环境库兹涅茨曲线假说的理论模型
1.1.1 环境库兹涅茨理论简介
1955年，美国经济学家西蒙·库兹涅茨(Simon Kuznets)，提出了著名的“倒U型假说”，即库兹涅茨曲线。在1991年，美国环境学家Grossman和Krueger 首次将库兹涅茨曲线引入经济增长和环境污染关系的研究, 它假定一个国家的污染水平会先随着经济发展和国民收入水平的增加而增加，当经济发展到一定程度时，污染水平会随着国民收入的上升而下降。Grossman和Krueger通过研究发现SO
2
排放量和经济增长的关系符合库兹涅茨假说:如果用纵轴表示污染水平(污染物排放量等),横轴表示经济增长(GDP、GNP或人均GDP、人均GNP等),可得到污染水平与经济增长之间的散点曲线呈“倒U型”，即环境库兹涅茨曲线(Environmental Kuznets Curve,以下简称EKC)。
自环境库兹涅茨曲线（EKC）假设提出以来，国内外学者不断对其理论探讨和实证研究。国外关于经济增长与环境污染关系的研究比较早，主要研究文献有：1992年Bandyopadhyay和Shafik运用EKC对不同国家经济增长和环境质量关系
进行了对比研究。Lucas（1996）验证了BO
2、NO
2
等与经济发展也符合EKC假说。
Panayoutou（1997）运用了30个发达国家和发展中国家1982-1994年间的数据进行分析，研究表明，政策和制度不仅能够显著减少由二氧化硫引起的环境退化，而且能够减轻经济增长所付出的环境代价。Dasguptaetal（2002）发现，严格的环境规制能使经济增长的每个时期污染排放水平都低于没有规制时的排放水平，使环境库兹涅兹曲线变得比较平坦。除此之外，许多发达国家和新兴发展中国家经济增长与环境质量之间的实证研究也证实了EKC假说,只是不同国家、不同污染物的“倒U”顶点出现的时机不同。
国内对我国经济增长与环境污染之间关系的研究起步较晚，主要研究文献有：范金(2002)采用中国81个大中城市1995-1997年度SO
2
、氮氧化物、总悬浮颗粒浓度等的面板数据对EKC进行研究,发现除了氮氧化物浓度之外,其余污染物与国民收入水平存在“倒U”关系;包群、彭水军（2006）采用中国30个省市1996—2000的环境指标数据，建立面板数据模型，研究发现经济增长与环境污染之间存在环境库兹涅兹曲线“倒U型”特征。张红凤等（2009）通过实证研究发现，严格且系统的环境规制政策能够改变环境库兹涅兹曲线的形状和拐点位置。但中国区域经济发展很不平衡,各个地方对污染治理的投入差别也较大,很难建立统一的模型来描述整个国家的经济增长与环境污染之间的关系,应当按照经济发展水平分区域进行研究,这样才能够更好地解释中国环境污染的实际状况。
1.1.2 EKC模型
国际上根据环境库兹涅茨理论所产生的计量模型有两大类,一类是基于时间序列数据分析的模型,另一类是基于面板数据分析的模型。
1.1.
2.1 基于时间序列数据分析的EKC模型
该模型最具有代表性的是二次多项式函数关系,这也是目前国际上常用的简化计量模型:
E t =β
+β
1
Y
t
+β
2
Y
t
2+μ
t
(1)
式中:E
t
为某国家或地区在时刻t受到的环境压力,常用环境质量指标、污染
物排放量等表示;β
0是国家和地区特征相关参数;Y
t
是该国家或地区在t时刻的
经济产出,一般以GDP或人均GDP表示;β
1、β
2
分别为参数。若β
2
<0,β
1
>0则为
“倒U”型曲线;若β
2>0,β
1
<0则为“正U”型曲线,通过对上式一阶求导可得到
环境质量转折点Y=-β
1/(2β
2
)。1995年,Grossman和Krueger又将该模型进一
步拓展成三次函数型:
E t =β
+β
1
Y
t
+β
2
Y
t
2+β
3
Y
t
3+μ
t
(2)
若β
1>0,β
2
<0且β
3
=0,则为“倒U”型曲线;若β
1
<0,β
2
>0且β
3
=0,则为“正
U”型曲线;若β
1<0,β
2
=0且β
3
=0,则环境恶化程度将呈线性下降;若β
1
<0,β
2
>0
且β
3
<0,则当用横坐标表示人均GDP,用纵坐标表示环境恶化程度时,环境恶化程
度呈现“倒N”型;若β
1>0,β
2
<0且β
3
>0,则环境恶化程度呈现“正N”型。
1.1.
2.2 基于面板数据分析的EKC模型
这类模型主要由Bandyopadhyay和Shafik(1992)提出,主要是将二次、三次函数与对数形式相结合,并加入GDP以外的环境影响因素。基本表达式为:
lnE
it =β
+β
1
lnY
it
+β2(lnY
it
)2+β
3
(lnY
it
)3+X
it
+μ
it
(3)
一般使用Hausman检验判断使用固定效应模型还是随机效用模型。式中X
it 表示影响第i国家或地区环境质量的其他变量构成的向量,一般包括结构效应和技术进步效应等变量。其中结构效应一般采用第二产业增加值或者第三产业增加值占当年GDP比重,技术进步效应一般采用人均资本存量等。除此之外还可以加入出口依存度或FDI依存度来研究国际贸易、外商直接投资对环境污染的影响。
3.1 环境污染状况分析
图1 1999-2009年间昆明市主要污染物排放量变化情况
1999-2009年间昆明市主要污染物排放量变化情况如图1所示。4种污染物中，工业废水排放量、工业烟尘排放量和工业粉尘排放量总体上呈下降的趋势；工业二氧化硫排放量在1999-2006年间波动上升，2006以后呈下降趋势。
3.2 主要污染物的环境库兹涅茨曲线实证研究
本文采用的模型是
E t =β
+β
1
Y
t
+β
2
Y
t
2+β
3
Y
t
3+μ
t
式中，:E
t
为昆明市在时刻t受到的环境压力,本文中用工业废水排放量、工
业SO
2排放量、工业烟尘排放量和工业粉尘排放量表示;β
是昆明市特征相关参
数;Y
t 是昆明市在t时刻的经济产出,本文以人均GDP表示;β
1
、β
2
分别为参数。
若β
1>0,β
2
<0且β
3
=0,则为“倒U”型曲线;若β
1
<0,β
2
>0且β
3
=0,则为“正U”
型曲线;若β
1<0,β
2
=0且β
3
=0,则环境恶化程度将呈线性下降;若β
1
<0,β
2
>0且
β3<0,则当用横坐标表示人均GDP,用纵坐标表示环境恶化程度时,环境恶化程度
呈现“倒N”型;若β
1>0,β
2
<0且β
3
>0,则环境恶化程度呈现“正N”型。
本文利用上述模型，分别对昆明市的工业废水排放量（E
1）、工业SO
2
排放量
（E
2）、工业烟尘排放量（E
3
）和工业粉尘排放量（E
4
）的EKC进行估计，样本数
据区间为1999-2009年，资料来源为1999-2009各年的《昆明统计年鉴》，估计结果如下：
表1 昆明市经济增长与环境污染的关系表
环境指标工业废水排
放量
工业二氧化硫
排放量
工业烟尘
排放量
工业粉尘
排放量
R20.87 0.89 0.83 0.9 常数项55718.34 11688.06 .2 .3
β1-7. 0. -47.76024 -74.06725
β20. 0. 0. 0.
