技术差距的门槛与FDI技术溢出的非线性_理论模型及中国企业的实证研究

区域主导产业的选择原则

区域主导产业的选择原则 我国地域广阔,各区域之间由于资源条件不同、生产技术水平不同,主导产业的选择也不尽相同。那么,主导产业选择需要注意哪些呢? (一)、竞争优势明显 相对于其他产业而言,主导产业不仅应该具有更强的获取资源的能力,从而在资源配置中具有明显的优势,而且应该具有更强的价值创造能力, 从而不断将资源转化为产业竞争力,将潜在的优势转化为竞争优势。只有这样,才能在激烈的产业竞争中得以发展、壮大。从主导产业发展的过程来看,其壮大是现有产业优势得以利用并不断改进、提升并转变为竞争优势的过程。主导产业是未来的支柱产业,应该具有预期的产业优势,主导产业的壮大实质上是支柱产业和产业优势的动态发展过程:现实的支柱产业是主导产业(即未来支柱产业)发展的基础,现实的产业优势是主导产业的优势(即预期的产业优势)得以创建、积累的条件。因此,主导产业的选择必须充分考察备择产业现有的产业优势及其发展趋势,并进一步判断其是否具有竞争优势。 (二)、内生增长能力强 主导产业所具有的竞争优势只是其外在表现,而产业的内生增长能力才是获得竞争优势的关键,所以必须选择内生能力强的产业作为主导产业。迈克尔?波特(2003)从生产要素的角度阐述了内生能力对产业竞争优势重要性的机理。他将生产要素分为基本生产要素和高级生产要素两类。其中,基本生产要素大都是天然禀赋,是既定的条件,高级生产要素是产业发展的不确定因素,来自后天创造。当产业发展面临选择性的劣势时(如土地昂贵、天然资源缺乏等),要想在市场竞争中

生存,就必须通过高级生产要素的作用将基本生产要素带来的劣势消化,并创造出产业的竞争优势。这种创造力主要依靠的是以创新力为主体的产业内生能力。 早在罗斯托的主导产业理论中,就提出了创新是产业兴衰的主要动力,是产业内生能力的集中体现,是主导产业形成与发展的必要条件之一。因为有了创新,主导产业的增长率就会大大超过国民经济总增长率。创新通过多方面的作用来影响主导产业的发展方向,首先,创新氛围可以培养劳动者对产业发展相关知识的敏感,尤其是对创造性要求高的产业;其次,不断创新可以通过完善现有生产要素供给状态、创造或调节现有生产要素供给等方法来改善生产要素供给结构,合理配置资源;第三,创新可以不断带来新的投资领域、提升人们的消费水平,进而影响需求结构;最后,对于产出需求弹性较大的产业,创新可以通过创造新的市场需求而吸引生产要素的流入,从而提高产出的数量并有可能获取较高的收益;而对于产出需求弹性较小的产业,创新通过需求的相对缩小而引起生产要素的流出。 (三)、需求弹性大 在市场经济的条件下,国民收入经过初次分配和再分配,最终形成了对各种产品的有支付能力的需求。市场需求是主导产业生存、发展和壮大的必要条件之一。作为区域主导产业,必须拥有长期而广阔的国内外市场容量。主导产业的产品应在国内甚至是国际市场具有较大的、长期的需求。如果没有足够的市场需求拉动,主导产业很快就会衰落。所以,主导产业选择必须把“需求的收入弹性最大化”作为一个基本原则,也就是说,产品的需求收入弹性系数至少要大于1。 产业是一个诸要素相互关联的系统,产业需求结构的任何一点变动都将触发到产业系统的方方面面。其中,消费需求结构是需求结构变动的主要方面,它可以

非线性Hammerstein模型的辨识【开题报告】

毕业设计开题报告 电气工程与自动化 非线性Hammerstein模型的辨识 一、选题的背景与意义 系统辨识是是现代控制理论中的一个重要分支。通过辨识建立数学模型的目的是估计表征系统行为的重要参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输出预测系统输出的未来演变，以及控制器的设计。非线性系统辨识是系统辨识的一个重要的发展方向，一直是现代辨识领域中的一个主要课题，对其研究有十分重要的理论和实际意义。非线性问题的主要困难之一是一直缺乏描述各种非线性系统特性的统一的数学模型。为此，人们提出了多种类型的模型，如块联模型]1[、神经网络模型]2[、双线性模型]3[、非线性参数模型等等。 Hammerstein模型属于块联模型，由一个线性动态系统跟随一个非线性静态模块构成。自从Narendra& Gallman 1966年提出了Hammerstein模型后]4[，由于模型结构简单且能有效地描述常见的非线性动态系统特性，所以许多学者相继研究了Hammerstein模型参数的估计方法，近年来Hammerstein模型被广泛地应用于非线性系统辨识。辨识Hammerstein模型的意义在于：利用辨识结果获得中间层输出，选择合适的性能指标，就可以把原非线性系统的控制问题分解为线性模块的动态优化问题和非线性模块的静态求根问题，因此可以有效结合线性模型预测控制的成熟理论解决这类非线性对象的控制问题，避免传统非线性控制方法计算量大，收敛性和闭环稳定性不能得到保证等诸多问题。 二、研究的基本内容与模拟解决的主要问题： 针对Hammerstein模型的辨识问题，可以归结为线性模块的动态优化问题和非线性模块的静态求根问题。因此研究的重点就是如何运用比较新颖的优化算法得到Hammerstein模型的参数解集，并能通过和传统算法的比较论证阐述采用方法的合理性，可行性及有效性。具体需要解决的问题包括以下几点： 1.什么是Hammerstein模型，它的基本结构式怎么样的； 2.确定Hammerstein非线性系统辨识的思想和实现方法； 3.熟悉PSO/BFO优化算法和熟悉最小二乘法估计方法；

