行分析,探究这两个的股票市场网络结构的变化.结果表明,首先同一市场的股指序列分位图网络特性较为接近,而不同市场之间的差别较大;其次,中国的上证指数和深证成指具有长程相关性,香港恒生指数较为随机,而美国市场的三支股指序列偏反长程相关;最后,两个市场的分位图网络存在不同的社团结构.该方法从宏观的角度揭示不同地区股票市场的性质和潜在动力学行为,并且可以为股指趋势预测提供丰富的信息.

文章采用百度指数衡量个体投资者关注,构造了衡量个体投资者羊群效应强弱的指标对中国A股市场的表现进行实证研究.实证结果表明个体投资者关注度对股票市场羊群效应具有显著的正向影响;当股票出现涨停或跌停时,个体投资者关注对股票市场羊群效应的正向影响会更显著;小市值公司个体投资者关注对羊群效应的影响程度更显著.稳健性检验结果表明研究结论具有良好的稳健性.

原油价格的波动对于全球经济的发展具有显著性影响,准确地预测原油价格成为能源经济领域的热点研究课题.传统的计量经济学方法及机器学习方法在预测油价时均存在诸多不足,针对原油价格序列高度非线性、非平稳性和时变性等复杂特性,文章提出一种基于多尺度分析方法和动态误差修正的原油价格集成预测方法.首先, 基于多尺度分解和机器学习方法,构建了集成预测的多样化基模型生成机制; 进一步地,基于多种策略建立动态误差修正模型提升基模型的预测精度. 最后,建立了基于多样性的基模型选择性集成策略.针对布伦特原油市场的实证结果表明, 相比传统组合预测策略,文章提出的集成预测方法能够有效提高原油价格预测精度,具有较好的预测性能和泛化能力.

文章针对传感器网络下一类具有衰减测量和概率通讯延迟的随机时变非线性系统，研究该类系统的分布式一致滤波算法设计问题.首先，考虑到传感器网络的拓扑结构，状态估计信息可在相关节点间进行交换.注意到相邻节点间的信息传输会产生概率通讯延迟现象，提出事件触发传输方案旨在减少交换传感器节点之间误差较大的估计信息.每个传感器节点使用相邻节点发送的信息来修正自身的状态，从而构造相应的分布式一致滤波器.通过最小化滤波误差协方差上界的迹来求出滤波器增益以及一致增益.此外，对滤波误差协方差上界矩阵的单调性进行理论分析，并通过数值仿真验证所提出的滤波算法的可行性和有效性.

贝叶斯分位回归能够对线性混合效应模型中的参数进行良好的估计.在贝叶斯参数估计中，常用Gibbs抽样方法.为了得到精确的估计结果，Gibbs抽样方法需要进行多次抽样.当模型参数维度较高时，Gibbs抽样方法将会十分耗时.因此，文章采用变分推断来近似参数的后验分布.变分推断采用无条件分布来逼近Gibbs方法得到的条件分布，从而使得计算变得高效.文章将模型参数的先验假定为正态分布，对无惩罚线性混合效应模型的参数进行变分推断.考虑到模型参数可能面临的高维情况，文章将模型参数的先验假定为Laplace分布，对双惩罚线性混合效应模型的参数也进行变分推断.从模拟结果来看，变分推断对模型参数估计的精度虽略小于Gibbs抽样方法，但其运行速度较快.在高维情况下，运行效率依然很高.在大数据时代，时间和资源的消耗是文章首先需要考虑的因素.因此，文章提出的方法可实际运用在高维线性混合效应模型中.

网络舆论的研究既应重视数量也应重视质量, 在纷繁复杂的舆论大数据中寻找高质量的网络舆论是对新网络舆论观的践行. 以网络舆论质量三维评价体系为理论基础, 通过对舆论超网络模型节点和连边的改变和重构, 提出了网络舆论本体“噪声”超网络识别模型, 涉及环境子网、情绪子网、社交子网和内容子网. 网络舆论本体“噪声”是指无法对管理决策的制定提供意见和建议的舆论观点. 基于所提出的超网络模型, 提取18个特征指标, 并利用机器学习分类算法实现对高质量舆论观点的提取.

在政策、疫情等多重因素作用下,电商直播营销迎来爆发式发展, 如何选择合适的营销策略成为困扰着大多数企业的难题.文章研究了一个由单一制造商、单一零售商和单一达人主播组成的双渠道供应链,构建了分别考虑传统营销策略和直播 营销策略的博弈模型,探讨博弈均衡的性质以及渠道成员的营销策略偏好.结果表明:1)达人主播引流能力的增强将导致两个渠道的零售价格同时提高,而提升达人主播的社 会责任水平有利于增强直播渠道产品的相对价格优势.2)当消费者对直播营销的敏感 程度较大或者达人主播的引流能力较高时,直播营销策略能够改善制造商利润; 否则, 制造商将会选择传统营销策略.而零售商偏好于传统营销策略.这一结论在达人主播主导的情形下仍具有鲁棒性. 3)直播营销的溢出效应能够改善渠道冲突,缓解直播营销对零售商的不利影响.具体 而言,当达人主播的社会责任水平和直播营销的溢出效应系数都较高时,制造商和零售商都将偏好于直播营销策略.