β3-4.84E-09 -1.15E-08 -3.40E-08 -5.09E-08
F值15.24 18.23 11.27 22.13
DW 1.8 1.67 1.89 2.01 由表1得，所有环境指标与人均GDP的拟合度R2的值均大于0.7。其中，工业粉尘排放量的拟合度为0.9，说明所采用的回归模型具有充分的统计学意义。各环境指标与人均GDP的散点图见图2-5。从图中可以得出：4种污染物中，工业废水排放量、工业烟尘排放量和工业粉尘排放量总体上呈下降的趋势；工业二氧化硫排放量在1999-2006年间波动上升，2006以后呈下降趋势。
图2 工业废水排放量与人均GDP散点图
图3 工业二氧化硫排放量与人均GDP散点图
图4 工业烟尘排放量与人均GDP散点图
图5 工业粉尘排放量与人均GDP散点图
对工业废水排放量EKC的估计方程如下（方程下面括号内为T值）：
E 1=55718.34-7.Y
i
+0.Y
i
2-4.84E–09Y
i
3
（4.26）（-3.49）（3.18）（-2.95）
根据模型判定标准之一：若β
1<0,β
2
>0且β
3
<0,则当用横坐标表示人均GDP,
用纵坐标表示环境恶化程度时,环境恶化程度呈现“倒N”型。得出昆明市1999-2009年工业废水排放量的环境库兹涅茨曲线呈现“倒N”型。
对工业二氧化硫排放量EKC的估计方程如下（方程下面括号内为T值）：
E 2=11688.06+0.Y
i
+0.Y
i
2-1.15E–08Y
i
3
（0.095）（0.046）（0.41）（-0.75）
根据模型判定标准：若β
1>0,β
2
<0且β
3
=0,则为“倒U”型曲线;若β
1
<0,
β2>0且β3=0,则为“正U”型曲线;若β1<0,β2=0且β3=0,则环境恶化程度将呈
线性下降;若β
1<0,β
2
>0且β
3
<0,则当用横坐标表示人均GDP,用纵坐标表示环境
恶化程度时,环境恶化程度呈现“倒N”型;若β
1>0,β
2
<0且β
3
>0,则环境恶化程
度呈现“正N”型。得出昆明市1999-2009年工业二氧化硫排放量的环境库兹涅茨曲线不呈现“倒U”型曲线、“正U”型曲线、线性下降、“正N”型、“倒N”型中的任何一种。
对工业烟尘排放量EKC的估计方程如下（方程下面括号内为T值）：
E 3=.2-47.76024Y
i
+0.Y
i
2-3.40E–08Y
i
3
(4.14) (-3.69) (3.45) (-3.26)
根据模型判定标准：若β
1<0,β
2
>0且β
3
<0,则当用横坐标表示人均GDP,用
纵坐标表示环境恶化程度时,环境恶化程度呈现“倒N”型。得出昆明市1999-2009年工业烟尘排放量的环境库兹涅茨曲线呈现“倒N”型。
对工业粉尘排放量EKC的估计方程如下（方程下面括号内为T值）：
E 4=.3-74.06725Y
i
+0.Y
i
2-5.09E–08Y
i
3
(5.61) (-5.03) (4.62) (-4.29)
根据模型判定标准：若β
1<0,β
2
>0且β
3
<0,则当用横坐标表示人均GDP,用
纵坐标表示环境恶化程度时,环境恶化程度呈现“倒N”型。得出昆明市1999-2009年工业粉尘排放量的环境库兹涅茨曲线呈现“倒N”型。
[1]沈锋.上海市经济增长与环境污染关系的研究:基于环境库兹涅茨理论的实证研究[J].财经研究,2008(9):81-90
[2]范金.可持续发展下的最优经济增长[M].北京:经济管理出版社,2002:5-10.
[3]包群,彭水军.经济增长与环境污染:基于面板数据的联立方程估计[J].世界经济,2006,(11): 48-58.