非线性回归分析

SPSS—非线性回归(模型表达式)案例解析 2011-11-16 10:56 由简单到复杂，人生有下坡就必有上坡，有低潮就必有高潮的迭起，随着SPSS 的深入学习，已经逐渐开始走向复杂，今天跟大家交流一下，SPSS非线性回归，希望大家能够指点一二！ 非线性回归过程是用来建立因变量与一组自变量之间的非线性关系，它不像线性模型那样有众多的假设条件，可以在自变量和因变量之间建立任何形式的模型非线性，能够通过变量转换成为线性模型——称之为本质线性模型，转换后的模型，用线性回归的方式处理转换后的模型，有的非线性模型并不能够通过变量转换为线性模型，我们称之为：本质非线性模型 还是以“销售量”和“广告费用”这个样本为例，进行研究，前面已经研究得出：“二次曲线模型”比“线性模型”能够更好的拟合“销售量随着广告费用的增加而呈现的趋势变化”，那么“二次曲线”会不会是最佳模型呢？ 答案是否定的，因为“非线性模型”能够更好的拟合“销售量随着广告费用的增加而呈现的变化趋势” 下面我们开始研究： 第一步：非线性模型那么多，我们应该选择“哪一个模型呢？” 1：绘制图形，根据图形的变化趋势结合自己的经验判断，选择合适的模型 点击“图形”—图表构建程序—进入如下所示界面：

点击确定按钮，得到如下结果：

放眼望去, 图形的变化趋势，其实是一条曲线，这条曲线更倾向于"S" 型曲线，我们来验证一下，看“二次曲线”和“S曲线”相比，两者哪一个的拟合度更高！ 点击“分析—回归—曲线估计——进入如下界面

在“模型”选项中，勾选”二次项“和”S" 两个模型，点击确定，得到如下结果： 通过“二次”和“S “ 两个模型的对比，可以看出S 模型的拟合度明显高于

非线性系统辨识综述

系统辨识综述 张培硕研4班 摘要：本文主要介绍了系统辨识中的非线性系统辨识方法，包括多层递阶辨识方法，以及把神经网络、模糊逻辑、遗传算法等知识应用于非线性系统辨识而得到的一些新型辨识方法，最后概括了非线性系统辨识未来的发展方向。 关键词：非线性系统辨识；多层递阶；神经网络 1 引言 系统辨识作为现代控制论和信号处理的重要内容，是近几十年发展起来的一门学科，它研究的基本问题是如何通过运行(或实验)数据来建立控制与处理对象(或实验对象)的数学模型。因为系统的动态特性被认为必然表现在它变化着的输入/输出数据之中，辨识就是利用数学方法从数据序列中提炼出系统的数学模型。 从本质上说，系统辨识是一种优化问题，当前常用辨识算法的基本方法是通过建立系统的参数模型，把辨识问题转化为参数估计问题。这类算法能较好地解决线性系统或本质线性系统的辨识问题，但若要应用于本质非线性系统则比较困难。可是，真实世界中的模型都不是严格线性的，它们或多或少都表现出非线性特性，因此越来越多的非线性现象和非线性模型己经引起了人们广泛的重视。 非线性系统广泛的存在于人们的生产生活中，随着人类社会的发展进步，越来越多的非线性现象和非线性系统已经引起研究者们的广泛关注，混沌现象的发现被誉为“ 二十世纪三大发现之一” 。目前关于非线性理论的研究正处于发展阶段。建立描述非线性现象和非线性系统的模型是研究非线性问题的基础。线性系统辨识理论已经趋于成熟，但一般的线性模型实际上是某些非线性被忽略或用线性关系代替后得到的对真实系统的近似数学描述。随着科学技术的迅猛发展，控制系统越来越复杂，对控制精度的要求越来越高，具有复杂非线性的系统不能用线性模型来近似，所以研究非线性系统辨识理论有着很重要的实际意义。 对于非线性系统参数模型的辨识问题，人们最早涉及的是某些特殊类型的非线性系统，如双线性系统模型、Hammerstain 模型、Wiener 模型、非线性时间序列模型、输出仿射模型等。针对每一类特殊模型，各国学者都作了大量的工作，提出了不少辨识算法。同时，也对这些算法的估计一致性问题进行了讨论。随着人们对非线性系统辨识问题研究的日益深入，更为一般的普适性非线性模型的辨识问题就显得日益重要。常用的非线性系统描述方法有微分(或差分)法、泛函级数法、NARMAX 模型法及分块系统法等。一些学者已经对非线性系统辨识方法进行了某方面的综述。例如，1965 年Arnold 和Stark 讨论了正交展开方法在非线性系统辨识中的应用，1968 年Aleksandrovskii 和Deich及1977 年Hung 和Stark综述了核辨识算法，1989 年Titterington 和Kitsos总结了非线性试验设计的最新发展，并列举了十五个在化工领域中常遇到的非线性模型。 本文对近年来新的非线性系统的辨识方法作以简单的综述。