近年来金融市场危机频发,极端风险在资产管理中受到较大关注.考虑到投资者的尾部风险态度对投资策略的影响,文章利用改进的峰度指标和K-means方法对资产进行分组,对不同类别资产组的尾部极端风险赋予不同的厌恶态度,基于均值-方差-CVaR准则提出了两类优化模型,进行投资组合策略的模拟分析和实证研究.研究结果表明:在给定目标收益的条件下,文章提出的优化模型通过减小总投资比例,减小了投资组合的风险暴露;与不考虑尾部风险态度差异的模型相比,新模型能够更好地控制风险,并具有更稳定的外样本表现;特别是文章提出的第二种模型,可以通过调整投资者对不同资产组的尾部风险厌恶水平,得到个性化的投资策略.

文章研究了一阶多智能体系统的领导者-跟随者一致性问题.在考虑跟随者之间具有无限通信时延的情形下,设计了相应的分布式控制协议.基于M-矩阵方法与不等式分析技巧,在假设智能体通信拓扑存在以领导者为根的生成树下,获得了多智能体系统达到领导者-跟随者一致性的充分条件.最后通过数值仿真验证了所获理论结果的有效性.

文章针对一类具有参数不确定性和未知扰动项的非仿射非线性系统，提出了一种基于奇异摄动理论的鲁棒自适应控制方法.首先，通过控制输入构建了一个快变子系统，为原系统引入时标分离特性，使闭环系统可以在快变和慢变时间尺度上分解为两个降阶子系统：边界层子系统和降阶慢变子系统.在快时间尺度上，通过设计边界层子系统的结构使其在平衡点处指数稳定；在慢时间尺度上，针对含有参数不确定性和未知扰动项的降阶慢变子系统设计鲁棒自适应控制器.根据奇异摄动理论，闭环系统的跟踪性能可由降阶慢变子系统近似.文章提出的控制方法同时考虑了参数不确定性和未知扰动项的影响，在不忽略非仿射结构的前提下实现控制目标，不依赖于原系统的时标分离特性，且避免了反步法中的"复杂性爆炸"问题.两组与参考文献控制方法的对比仿真结果验证了文章控制方法的有效性.

针对低碳供应链产品定价与低碳技术投资问题,文章借助非合作-合作两型博弈思想深入探析了同时决策模型、零售商主导决策模型和供应商主导决策模型三种权力结构下供应商和零售商如何联合实施低碳技术投资与产品定价决策.在这种新的市场结构下,研究结果表明:一定条件下,1)存在唯一低碳技术水平、成本分摊比例,使得零售商和供应商在三种决策模型下的利润均可达到最大值; 2)在零售商主导决策的市场结构中,供应商更愿意进行低碳技术投资,提高低碳水平;3)零售商的低碳技术投资成本分摊比例与消费者低碳偏好呈倒“U”型关系,不再是简单的正相关关系;4)从供应链系统来看,低碳供应链的不同发展期是需要不同市场结构主导的,而不是在特定的市场结构中一成不变的.研究成果可为低碳供应链生产运作提供理论方法,也为实现碳达峰、碳中和双碳目标提供新的解决方案.

在决策过程中,如何在达成个体决策者期望效用的前提下获得群体最优决策方案,是多属性群决策研究的主要内容之一. 然而,已有的群决策方法在解决问题时,很少有研究考虑到决策者对单个属性的期望与风险偏好.文章研究了决策者愿景满意度的多属性群决策问题, 首先,文章探讨将BWM方法应用于多属性群决策问题当中, 用于确定属性权重; 其次,通过考虑决策者对属性的愿景以及风险偏好对方案进行排序, 最后,将BWM方法和愿景满意度函数结合, 提出了一个新的多属性群决策模型, 此外,通过一个新能源汽车的实例, 来验证所提算法的有效性与可行性,并对参数进行仿真分析.

构建由两个物流服务提供商和一个物流服务集成商组成的物流服务供应链,考虑需求与成本双重扰动下的应急决策,引入数据赋能和公平关切两种影响因素,求解并比较了四种不同情境下物流服务供应链的最优决策.研究表明:应急物流服务产品定价和应急物流服务水平随需求扰动量递增,随物流服务提供商的成本扰动量递减,物流服务集成商效用随需求扰动量的变化与应急处置单位费用相关.物流服务供应链中各成员的决策随数据赋能程度递增,物流服务集成商效用随数据赋能程度的变化取决于数据赋能投资系数.物流服务提供商的公平关切程度对应急物流服务产品定价、应急物流服务水平和物流服务集成商效用均具有正向影响.当数据赋能投资系数高于一定阈值时,数据赋能与公平关切对物流服务集成商效用的叠加正向影响难以覆盖数据赋能投资总支出,此阈值为物流服务集成商开展数据赋能的"有效投资上限".研究有助于掌握需求和成本扰动、数据赋能和公平关切对物流服务供应链应急决策的影响规律,为加强应急能力建设提供参考与借鉴.