【CN109992608A】一种基于频域的多模型融合预测方法和系统【专利】
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910230755.3 (22)申请日 2019.03.26 (71)申请人 浙江大学 地址 310013 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 姜晓红 杜定益 吴健 孙浩 吴朝晖 (74)专利代理机构 杭州天勤知识产权代理有限 公司 33224 代理人 胡红娟 (51)Int.Cl. G06F 16/2458(2019.01) G06F 17/14(2006.01) (54)发明名称 一种基于频域的多模型融合预测方法和系 统 (57)摘要 本发明公开了一种基于频域的多模型融合 预测方法和系统，包括：建立数据库实时存储监 控器测量所得的数据；对原始时序数据预处理， 包括异常值检测及缺失值处理；对干净的时序数 据通过小波变换转为频域数据；建立循环神经网 络及可加性回归模型对频域系数进行预测；选取 最优权重和阈值得到最佳预测结果。本发明通过 对预处理之后的时序数据变换到频域上进行分 析处理，并融合不同模型得到最佳预测结果，克 服了传统时序预测模型预测周期短，预测精度低 等缺点。权利要求书1页 说明书6页 附图3页CN 109992608 A 2019.07.09 C N 109992608 A
权 利 要 求 书1/1页CN 109992608 A 1.一种基于频域的多模型融合预测系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机存储器中存有以下模块： 数据库系统模块，用于存储监控器测量得到的原始时序数据，同时提供与其他模块之间的数据连接查询； 数据预处理模块，用于对数据库系统模块存储的原始时序数据进行预处理； 频域变换模块，用于将预处理后的原始时序数据进行频域变换，转为频域特征数据并进行存储； 趋势预测模块，内含循环神经网络模型和可加性回归模型，用于对频域特征数据中的高频与低频部分进行系数预测，并将结果重构为时序时间数据； 模型融合模块，用于将趋势预测模块中重构后得到的时序时间数据进行融合，输出最优预测数据。 2.根据权利要求1所述的基于频域的多模型融合预测系统，其特征在于，所述数据库系统模块包括若干张用于存储实时数据的数据库表。 3.根据权利要求1所述的基于频域的多模型融合预测系统，其特征在于，所述数据预处理模块包括异常值检测和缺失值处理两个部分。 4.根据权利要求1所述的基于频域的多模型融合预测系统，其特征在于，所述频域变换模块进行频域变换时，采用DB3小波作为基小波，分解层数为三层。 5.根据权利要求1所述的基于频域的多模型融合预测系统，其特征在于，趋势预测模块中，所述的循环神经网络采用LSTM模型，迭代次数设置为2000，单隐层中节点个数为6，并采用Adam算法对梯度下降过程进行优化；所述的可加性回归模型采用prophet模型，增长趋势采用logistics模型，季节性周期设置为7。 6.根据权利要求1所述的基于频域的多模型融合预测系统，其特征在于，所述模型融合模块通过权重因子ρ和突变点阈值a将趋势预测模块中重构后得到的时序时间数据进行融合；所述权重因子ρ采用网格法逐一试验分析，选取最佳权重，所述突变点阈值a采用与平均值的偏差超过三倍标准差的值作为临界阈值。 7.一种利用权利要求1～6任一所述的基于频域的多模型融合预测系统进行预测的方法，其特征在于，包括以下步骤： (1)将监控器实时测量得到的原始时序数据存储到数据库系统模块中； (2)利用数据预处理模块对原始时序数据进行预处理，包括剔除错误值、空值以及填补缺失值； (3)使用频域变换模块将预处理后的原始时序数据进行频域变换，转为频域特征数据并进行存储； (4)分别采用循环神经网络模型及可加性回归模型对频域特征数据的高频与低频部分进行预测，得到相应的预测结果，之后通过小波重构算法将预测得到的频域系数重构为时序时间数据； (5)将重构后得到的时序时间数据进行融合，输出最优预测数据。 8.根据权利要求7所述的基于频域的多模型融合预测系统进行预测的方法，其特征在于，步骤(5)中，通过权重因子ρ和突变点阈值a对重构后得到的时序时间数据进行融合。 2
中国环境库兹涅茨曲线的变化特征_1981_2004_
2008年7月西安交通大学学报(社会科学版)Ju.l2008第28卷第4期(总90期)Journal of X i c an Jiaotong University(Soc ial Sciences)V o.l28(Sum No.90)中国环境库兹涅茨曲线的变化特征(1981-2004) 李瑞娥,张海军 (西安交通大学经济与金融学院,陕西西安710061) [摘要]利用1981-2004年的面板数据,对中国环境库兹涅茨曲线的存在性及其区域差异性与趋同性特 征及变化趋势进行了实证研究。研究结果表明,中国的部分污染物具有明显的EKC特征,转折点的收入低于 发达国家的水平。然而,污染物EK C特征的短期性和对于模型设定形式的依赖性都表明,我们必须对中国环 境污染问题作出理性的判断。同时,中国经济发展中存在的地区差距对于环境-收入关系具有一定的影响, 它从另一角度说明中国环境库兹涅茨曲线的区域特征。 [关键词]环境库兹涅茨曲线;环境污染;环境政策;区域差异 [中图分类号]F062.1[文献标识码]A[文章编号]1008-245X(2008)04-0035-09 经济增长与环境变化关系的经典表述是环境库兹涅茨曲线(Env iron m entalKuznets Curve),简称EKC,这一假说为环境问题的研究提供了一个理论考证并在许多国家得到了检验。然而,各国资源、环境背景有极大的差异,E KC表现也不尽相同,本文试图通过对环境库兹涅茨曲线从一般到特殊的研究,发现中国EKC的存在性及其/本土化0特征,为中国环境现状提供一种实证性依据,使人们对/中国环境威胁论0有一个客观、理性的判断。 