非线性回归分析(教案)

1.3非线性回归问题, 知识目标：通过典型案例的探究，进一步学习非线性回归模型的回归分析。 能力目标：会将非线性回归模型通过降次和换元的方法转化成线性化回归模型。 情感目标：体会数学知识变化无穷的魅力。 教学要求：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用. 教学重点：通过探究使学生体会有些非线性模型通过变换可以转化为线性回归模型，了解在解决实际问题的 过程中寻找更好的模型的方法. 教学难点：了解常用函数的图象特点，选择不同的模型建模，并通过比较相关指数对不同的模型进行比较. 教学方式：合作探究 教学过程： 一、复习准备： 对于非线性回归问题,并且没有给出经验公式,这时我们可以画出已知数据的散点图,把它与必修模块《数学1》中学过的各种函数（幂函数、指数函数、对数函数等）的图象作比较,挑选一种跟这些散点拟合得最好的函数,然后采用适当的变量代换,把问题转化为线性回归问题,使其得到解决. 二、讲授新课： 1. 探究非线性回归方程的确定： 1. 给出例1：一只红铃虫的产卵数y 和温度x 有关，现收集了7组观测数据列于下表中，试建立y 与x 之间的/y 个 2. 讨论：观察右图中的散点图，发现样本点并没有分布在某个带状区域内，即两个变量不呈线性相关关系，所以不能直接用线性回归方程来建立两个变量之间的关系. ① 如果散点图中的点分布在一个直线状带形区域，可以选线性回归模型来建模；如果散点图中的点分布在一个曲线状带形区域，就需选择非线性回归模型来建模. ② 根据已有的函数知识，可以发现样本点分布在某一条指数函数曲线y =2C 1e x C 的周围（其中12,c c 是待定的参数），故可用指数函数模型来拟合这两个变量. ③ 在上式两边取对数，得21ln ln y c x c =+，再令ln z y =，则21ln z c x c =+，可以用线性回归方程来拟合. ④ 利用计算器算得 3.843,0.272a b =-=，z 与x 间的线性回归方程为 0.272 3.843z x =-，因此红铃虫的产卵数对温度的非线性回归方程为0.272 3.843x y e -=. ⑤ 利用回归方程探究非线性回归问题，可按“作散点图→建模→确定方程”这三个步骤进行. 其关键在于如何通过适当的变换，将非线性回归问题转化成线性回归问题. 三、合作探究 例 2.：炼钢厂出钢时所用的盛钢水的钢包,在使用过程中,由于钢液及炉渣对包衬耐火材料的侵蚀,使其容积不断增大,请根据表格中的数据找出使用次数 x 与增大的容积y 之间的关系.

主导产业选择方法

1、层次分析法 所谓层次分析法，是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。及其所对应的特征向量W，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。 层次分析法的优缺点 优点： 1. 系统性的分析方法层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。 2. 简洁实用的决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。 3. 所需定量数据信息较少层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。[1] 缺点： 1. 不能为决策提供新方案层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够人家企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。 2. 定量数据较少，定性成分多，不易令人信服在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的观点做出来的结果也和你的不一致，这个时候该如何解决？比如说，对于一件衣服，我认为评价的指标是舒适度、耐用度，这

实验六-用SPSS进行非线性回归分析

实验六用SPSS进行非线性回归分析 例：通过对比12个同类企业的月产量(万台)与单位成本(元)的资料(如图1)，试配合适当的回归模型分析月产量与单位成本之间的关系

图1原始数据和散点图分析 一、散点图分析和初始模型选择 在SPSS数据窗口中输入数据，然后插入散点图(选择Graphs→Scatter命令)，由散点图可以看出，该数据配合线性模型、指数模型、对数模型和幂函数模型都比较合适。进一步进行曲线估计：从Statistic下选Regression菜单中的Curve Estimation命令；选因变量单位成本到Dependent框中，自变量月产量到Independent框中，在Models框中选择Linear、Logarithmic、Power和Exponential四个复选框，确定后输出分析结果，见表1。 分析各模型的R平方，选择指数模型较好，其初始模型为 但考虑到在线性变换过程可能会使原模型失去残差平方和最小的意义，因此进一步对原模型进行优化。 模型汇总和参数估计值 因变量: 单位成本 方程模型汇总参数估计值 R 方 F df1 df2 Sig. 常数b1 线性.912 104.179 1 10 .000 158.497 -1.727 对数.943 166.595 1 10 .000 282.350 -54.059 幂.931 134.617 1 10 .000 619.149 -.556 指数.955 212.313 1 10 .000 176.571 -.018 自变量为月产量。 表1曲线估计输出结果