一、理论支点 自从人类进入工业化时代以后,经济增长在为人们提供丰富物质享受的同时也带来了环境污染、资源枯竭、生物多样性危机等一系列负效应。在严峻的现实面前,西方发达国家的学者对经济增长与环境变化的规律作了深入的研究。1955年,美国著名经济学家西蒙#库兹涅茨(Kuznets S.)在对收入差距的研究中发现,人均收入的差异随着经济增长表现出先逐渐加大、后趋于缩小的变化规律[1]。如果以人均收入作为横坐标,表示经济增长,以收入差距变化作为纵坐标,则存在一条倒/U0型的曲线,它通常被人们称为/库兹涅茨曲线0(KC)。1991年,格罗斯曼(Gene G r oss-m an)和克鲁格(A lan K r ueger)在研究北美自由贸易区的环境影响时,对66个国家的14种空气污染和水污染物质在12年间的变动情况进行计量分析后发现:在一国经济发展的早期阶段,污染水平随收入的增长不断上升;当经济发展到较高水平、收入达到某一特定值之后,进一步的收入增长将导致污染水平降低和环境质量的改善,即大多数污染物的变动趋势与人均GDP 的变动趋势呈倒/U0型关系[2]。于是,他们在1995年发表的著名论文5Econo m ic G ro w th and the Env iron-m ent6[3]中正式提出了这个假说。这一假说因与库兹涅茨曲线的相似性而被命名为/环境库兹涅茨曲线0假说(如图1所示) 。 图1典型环境库兹涅茨曲线(EKC) EKC假说提出之后,大量后续的实证研究进一步验证了EKC的存在性[4-6],同时,经济发展的现实进程也为EKC假说提供了有力佐证。在工业化的初始阶段,由于人们更偏好于工作机会和收入的增长而忽 [收稿日期]2007-11-28 [基金项目]国家/985工程0二期建设项目(07200701) [作者简介]李瑞娥(1953-),女,陕西西安人,西安交通大学经济与金融学院教授;张海军(1983-),男,宁夏平罗人,西安交通大学经济与金融学院硕士研究生。 35
环境库兹涅茨曲线假说的理论模型
1.1.1 环境库兹涅茨理论简介 1955年，美国经济学家西蒙·库兹涅茨(Simon Kuznets)，提出了著名的“倒U型假说”，即库兹涅茨曲线。在1991年，美国环境学家Grossman和Krueger 首次将库兹涅茨曲线引入经济增长和环境污染关系的研究, 它假定一个国家的污染水平会先随着经济发展和国民收入水平的增加而增加，当经济发展到一定程度时，污染水平会随着国民收入的上升而下降。Grossman和Krueger通过研究发现SO 2 排放量和经济增长的关系符合库兹涅茨假说:如果用纵轴表示污染水平(污染物排放量等),横轴表示经济增长(GDP、GNP或人均GDP、人均GNP等),可得到污染水平与经济增长之间的散点曲线呈“倒U型”，即环境库兹涅茨曲线(Environmental Kuznets Curve,以下简称EKC)。 自环境库兹涅茨曲线（EKC）假设提出以来，国内外学者不断对其理论探讨和实证研究。国外关于经济增长与环境污染关系的研究比较早，主要研究文献有：1992年Bandyopadhyay和Shafik运用EKC对不同国家经济增长和环境质量关系 进行了对比研究。Lucas（1996）验证了BO 2、NO 2 等与经济发展也符合EKC假说。 Panayoutou（1997）运用了30个发达国家和发展中国家1982-1994年间的数据进行分析，研究表明，政策和制度不仅能够显著减少由二氧化硫引起的环境退化，而且能够减轻经济增长所付出的环境代价。Dasguptaetal（2002）发现，严格的环境规制能使经济增长的每个时期污染排放水平都低于没有规制时的排放水平，使环境库兹涅兹曲线变得比较平坦。除此之外，许多发达国家和新兴发展中国家经济增长与环境质量之间的实证研究也证实了EKC假说,只是不同国家、不同污染物的“倒U”顶点出现的时机不同。 国内对我国经济增长与环境污染之间关系的研究起步较晚，主要研究文献有：范金(2002)采用中国81个大中城市1995-1997年度SO 2 、氮氧化物、总悬浮颗粒浓度等的面板数据对EKC进行研究,发现除了氮氧化物浓度之外,其余污染物与国民收入水平存在“倒U”关系;包群、彭水军（2006）采用中国30个省市1996—2000的环境指标数据，建立面板数据模型，研究发现经济增长与环境污染之间存在环境库兹涅兹曲线“倒U型”特征。张红凤等（2009）通过实证研究发现，严格且系统的环境规制政策能够改变环境库兹涅兹曲线的形状和拐点位置。但中国区域经济发展很不平衡,各个地方对污染治理的投入差别也较大,很难建立统一的模型来描述整个国家的经济增长与环境污染之间的关系,应当按照经济发展水平分区域进行研究,这样才能够更好地解释中国环境污染的实际状况。 1.1.2 EKC模型 国际上根据环境库兹涅茨理论所产生的计量模型有两大类,一类是基于时间序列数据分析的模型,另一类是基于面板数据分析的模型。 1.1. 2.1 基于时间序列数据分析的EKC模型
区域“环境库兹涅茨曲线”现象及应对
区域“环境库兹涅茨曲线”现象及应对 “环境库兹涅茨曲线”现象是由美国经济学家库兹涅茨用来分析人均收入水平与分配公平程度之间关系的一种学说,。 将此学说运用于环境上的表述就是：一个国家或地区的环境污染指数随着经济的增长先增后降，当国家或地区的发展水平较低的时候，环境污染的程度也相对较轻，但是随着人均收入的增加，环境污染由低趋高，环境恶化程度随经济的增长而逐渐加剧，当污染程度达到一个最高点时，随着经济的继续增加，此时的环境污染却逐渐下降，使得环境得到改善。环境质量与收入呈倒U型曲线关系。 经济增长又通过规模效应、技术效应与结构效应三种途径影响环境质量。1.规模效应：经济增长会从两方面对环境质量产生负面影响，一方面经济增长要增加投入，进而增加资源的使用，加速了资源的消耗；另一方面由于资源的不完全利用或者开发资源和利用的过程中的不充分导致污染排放的增加。2.技术效应。高收入水平将使人们有能力发展更好的环保技术、以及处理环境污染和保护环境的高效率技术。