二、非线性模型的优化 SPSS提供了非线性回归分析工具，可以对非线性模型进行优化，使其残差平方和达到最小。从Statistic下选Regression菜单中的Nonlinear命令；按Paramaters按钮，输入参数A：176.57和B：-.0183；选单位成本到Dependent框中，在模型表达式框中输入“A*EXP(B*月产量)”，确定。SPSS输出结果见表2。 由输出结果可以看出，经过6次模型迭代过程，残差平方和已有了较大改善，缩小为568.97，误差率小于0.00000001， 优化后的模型为： 迭代历史记录b 迭代数a残差平方和参数 A B 1.0 104710.523 176.570 -.183 1.1 5.346E+133 -3455.813 2.243 1.2 30684076640.87 3 476.032 .087 1.3 9731 2.724 215.183 -.160 2.0 97312.724 215.183 -.160 2.1 83887.036 268.159 -.133 3.0 83887.036 268.159 -.133 3.1 59358.745 340.412 -.102 4.0 59358.745 340.412 -.102 4.1 26232.008 38 5.967 -.065 5.0 26232.008 385.967 -.065 5.1 7977.231 261.978 -.038 6.0 797 7.231 261.978 -.038 6.1 1388.850 153.617 -.015 7.0 1388.850 153.617 -.015 7.1 581.073 180.889 -.019 8.0 581.073 180.889 -.019 8.1 568.969 182.341 -.019 9.0 568.969 182.341 -.019 9.1 568.969 182.334 -.019 10.0 568.969 182.334 -.019 10.1 568.969 182.334 -.019 导数是通过数字计算的。 a. 主迭代数在小数左侧显示，次迭代数在小数右侧显示。 b. 由于连续残差平方和之间的相对减少量最多为SSCON = 1.000E-008，因此在 22 模型评估和 10 导数评估之后，系统停止运行。

实验六机理模型与平衡原理综述

西北农林科技大学实验报告 学院名称：理学院专业年级：2013级信计1班 课程：数学模型与数学建模报告日期：2015年12月15日 实验六机理模型与平衡原理 实验目的 如果对所研究的问题了解的比较深入，知道产生现象的内在的机理，那么依据机理建模，则模型具有更好的可靠性和广泛性。不考虑随机因素，假设每一时刻是确定的如果对系统状态的观测和描述只在离散的时间点上，则构成差分方程 模型；如果考虑系统随时间连续变化，则是微分方程模型。本节主要以这两类方程为例，介绍用MATLAB^件求解机理模型的基本方法。 一、差分方程模型 1.实验题目 由一对兔子开始，一年可以繁殖出多少只兔子？如果一对兔子每个月可以生一对小兔子，兔子在出生两个月后就具有繁殖能力，由一对刚出生一个月的兔子 开始，一年内兔子种群数量如何变化。求这个种群的稳定分布和固有增长率。 2.实验内容 解假设 (a)兔子每经过一个月底就增加一个月龄； (b)月龄大于等于2的兔子都具有繁殖能力； (c)具有繁殖能力的兔子每一个月一定生一对兔子； (d)兔子不离开群体(不考虑死亡) 记第n个月初的幼兔(一月龄兔)数量为ao(n),成兔(月龄大于等于2)数量为a1(n )，则兔子总数为a(n)= a o(n ) +a(n),平衡关系为： ' 本月初幼兔数量 =上月初成兔数量 〔本月初成兔数量 =上月初成兔数量+上月初幼兔数量 建立模型： a o(n) =a“n T) g(n) =a°(n -1) +印(n -1) a。⑴=g(1) =0 这个一阶差分方程的矩阵表达式为 a(n) = Aa(n T) 其中

利用迭代方法求数值解，也就是按时间步长法仿真种群增长的动态过程， 模拟幼 兔和成兔占整体比例随时间的变化。 >> a=[0 1;1 1]; x=[1 0]'; for k=2:12 y=a*x(:,k-1); x=[x y]; end zz=repmat(sum(x),[2 1]); z=x./zz; t=1:12; >> plot(t,x(1,:),'r*',t,x(2,:),'b*'),grid; >> plot(t,z(1,:),'r*',t,z(2,:),'b*'),grid; 由数值模拟结果可见，兔子数量递增，但是幼兔和成兔在种群中所占比例很快会 趋于一个极限。由线性差分方程的定性理论可知，这个极限就是对应于差分方程 系数矩阵A 主特征值得归一化特征向量。因为 A 是非负矩阵，由矩阵理论知， A 主特征值是正实数, 是最大的特征值。 >> [v,d]=eig(a) v -0.8507 0.5257 0.5257 0.8507 d -0.6180 0 1.6180 >> max(max(d)) ans 1.6180 a(n)= 勺。(n)] ?(n)丿， 01 Q JL 畔 1 1 a II Fit Edit View Insert Fix^i D M Id op Winder Help ■M □ JI ?丄$ ia 11 BI ■ 4 ￡i S Q -aunt i Fite- Edit View Insert Toda DMklap Wirdiwr Hetp imrHi