在一个国家的经济增长过程中，加重研发支出，推动技术进步，将会产生两方面的影响：一是在原有的资源利用率其他不变时，技术进步提高生产率，改善资源的使用效率，将会直接降低单位产出的要素即资源的投入，相对以前提高了资源的利用率，可减少开发资源带来的环境问题以及生产过程中的污染问题，削弱生产对自然与环境的影响；二是清洁技术不断开发和取代肮脏技术，可有效地循环利用资源，降低了单位产出的污染排放。3.结构效应。随着收入水平提高，产出结构和投入结构发生变化。在早期经济发展的初级阶段，经济结构从农业向能源密集型重工业转变，化工石油原料的使用增加了污染排放，随后经济转向低污染的服务业和知识密集型产业，投入结构变化，单位产出的排放水平下降，环境质量逐步改善。规模效应会恶化环境，而技术效应和结构效应改善环境。在经济腾飞的开始阶段，资源的使用超过了资源的再生，有害废物大量产生，规模效应带来的环境负担远超过了技术效应能减少净化的能力和结构效应所能产生的改善力量，使得环境逐步恶化；当经济发展到一个新的阶段，环境污染水平达到最高，此后，技术效应和结构效应产生大雨规模效应的能力，环境恶化减缓并逐步向原来的方向恢复。 湖口县是江西省九江市下辖的一个县城，处于规模效应的时期，并已经发展了数十年的时间，如今也出现了大量的以服务性产业的项目，但转型速度缓慢。自发展初期以来，经济增长迅速，但由于发展初期科学技术非常不发达，更好的保护环境的技术尚未出现，政府亦没有足够的资源和可调控的力量资源以及多余的资金支持环境的保护，经济的发展在初期只是为了改善人们的生存条件，人们并没有意识到保护环境和自身健康有什么联系，环境保护意识差，因此，对于开始良好的环境状况并不在乎和珍惜。随着经济的发展，人们利用自然的能力增强，地区经济发展规模增大，自然资源消耗就越来越多，污染物的排放也越来越多，对环境的破环也越来越严重，此时，正如“环境库兹涅茨曲线”中描绘出的上半段，随经济的增长而环境污染也加重。也由于此时的清洁科学技术不发达，不能在大范围内实行减污计划，而经济产业结构相对落后，主要以资源依赖型，资源消耗型产业为主，而这些产业都是消耗大量资源，以对环境的掠夺和污染为基础谋求发展的，因此，在经济积累的过程中，对环境产生了大量的污染。 为增长经济，湖口县大量引进重工业项目，最大的是位于金沙湾的工业园区，虽然有着生态示范园区的称号，但污染却是十分严重，地方的污染可以从随处可见的污
生长曲线的拟合分析
快大黄鸡（肉鸡）的生长曲线拟合分析 表2-1 快大黄鸡（肉鸡）的体重随周龄的变化表周龄01234567 /week 体重/g32.5086.25201.25400.00651.03964.001200.301482.18 表2-2Logistic生长曲线模型参数估计值：表2-3logistic生长曲线模型显著性检验的方差分析表： 表2-4动物常用的三种生长曲线模型注：本次采用第二种分析：logistic曲线模型
增重是一个连续的过程，在正常情况下表现为“S”型曲线，一般用生长曲线来 描述体重随年龄的增加而发生的规律性变化。通常对动物的生长的拟合有3种， 本次这做了logistic曲线，从拟合度可以看出，logistic曲线的拟合度很高。所以没有用其他两种常用的方法进行拟合分析。 拟合图： 分析： 表2-2列出了logistic生长曲线模型的参数估计值、各参数的标准误及参数95% 的置信区间的上下限。可见logistic模型中的A、B和K分别为1743.841、31.353、0.726。将A、B和K值代入方程，得logistic曲线方程： Y=1743.841/(1+31.353e -0.726t) 表2-3为模型的显著性检验的方差分析结果，此处给出了各变异来源的平方和、 2=0.998.可见拟合优度自由度和均方，给出了模型拟合的相关指数（即拟合度）R 达到了令人非常满意的程度。 由表2-4的公式可以计算出： 拐点体重：W=Ａ／２＝１７４３.８４１/２＝８７１.９２１（ｇ） 拐点日龄：（ｌｎB）/K＝（ｌｎ３１.３５３）/０.７２６＝４.７４５（周） 所以，快大鸡的周龄在４～５周时，出现了拐点，鸡的快大黄鸡的生长由缓慢进 入了快速生长期，因此快大鸡在６～７周的的增重较快，此时是饲养管理的关键
析——基于环境库兹涅茨曲线的分析
‘生态经济》２００９年第７期总第２１３期ＥＣＯＬＯＧＩＣＡＬＥＣＯＮＯＭＹ贸易自由化条件下发展中国家 经济与环境关系的二般分析 ——基于环境库兹涅茨曲线的分析 朱述斌Ｉ２高岚１’３ （１．北京林业大学经管学院，北京１０００８３； ２．江西农业大学经贸学院，南昌３３００４５； ３．华南农业大学经管学院，广州５１０６４２） 摘要：经济发展与环境保护是当代发展中国家突出的两项任务．环境库兹涅茨曲线解释了发展中国家经济与环境的相互关系。然而．在贸易自由化和环境优先保护贸易保护论的双重影响下．发展中国家面临贸易竞争与环境保护的双重压力。文章在借鉴前人对环境库兹涅茨曲线关于经济与环境关系解释的基础上，指出环境优先新贸易保护论削弱了发展中国家贸易竞争力，在贸易自由化下发达国家通过污染转移加剧了发展中国家的环境压力。最后提出应通过对环境资源产权改革、技术进步等一系列措施来消除“环境库兹涅茨曲线”宿命论的影响。 关键词：贸易自由化，经济与贸易；环境与贸易；环境库兹涅茨曲线 ＴｈｅＣｏｍｍｏｎｌｙＡｎａｌｙｓｉｓｏｎｔｈｅＤｅｖｅｌｏｐｉｎｇＣｏｕｎｔｒｉｅｓＥｃｏｎｏｍｙ—Ｅｎｖｉｒｏｎｍｅｎｔ ＲｅｌａｔｉｏｎｓｈｉＤｓ：ＢａｓｅｄｏｎＥｎｖｉｒｏｎｍｅｎｔａｌＫｕｚｎｅｔｓＣｕｒｖｅｕｎｄｅｒＦｒｅｅＴｒａｄｅＴｅｒｍ ＺＨＵＳｈｕｂｉｎ。?２ＧＡＯＬａｎｌ?３ （１．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＢＦＵ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＴｒａｄｅ，ＪＸＡＵ，Ｎａｎｃｈａｎｇ３３００４５，Ｃｈｉｎａ； ３．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＨＮＡＵ，Ｇｕａｎｇｚｈｏｕ５１０６４２。Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｅｃｏｎｏｍｉｃｇｒｏｗｔｈａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｐｒｏｔｅｃｔｉｏｎｈａｖｅｂｅｅｎｏｕｔｓｔａｎｄｉｎｇｔｗｏｍｉｓｓｉｏｎｓｆｏｒｔｈｅｄｅｖｅｌｏｐｉｎｇｃｏｕｎｔｒｙｉｎｐｒｅｓｅｎｔａｇｅ，ｔｈｅｅｎｖｉｒｏｎｍｅｎｔＫｕｚｎｅｔｓｃｕｒｖｅｈａｓｍａｄｅａｎｅｘｐｌａｎａｔｉｏｎｄｅｖｅｌｏｐｉｎｇｃｏｕｎｔｒｙｅｃｏｎｏｍｙａｎｄｔｈｅｅｎｖｉｒｏｎｍｅｎｔｉｎｔｅｒｒｅｌａｔｉｏｎ，ｂｕｔ，ｔｈｅｄｅｖｅｌｏｐｉｎｇｃｏｕｎｔｒｙｈａｓｂｅｅｎｃｏｎｆｒｏｕｔｅｄｗｉｔｈｄｏｕｂｌｅｔｈｅｐｒｅｓｓｕｒｅｏｆｔｒａｄｅｃｏｍｐｅｔｉｔｉｏｎａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｐｒｏｔｅｃｔｉｏｎｕｎｄｅｒｄｏｕｂｌｅ ｅｆｆ色ｃｔｏｆｐｒｅｆｅｒｅｎｔｉａｌｅｎｖｉｒｏｎｍｅｎｔｐｒｏｔｅｃｔｉｖｅｔｒａｄｅｔｈｅｏｒｙａｎｄｔｒａｄｅｌｉｂｅｒａｌｉｚａｔｉｏｎ．ＴｈｉｓｐａｐｅｒｒｅｆｅｒｒｅｄｍａｔｔｈｅｆｏｎＴｌｅｒｈａｓｅｘｐｌａｉｎｅｄｂｏｕｔｅｃｏｎｏｍｙａｎｄｅｎｖｉｒｏｎｍｅｎｔｒｅｌａｔｉｏｎｂｙｅｎｖｉｒｏｎｍｅｎｔＫｕｚｎｅｔｓｃｕｒｖｅ。ｐｏｉｎｔｅｄｏｕｔｔｈｅｐｒｅｆｅｒｅｎｔｉａｌｎｅｗｅｎｖｉｒｏｎｍｅｎｔｔｒａｄｅｐｒｏｔｅｃｔｉｎｇｔｈｅｏｒｙｈａｖｅｗｅａｋｅｎｅｄｄｅｖｅｌｏｐｉｎｇｃｏｕｎｔｒｙｔｒａｄｅｃｏｍｐｅｔｉｔｉｏｎ，ａｎｄｔｈｅｄｅｖｅｌｏｐｅｄｃｏｕｎｔｒｙｐａｓｓｅｓｔｈｅｄｅｖｅｌｏｐｉｎｇｃｏｕｎｔｒｙｅｎｖｉｒｏｎｍｅｎｔｐｒｅｓｓｕｒｅｈａｖｅｂｅｉｎｇａｇｇｒａｖａｔｅｄｂｙｐｏｌｌｕｔｉｏｎｔｒａｎｓｆｅｒｒｉｎｇｕｎｄｅｒｔｒａｄｅｌｉｂｅｒａｌｉｚａｔｉｏｎ，ａｎｄｈａｖｅｂｒｏｕｇｈｔｆｏｒｗａｒｄａｓｅｒｉｅｓｏｆｍｅａｓｕｒｅｓｔｏｒｅｍｏｖｅ’’ｔｈｅｅｎｖｉｒｏｎｍｅｎｔＫｕｚｎｅｔｓｃｕｒｖｅ”ｗａｉｔｉｎｇｆｏｒａｄｅｔｅｒｍｉｎｉｓｍｔｈｅｅｆｆｅｃｔ．Ｆｏｒｉｎｓｔａｎｃｅ，ｅｎｖｉｒｏｎｍｅｎｔｒｅｓｏｕｒｃｅｐｒｏｐｅｒｔｙｒｉｇｈｔｒｅｆｏｒｍｉｎｇ，ａｎｄｔｅｃｈｎｏｌｏｇｉｃａｌｐｒｏｇｒｅｓｓ，ｅｔｃ． Ｋｅｙｗｏｒｄｓ：ｔｒａｄｅｌｉｂｅｒａｌｉｚａｔｉｏｎ；ｅｃｏｎｏｍｙａｎｄｔｒａｄｅ；ｅｎｖｉｒｏｎｍｅｎｔａｎｄｔｒａｄｅ；ｅｎｖｉｒｏｎｍｅｎｔＫｕｚｎｅｔｓｃｕｒｖｅ １环境库兹涅茨曲线对经济与环境关系的解释 经济增长与环境状况之间相互作用，经济增长有利于环境状况改善还是会导致环境恶化，这是贸易与环境领域争论的焦点问题。２０世纪５０年代，经济学家ＳｉｍｏｎＫｕｚｎｅｔｓ发现随着一国摆脱贫穷和落后，国民收入差距会逐渐拉大；在一定时期后，随着经济增长，收入差距又将逐渐缩小。因此，通过平面坐标系，经济增长（横轴）与收入差距（纵轴）之间呈现出一种倒“Ｕ”型曲线形状…。２０世皇己９０年代初期，ＧｒｏＳｓｒ】ｎａｎ和Ｋｒｕｇｅｒ，以及Ｐａｎａｙｏｔｏｕ等学者通过数据统计和分析，发现环境状况与收入水平之间也会出现这一相似图形的现象，因此将其命名为环境库兹涅茨曲线（ＥＫＣ）。ＥＫＣ描述的是：在人均收人水平比较低的情况下，随着人均收入的提高，环境污染加剧；在人均收入达到一定水平以后，人均收入的提高将伴随着环境状况的改善【２Ｉ。对这一现象的解释是，随着收入的增加，人们对环境质量的要求提高了。特别是，如果收入增加要求环境质量提高的速度快于收入对其他产品和服务的增加速度，就会产生倒“Ｕ。型的环境库兹涅茨曲线（见下页图）。 而贸易作为国家经济增长的发动机，其带来的财富积累效应和生产力发展将最终有利于环境问题的解决，这就是在曲线转折点后的情况；在转折点以前，其带来的经济增长将不可避免地导致一国环境污染加剧。但是，倒“Ｕ”型环境库兹涅茨曲线并不适用于所有情况，它适用于国内环境问题，但对于 基金项目：江西省重点人文社科基地江西农业大学“三捉问题”研究中心资助 作者简介：朱述斌（１９６５一．），男，江西上饶人，博士生，教授，研究方向为农业经济理论与政策、区域经济发展；高岚（１９５９～），女，四川人，教授，博士生导师，研究方向为环境与资源经济、林业经济理论与政策。
多模型融合推荐算法——从原理到实践
1 研发背景 互联网时代也是信息爆炸的时代，内容太多，而用户的时间太少，如何选择成了难题。电商平台里的商品、媒体网站里的新闻、小说网站里的作品、招聘网站里的职位……当数量超过用户可以遍历的上限时，用户就无所适从了。 对海量信息进行筛选、过滤，将用户最关注最感兴趣的信息展现在用户面前，能大大增加这些内容的转化率，对各类应用系统都有非常巨大的价值。 搜索引擎的出现在一定程度上解决了信息筛选问题，但还远远不够，其存在的两个主要弊端是：第一搜索引擎需要用户主动提供关键词来对海量信息进行筛选。当用户无法准确描述自己的需求时，搜索引擎的筛选效果将大打折扣，而用户将自己的需求和意图转化成关键词的过程有时非常困难（例如“找家附近步行不太远就可以到的餐厅，别太辣的”）。更何况用户是懒惰的，很多时候都不愿意打字。第二是搜索结果往往会照顾大多数用户的点击习惯，以热门结果为主，很难充分体现出个性化需求。 解决这个问题的最好工具就是——推荐系统（Recommendation System）。 推荐系统的效果好坏，体现在推荐结果的用户满意度上，按不同的应用场景，其量化的评价指标包括点击率、成交转化率、停留时间增幅等。为了实现优秀的推荐效果，众多的推荐算法被提出，并在业界使用。但是其中一类方法非常特殊，我们称为多模型融合算法。融合算法的意思是，将多个推荐算法通过特定的方式组合的方法。融合在推荐系统中扮演着极为重要的作用，本文结合达观数据的实践经验为大家进行系统性的介绍。 为什么需要融合推荐算法 推荐系统需要面对的应用场景往往存在非常大的差异，例如热门/冷门的内容、新/老用户，时效性强/弱的结果等，这些不同的上下文环境中，不同推荐算法往往都存在不同的适用场景。不存在一个推荐算法，在所有情况下都胜过其他的算法。而融合方法的思想就自然而然出现了，就是充分运用不同分类算法各种的优势，取长补短，组合形成一个强大的推荐框架。俗话说就叫“三个臭皮匠顶个诸葛亮”。 在介绍融合方法前，先简单介绍几类常见推荐算法的优缺点 基于物品的协同过滤（Item-based Collaborative Filtering）是推荐系统中知名度最高的方法，由亚马逊（Amazon）公司最早提出并在电商行业内被广泛使用。
中国工业环境库兹涅茨曲线分析
中国工业环境库兹涅茨曲线分析 ——基于空间面板模型的经验研究 朱平辉 [摘要]环境库兹涅茨曲线是环境经济学中的一个经典假说，但目前采用空间计量方法进行研究的文献并不多见。本文基于中国1989-2007年省级面板数据，使用空间固定效应模型，对七种工业污染排放进行EKC实证分析。结果显示：人均工业废水排放量与人均GDP之间为只有一个拐点的“倒N型”关系，人均工业废气与人均GDP为传统的两个拐点的“倒N型”关系，而其他五种工业污染排放与人均GDP之间为“倒U型”的关系。 [关键词] 工业环境污染；环境库兹涅茨曲线；空间面板模型 一、引言 改革开放以来中国经济经历了一个持续的高速增长阶段。但是，中国经济的高速增长是建立在过度消耗资源和较为严重的工业污染基础上的，在经济快速增长的同时，支付了昂贵的资源与环境代价。据“中国环境状况公报”，环境污染和生态恶化在20世纪90年代末得到一定程度的控制，但是总体情况一直比较严重。 中国政府规划到2020年人均GDP比2000年翻两翻，与此对应的工业污染排放量的增长趋势必须得到有效控制，否则GDP增长背后的环境代价是灾难性的。我们必须关注经济增长与工业污染物排放量两个变量间的联系及它们之间的长期变化趋势。对于工业污染排放与经济增长间的联系，有学者从协整的角度出发研究它们之间的长期均衡关系，如李国璋和孔令宽（2008）[2]通过协整检验中国1985-2006年间CO2和SO2排放量的对数值与人均收入变量间分别在5%和平1%的显著水平上存在正的协整关系。这方面的研究成果揭示经济增长与排污量之间存在密切的相关性。更多的学者是通过环境库兹涅茨曲线（Environmental Kuznets Curve，EKC）来研究经济增长对环境污染的影响。环境库兹涅茨曲线描绘了经济增长与环境压力之间的一种长期关系，如图1所示。根据EKC 假设，在经济发展起步阶段随着经济的增长会导致环境质量的下降，然而一旦经济发展超越了某一临界值点（如图1中的Y0所代表的经济增长水平，该点也称为转折点），人均收入的进一步提高反而有助于降低污染排放、改善环境质量。因此，中国污染物的排放特别是工业污染物的排放，其转折点在经济增长何种水平上可能出现，就成了人们关心的问题，这对中国环境保护政策的制定有重要的指导意义。
新产品生命周期生长曲线研究
新业务产品生命周期研究之 生长曲线预测研究报告 1.绪论 1.1. 研究背景 产品生命周期（Product Life Cycle, PLC）是指产品的经济寿命（也称营销寿命，与产品的自然寿命或使用寿命无关），即一种产品从研发、上市、销售量由少到多又由盛转衰、终至被市场淘汰的全过程。产品生命周期是经济学与营销学中的一个十分重要的概念，当产品处于其生命周期的不同阶段时，企业的投资、生产和营销策略就必须有所不同，因此，产品生命周期理论是企业在经营决策中进行产品研发、市场营销、竞争分析、客户关系管理以及资本运筹与调控等活动的重要支持。产品生命周期概念是产品管理与分析范畴的核心要素，它蕴涵了产品信息管理、协同产品设计、产品绩效评估、产品营销策略、客户需求管理、产品市场竞争等诸多层面的问题，而由其演化而来的所谓的产品生命周期管理（Product Life-cycle Management, PLM）已经成为现代企业的核心管理理念，亦为其信息技术运用的重要组成部分，它能真正提高企业的核心竞争力并成为其重要的智力资产。 “新业务产品生命周期研究”是计费业务中心为配合广东移动在当前激烈的市场竞争环境下，以提升新业务产品（主要指数据业务产品）覆盖面和渗透率作为带动业务保持高速增长的重要手段之一的思路而提出的科技项目，同时这个科技项目的研究成果也将被直接应用到经营分析系统及相关应用当中，在力图为广东移动的新产品开发、营销等整个管理体系提供有力支持的同时，也对即将来临的3G时代中广东移动新业务的开展与产品管理作出有益的探索。
1.2. 研究思路 本研究项目将围绕产品生命周期这一概念展开，针对特定的新业务产品，通过构建产品生命周期曲线预测模型以着重解决产品生命周期所处阶段的判定问题，并由此试图构建有效识别产品生命周期阶段的指标体系,以期解决不同地市公司之间同一业务发展态势的综合评价问题；作为研究的出发点，本项目将进行初步的产品相关数据组织管理的标准规范工作，而作为研究的最终表现形式，本项目亦将构建基本的相关数据分析型应用以供实际业务管理工作运用借鉴。 本项目本质上是一个实证性的命题研究项目而非传统的信息应用开发项目。 1.3. 研究目的 本研究项目希望能够在如下几个方面对业务决策提供指导： ?既有产品发展态势的评估监控； ?新产品投放的市场效应考察； ?基于产品的营销策略制定； ?基于产品的竞争对策制定； ?基于产品的成本控制。 2.产品生命周期预测中的成长曲线模型方法 2.1. 生长曲线概述 生长曲线（Growth Curve）又称S型曲线，是描述生物生长过程的一种特殊曲线，这种曲线从某个固定点出发，其生长率单调地增加，到达一个拐点后，生长率下降，渐进地趋于某个最后的值。生物的生长过程，一般经历发生、发展、成熟和衰亡四个阶段，这和产品生命周期理论所确立的产品在市场中的成长过程类似，由此生长曲线预测方法是最普遍运用的产品生命周期曲线预测方法。 关于生长曲线预测的一般预测方法可参见冯文权（2002）。 LOGISTIC生长曲线
库兹涅茨曲线