优势产业选择的理论综述

（一）优势产业的内涵 优势产业是产业发展的一种形态，其研究范畴涉及产业经济学、发展经济学、现代管理学、区域经济学、国际贸易学等多个学科。优势产业理论依据主要包括以亚当·斯密的绝对优势理论、李嘉图的比较优势理论、赫克歇尔－俄林的要素禀赋理论为代表的传统理论框架，以克鲁格曼的新贸易理论、波特的竞争优势理论、杨小凯的内生比较优势理论为代表的理论中提出的各类新兴理论学派，以松要的雁型形态理论、筱原三代平的动态比较成本论等为代表的实践应用学派。本文认为，所谓优势产业是指那些在当前经济总量中其产出占有一定份额,运行状态良好、资源配置基本合理,资本营业效率较高, 在一定空间区域和时间范围内有较高投入产出比率的产业。 尽管学术界对优势产业内涵展开了详细的论述，但是目前仍缺乏对优势产业内涵的统一界定。国内学者主要从以下四类视角完善区域优势产业的内涵: (1) 产业视角: 其特征是学者们受到当时流行的主导产业理论的影响, 在研究区域优势产业时, 仍然套用主导产业的研究模式, 从产业发展速度、产业关联性以及产业贡献等几个因素定义区域优势产业, 如:冯江华等认为优势产业指那些在当前经济总量中其产出占有一定份额, 运行状态良好、资源配置基本合理,资本营业效率较高,在一定空间区域和时间范围内有较高投入产出比率的产业。随着国内市场机制逐渐成熟,学者在定义区域优势产业内涵时又将市场因素加入其中,如:李金叶等指出优势产业是指市场前景好, 对产业结构的升级有较大的牵引力,产值和利税位于同行业前列的产业或产品, 这些产业可以由前后关联较强的产业以链条形式形成的产业链, 也可以由相互独立又相互结合的产业以网络形式形成的产业群。从这类视角所认识的区域优势产业内涵与主导产业内涵过于相似,容易造成两者间的概念混淆,而且很难突出区域性的特征。 (2) 贸易视角: 学者们受到国际贸易相关理论的启发,以比较优势理论和竞争优势理论作为区域优势产业的理论基础展开了一系列的研究。一些学者支持比较优势理论所定义得优势产业。如: 蒋智华提出从实质上看,优势产业可以简单理解为具有比较优势的产业。还有些学者更倾向于将比较优势理论与竞争优势理论结合起来定义区域优势产业。如:王文成等认为区域优势产业是指产业部门高度集中于拥有相应竞争优势的地区, 在该地区形成优势产业集群,它是形成区际分工的基础, 同时它也具有比较优势,实行专业化生产,除了能够满足本地市场需求外, 还能供应其他地区的市场需求, 从区外市场获取利益; 宋德勇等根据比较优势理论的最新发展同时结合竞争优势理论指出区域优势产业包括外生比较优势产业和内生比较优势产业两种层次, 二者都在一定产业范围内具有竞争优势,区别在于内生比较优势产业比外生比较优势产业更易获得持续和稳定的产业竞争优势。徐仕政认为区域优势产业是指以区域的功能定位为基本立足点,依托区域内所拥有的现实或潜在比较优势, 在市场机制和政府引导共同作用下,化比较优势为竞争优势, 面向国内国际不同层次的市场,在产业价值链条中某环节或多个环节有着决定性影响的、产业绩效高、产品市场空间广阔的产业或产业群。该类视角是对区域优势产业认识的升华,但是受到比较优势理论和竞争优势理论争议的影响,从而导致概念细节上的不确定, 主要体现在我国不发达区域在具体选择和培育优势产业时,是优先考虑比较优势,还是优先考虑竞争优势, 无论选择哪一种都会担心陷入各自的陷阱中。 (3) 综合视角: 其主要特征是借鉴主导产业相关理论、比较优势理论以及竞争优势理论来定义区域优势产业。如: 韩庆鹏认为区域优势产业是以地区比较优势为基础, 能够充分利用本地区的自然资源、劳动力资源、技术条件、区位条件等,资源配置基本合理, 资本运行效率较高,在一定空间区域和时间范围内有较高投入产出率, 并能体现地区相对竞争优势的产业; 谢南斌认为优势产业或称主导产业, 是承担主要产品的生产,并具有相对的资源优势和一定的生产规模, 在一个地区或行业的经济中有较大的比重的产业,是经济发展中处于支

河南省主导产业的选择

河南省主导产业的选择 ——基于投入产出模型（09级资源环境与城乡规划管理0910********） 摘要：主导产业是推动一国或地区经济增长的根本因素和源动力，在很大程度上决定着一个国家或地区的经济繁荣程度以及未来的发展趋势。利用投入产出模型对河南省2007年投入产出表进行分析，为河南省主导产业选择提供参考和理论依据。 关键词：主导产业；投入产出模型；河南省 一、主导产业选择经典理论简介 主导产业，就是在区域经济中起主导作用的产业，它是指那些产值占有一定比重，采用了先进技术，增长率高，产业关联度强，对其它产业和整个区域经济发展有较强带动作用的产业。对主导产业选择的相关理论讨论最早可追溯到亚当·斯密的绝对优势理论和大卫·李嘉图的比较成本分析方法，而后者与赫克歇尔·俄林的资源禀赋学说则共同构成了选择主导产业的比较优势理论。但是主导产业概念的明确提出者则是美国经济学家赫希曼，他从产业关联的视角研究主导产业的选择问题。其后罗斯托的经济增长理论又为主导产业的选择研究开辟了新的路径。20世纪中期，日本经济学家筱原三代平提出的“筱原三代平准则”则将主导产业选择的研究向前又推进了一步。在之后的研究中，理论界和产业界在主导产业选择的研究上新的观点不断涌现，但这些研究绝大多数是对上述研究成果的延展、充实或运用。 二、河南省主导产业的现状分析

河南省的产业结构面临以下问题：结构性矛盾依然突出、农业基础薄弱、工业大而不强、服务业发展滞后、产业层次不高、资源开发型产业比重大、高新技术产业发展不足、自主创新能力不强、经济增长投资拉动和资源驱动特征明显、资源环境约束加剧。无论从当前扩内需、保增长，还是从长远可持续发展来看，这种对资源对投资依赖程度较高、大部分产品处于产业的价值链低端、一三产业发展滞后的产业体系难以持续，在国际经济危机的压力下矛盾更加突出。 应对世界金融危机的不利影响，调整河南省产业结构是扩内需、保增长的需要。通过调整产业结构，有效消化、吸收和重新配置生产能力，带动中间需求，从而能够拉动内需，实现河南经济平稳较快增长。同时，结构调整和产业升级也将为新一轮经济繁荣作准备。幸运的是，河南省已经及时意识到了这一问题的严峻性，把产业结构调整提高到一个前所未有的高度。2009年9月，河南省召开经济运行会议推出河南省十大产业调整振兴规划，涉及化工、电子信息、生物、有色金属、汽车、装备制造、纺织、钢铁、轻工、食品等10个产业。该规划详细分析了目前河南省各类主导产业的现状及面临的问题，确定了各个成立业未来几年的发展目标，为本省下一步的产业发展和经济回暖提速。 三、投入产出分析法简介 投入产出分析，是研究经济系统各个部分间表现为投入与产出的相互依存关系的经济数量方法。由美国经济学家W.里昂惕夫于1936年最早提出。在衡量分析产业关联度大小确定地区主导产业时，通常

非线性系统辨识模型选择方法综述

文献2：Model selection approaches for non-linear system identification: a review X. Hong, R.J. Mitchell, S. Chen, C.J. Harris, K. Li and G .W. Irwin. International Journal of Systems Science, 2008,39(10): 925–946 非线性系统辨识模型选择方法综述 摘要：近20年来基于有限观测数据集的非线性系统辨识方法的研究比较成熟。由于可利用现有线性学习算法，同时满足收敛条件，目前深入研究和广泛使用的非线性系统辨识方法是一类具有万能逼近能力的参数线性化非线性模型辨识（linear-in-the-parameters nonlinear model identification ）。本文综述了参数线性化的非线性模型选择方法。非线性系统辨识最基本问题是从观测数据中识别具有最好模型泛化性能的最小模型。综述了各种非线性系统辨识算法中实现良好模型泛化性的一些重要概念，包括贝叶斯参数正规化，基于交叉验证和实验设计的模型选择准则。机器学习的一个显著进步，被认为是确定的结构风险最小化原则为基础的内核模式，即支持向量机的发展。基于凸优化建模算法，包括支持向量回归算法，输入选择算法和在线系统辨识算法。 1 引言 控制工程学科的系统辨识，是指从测量数据建立系统/过程动态特性的数学描述，以便准确预测输入未来行为。系统辨识2个重要子问题：（1）确定描述系统输入和输出变量之间函数关系的模型结构；（2）估计选定或衍生模型结构范围内模型参数。最初自然的想法是使用输入输出观测值线性差分方程。早期研究集中在线性时不变系统，近期线性辨识研究考虑连续系统辨识、子空间辨识、变量误差法（errors-in-the-variable methods ）。 模型质量重要测度是未知过程逼近的拟合精度。由于大多数系统在某种程度上说都是非线性的，非线性模型通常要求满足合格的建模性能。定义非线性离散系统输入)(t u ，输出)(t y ，训练数据集合N D ={}N t t y t u 1)(),(=，基本目标是找到 )()),(()(t e t X f t y +=θ （1） )(?f 未知，θ相关参数向量，噪声)(t e ，通常假设方差（2σ）恒定，满足独立的同分布（i.i.d.）特 性。模型输入[]T e u y n t e t e n t u t u n t y t y t X )(),1(),(),1(),(),1()(------= 。y n ，u n ，e n 分别为输出、输入和噪声的延迟。方程式（1）是NARMAX 模型表达式，代表一大类非线性系统。 由于大多数工业过程满足光滑连续特性，非线性函数)(?f 辨识等价于函数逼近，即用f ?代替f 函数。为了逼近函数，用户选择各种非线性建模方法[1]，如分段线性模型、有理多项式模型、Hammerstein/Wiener 模型、投影寻踪回归（PPR ）和多项式自适应回归样条（MARS ）、周期神经网络。逼近论中，一种通用函数表示方法是非线性基函数的线性组合。具有参数线性化结构、表示非线性输入输出关系模型表达式 ∑==m i i i t X t X f 1))(()),((?θφθ （2） ((t X i φ为已知非线性基函数映射，例如RBF 或者B 样条函数，i θ未知参数，m 模型中基函数个 数。参数线性化模型具有适合自适应学习的良好结构，具有可证明的学习和收敛条件，具备并行处理能力，明确的工程应用[2]。然而，非线性系统辨识中仍然存在一些重大挑战和障碍： （1）模型的泛化性 采用有限数据辨识模型，不仅要求模型训练精度较好，同样要求模型测试精度良好。由于)(?f 未知，

非线性分析作业

学院：材料科学与工程学院专业：材料工程 姓名：飞学号：1125 作业： 找出几个所在专业研究领域的重要而且有研究价值的非线性问题及其模型，要求写出相应的模型方程及其所涉及的变量参数涵义，并列举出研究该模型的主要研究现状。（不少于3种） 举例1：材料力学领域的非线性问题 非线性本构和非线性本构复合材料 1.1 研究非线性本构模型的意义 从力学的角度来看，C/SiC复合材料属于准脆性的各向异性材料。以碳纤维、热解碳界面和SiC基体三种典型组分构成的C/SiC复合材料为例，相对于脆性的单质陶瓷，该材料具有较好的韧性。主要原因是在机械载荷作用下，材料内部存在如前所述的基体开裂、界面脱粘和滑移、纤维断裂和拔出等多种能量耗散机制。虽然这些细观损伤模式有别于金属的屈服机理，但是材料表现出类似的弹塑性-损伤力学行为。图1-1为C/SiC复合材料在沿轴向拉伸加卸载条件下的典型应力-应变曲线，从图中可看出：材料的线弹性极限较低，通常为20MPa左右；当应力水平超过弹性极限之后，材料的弹性模量（E0）开始减小，同时产生类似于不可回复的残余应变，卸载-重加载过程中应力-应变曲线形成迟滞环，且迟滞环的宽度随卸载点应力的增大而不断增大。该材料的剪切应力-应变关系也有类似的特征。由此易知，在对C/SiC复合材料的应力-应变关系进行分析描述时，传统的线弹性本构模型已经不再胜任；而如果仅在线弹性范围内使用该材料，则不能充分发挥出材料的力学性能，安全裕度过大，与航空航天器追求减重的目标不符。因此需要充分了解该材料的非线性力学行为，特别是其内部的损伤机理与特性，并为其建立合适的非线性本构模型。

图1-1 C/SiC复合材料的典型拉伸加/卸载应力-应变曲线 建立非线性本构模型的一个重要作用是辅助C/SiC复合材料的结构优化设计。如前所述，目前C/SiC复合材料已经开始逐步在航空航天器结构上使用，轻质、可重复使用等特性有助于提高飞行器的性能，并降低寿命周期内的使用和维护成本，但是这类材料仍然存在造价高的缺点。例如，德国DLR为X-38 V201飞行器提供的全C/SiC复合材料襟翼的尺寸约为1.4m×1.6m，重68公斤，造价高达2千万美元。这是由材料制备工艺的特点决定的。以较为成熟的等温CVI 工艺为例，该工艺具有能够制备出高纯度的基体、可用于一定厚度构件的近尺寸成型等诸多优点，但是为防止沉积的基体太快地封堵预制体孔隙通道，需要在相对缓慢的沉积速率下进行，因此材料的制备周期长，通常需要几周或数百小时的时间，而且化学反应过程中生成的HCl等副产物对设备有腐蚀作用，导致制备成本偏高，限制了材料的推广应用。因此，为C/SiC复合材料建立合适的本构模型，在结构设计阶段将本构模型与商业有限元软件结合，准确计算和结构在不同受载条件下的应力状态并预测其承载能力，有助于结构的优化设计，同时省去或减少大量的试件制备和测试过程，从而降低热结构的研发成本。国内已经对C/SiC 的损伤机理和本构模型开展了一些研究工作。潘文革等人对二维和三维编织C/SiC复合材料在单轴拉伸载荷下的损伤演化进行了试验研究，通过分析声发射事件数和相对能量等参数，发现两种材料的拉伸损伤过程大致分为初始损伤阶段、过渡阶段、损伤加速和快速断裂阶段；杨成鹏等人对二维编织C/SiC复合材料单轴拉伸非线性力学行为进行了试验研究，通过循环加卸载试验方法，获得了材料的残余应变和卸载模量随拉伸应力的变化关系，并建立了基于剪滞理论的细观损伤力学模型；陶永强等人将二维编织结构简化成正交铺层和纤维束波动部分的组合，采用了Curtin和Ahn提出的基体随机开裂、纤维随机断裂的统计分布理论以及体积平均方法，预测了二维编织C/SiC复合材料的应力-应变关系。此

主导产业选择理论基础研究

主导产业选择理论基础研究 摘要：产业经济学以“产业”为其研究对象，主要包括产业结构、产业组织、产业发展、产业布局和产业政策等。产业经济是一种中观经济，处于宏观经济与微观经济之间，是连接宏微观经济的纽带。本文主要借鉴产业结构理论，从产业结构的角度去考虑主导产业的选择，以期选择的农业主导产业能使安县的产业结构调整到合理的状态。史忠良(1998)认为国民经 济是由许多的产业部门组成，各部门之间相互依存、相互联系、相互作用，共同构成一个有机整体。各产业都有其本身特有的发展规律，每一个产业的发展变化都会影响其他相应产业的变动，并进而引起其他产业的发展变化。同样，在各产业内部，组成产业的各个部分之间矛盾运动也会给产业带来影响，促使产业的发展变化。产业经济学主要探讨在经济发展中产业间的关联结构、产业内组织结构的菱动规律以及分析这些变动规律的方法。本文对安县主导产业的研究就是从产业出发，以产业为研究对象，运用产业经济学的相关理论对安县产业发展进行分析研究。 关键词：产业经济学；产业结构；增长极概论；比较优势理论；相对优势理论； 比较优势理论 比较优势理论从亚当·斯密的绝对优势理论开始，然后经李嘉图的相对优势理论的改进，再经俄林要素享赋理论的修正和完善的过程。绝对优势理论绝对优势理论是英国古典政治经济学家的奠基人亚当·斯密在1776年出版的《国民财富的性质及其增长的原因》(简称《国富论》)中提出的一种国际贸易理论。该理论的关键点在于各国都应该利用其自身的优势专 门生产自己具有绝对优势的产品，并尽可能扩大生产规模，不断增加出口数量，用本国具有绝对优势的产品通过贸易去交换本国生产成本较高但又需要的其他产品。按照绝对优势理论，两个国家发生贸易往来的必要条件是每一个国家至少有一种产品的单位生产成本要低于其 他国家，否则，这个国家将无法参与国际分工和贸易。绝对优势理论存在一定的局限性。因为这一理论无法解释当一国在所有产品生产上都具有绝对优势，而另一国都居于绝对劣势时，两国仍可以开展贸易的现象。 相对优势理论 相对优势理论是英国古典政治经济学大卫·李嘉图在亚当·斯密的绝对优势理论基础上提出的国际贸易理论，又称比较优势理论。该理论补充发展了亚当·斯密的绝对优势理论， 通过实例论证了自由贸易发生、发展的合理性与可行性，对国际贸易理论的发展完善具有重大的影响。比较优势理论认为相对劳动成本的差别决定了两个国家是否能进行专业化分工和自由贸易。虽然一国可能在两种产品的生产上都处于绝对劣势地位，但两者的不利程度肯定是不同的，总有一种产品的绝对劣势要较小一些，即具有相对比较优势。那么，该国就可以利用这种相对比较优势来进行专业化生产，并尽可能扩大生产规模和增加出口数量，结果可使贸易双方都能从交换中获得各自的利益，提高各自资源配置的效率，优化两国的产业结构，增加各种产品产量。这就是所谓的“两利相权取其重，两害相权取其轻”。 要素享贝武理论 瑞典著名的经济学家赫克歇尔和他的学生俄林进一步修正和扩展了比较优势理论，提 出了一种国际贸易的纯理论一一要素享赋理论(TheTheory ofFaCtor EndOWment)，即H模型。要素察赋理论的核心思想是:各国要素享赋的差异是各国自由贸易中存在的比较优势差异及这种差异的成因。一个国家的比较优势是由其要素丰裕度决定的，劳动丰裕度高的国家，比较优势在于生产并出口劳动密集型产品，进口资本密集型产品;资本丰裕度高的国

【开题报告】非线性Hammerstein模型的辨识

开题报告 电气工程与自动化 非线性Hammerstein模型的辨识 一、选题的背景与意义 系统辨识是是现代控制理论中的一个重要分支。通过辨识建立数学模型的目的是估计表征系统行为的重要参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输出预测系统输出的未来演变，以及控制器的设计。非线性系统辨识是系统辨识的一个重要的发展方向，一直是现代辨识领域中的一个主要课题，对其研究有十分重要的理论和实际意义。非线性问题的主要困难之一是一直缺乏描述各种非线性系统特性的统一的数学模型。为此，人们提出了多种类型的模型，如块联模型]1[ 、神经网络模型、双线性模型、非线性参数模型等等。 ]2[]3[ Hammerstein模型属于块联模型，由一个线性动态系统跟随一个非线性静态模块构成。自从Narendra& Gallman 1966年提出了Hammerstein模型后，由于模型结构简 ]4[ 单且能有效地描述常见的非线性动态系统特性，所以许多学者相继研究了Hammerstein 模型参数的估计方法，近年来Hammerstein模型被广泛地应用于非线性系统辨识。辨识Hammerstein模型的意义在于：利用辨识结果获得中间层输出，选择合适的性能指标，就可以把原非线性系统的控制问题分解为线性模块的动态优化问题和非线性模块的静态求根问题，因此可以有效结合线性模型预测控制的成熟理论解决这类非线性对象的控制问题，避免传统非线性控制方法计算量大，收敛性和闭环稳定性不能得到保证等诸多问题。 二、研究的基本内容与模拟解决的主要问题： 针对Hammerstein模型的辨识问题，可以归结为线性模块的动态优化问题和非线性模块的静态求根问题。因此研究的重点就是如何运用比较新颖的优化算法得到Hammerstein模型的参数解集，并能通过和传统算法的比较论证阐述采用方法的合理性，可行性及有效性。具体需要解决的问题包括以下几点： 1.什么是Hammerstein模型，它的基本结构式怎么样的； 2.确定Hammerstein非线性系统辨识的思想和实现方法； 3.熟悉PSO/BFO优化算法和熟悉最小二乘法估计方法；