库兹涅茨曲线是上世纪50年代诺贝尔奖获得者、经济学家库兹涅茨用来分析人均收入水平与分配公平程度之间关系的一种学说。研究表明，收入不均现象随着经济增长先升后降，呈现倒U型曲线关系。当一个国家经济发展水平较低的时候，环境污染的程度较轻，但是随着人均收入的增加，环境污染由低趋高，环境恶化程度随经济的增长而加剧；当经济发展达到一定水平后，也就是说，到达某个临界点或称“拐点”以后，随着人均收入的进一步增加，环境污染又由高趋低，其环境污染的程度逐渐减缓，环境质量逐渐得到改善，这种现象被称为环境库兹涅茨曲线。 1991年美国经济学家Grossman和Krueger针对北美自由贸易区谈判中，美国人担心自由贸易恶化墨西哥环境并影响美国本土环境的问题，首次实证研究了环境质量与人均收入之间的关系，指出了污染与人均收入间的关系为“污染在低收入水平上随人均GDP增加而上升，高收入水平上随GDP增长而下降”。1992年世界银行的《世界发展报告》以“发展与环境”为主题，扩大了环境质量与收入关系研究的影响。1993年Panayotou借用1955年库兹涅茨界定的人均收入与收入不均等之间的倒U型曲线，首次将这种环境质量与人均收入间的关系称为环境库兹涅茨曲线（EKC）。EKC揭示出环境质量开始随着收入增加而退化，收入水平上升到一定程度后随收入增加而改善，即环境质量与收入为倒U型关系。 环境库兹涅茨曲线提出后，环境质量与收入间关系的理论探讨不断深入，丰富了对EKC的理论解释。 1.规模效应、技术效应和结构效应。 Grossman和Krueger提出经济增长通过规模效应、技术效应与结构效应三种途径影响环境质量：（1）规模效应。经济增长从两方面对环境质量产生负面影响：一方面经济增长要增加投入，进而增加资源的使用；另一方面更多产出也带来污染排放的增加。（2）技术效应。高收入水平与更好的环保技术、高效率技术紧密相联。在一国经济增长过程中，研发支出上升，推动技术进步，产生两方面的影响：一是其他不变时，技术进步提高生产率，改善资源的使用效率，降低单位产出的要素投入，削弱生产对自然与环境的影响；二是清洁技术不断开发和取代肮脏技术，并有效地循环利用资源，降低了单位产出的污染排放。（3）结构效应。随着收入水平提高，产出结构和投入结构发生变化。在早期阶段，经济结构从农业向能源密集型重工业转变，增加了污染排放，随后经济转向低污染的服务业和知识密集型产业，投入结构变化，单位产出的排放水平下降，环境质量改善。规模效应恶化环境，而技术效应和结构效应改善环境。在经济起飞阶段，资源的使用超过了资源的再生，有害废物大量产生，规模效应超过了技术效应和结构效应，环境恶化；当经济发展到新阶段，技术效应和结构效应胜出，环境恶化减缓。 2.环境质量需求。 收入水平低的社会群体很少产生对环境质量的需求，贫穷会加剧环境恶化；收入水平提高后，人们更关注现实和未来的生活环境，产生了对高环境质量的需求，不仅愿意购买环境友好产品，而且不断强化环境保护的压力，愿意接受严格的环境规制，并带动经济发生结构性变化，减缓环境恶化。 3.环境规制。 伴随收入上升的环境改善，大多来自于环境规制的变革。没有环境规制的强化，环境污染的程度不会下降[7]。随着经济增长，环境规制在加强，有关污染者、污染损害、地方环境质量、排污减让等信息不断健全，促成政府加强地方与社区的环保能力和提升一国的环境质量管理能力。严格的环境规制进一步引起经
生长曲线的拟合分析精编版.doc
???????????????????????最新料推荐??????????????????? 快大黄鸡（肉鸡）的生长曲线拟合分析 表 2-1 快大黄鸡（肉鸡）的体重随周龄的变化表 周龄0 1 2 3 4 5 6 7 /week 体重 /g 32.50 86.25 201.25 400.00 651.03 964.00 1200.30 1482.18 表 2-2Logistic 生长曲线模型参数估计值： 表 2-3 logistic 生长曲线模型显著性检验的方差分析表： 表 2-4 动物常用的三种生长曲线模型 注：本次采用第二种分析：logistic 曲线模型
增重是一个连续的过程，在正常情况下表现为“S”型曲线，一般用生长曲线来 描述体重随年龄的增加而发生的规律性变化。通常对动物的生长的拟合有 3 种，本次这做了 logistic 曲线，从拟合度可以看出， logistic 曲线的拟合度很高。所以没 有用其他两种常用的方法进行拟合分析。 拟合图： 分析： 表 2-2 列出了 logistic 生长曲线模型的参数估计值、各参数的标准误及参数 95% 的置信区间的上下限。可见 logistic 模型中的 A 、B 和 K 分别为 1743.841、31.353、0.726 。将 A、B 和 K 值代入方程，得 logistic 曲线方程： Y=1743.841/(1+31.353e -0.726t) 表 2-3 为模型的显著性检验的方差分析结果，此处给出了各变异来源的平方和、 自由度和均方，给出了模型拟合的相关指数（即拟合度） R2=0.998.可见拟合优 度达到了令人非常满意的程度。 由表 2-4 的公式可以计算出： 拐点体重： W=Ａ／２＝１７４３ .８４１ /２＝８７１ .９２１（ｇ） 拐点日龄：（ｌｎ B）/K ＝（ｌｎ３１ .３５３） /０ .７２６＝４ .７４５（周） 所以，快大鸡的周龄在４～５周时，出现了拐点，鸡的快大黄鸡的生长由缓慢进 入了快速生长期，因此快大鸡在６～７周的的增重较快，此时是饲养管理的关键
基于多源融合特征提取的在线广告预测模型
第45卷第1期V o l.45 N o.1计算机工程 C o m p u te r E n g in e e rin g 2019年1月 January 2019 ?人工智能及识别技术?文章编号：1000-3428(2019)01-0178-08 文献标志码：A中图分类号：TP181 基于多源融合特征提取的在线广告预测模型 刘冶1’2’3,刘荻1!2,王砚文3’4,傅自豪2’3,印鉴1’2 (1.中山大学数据科学与计算机学院，广州510006;2.广东省大数据分析与处理重点实验室，广州510006; 3.火烈鸟网络（广州）股份有限公司数据中心，广州510630; 4.香港理工大学电子计算学系，中国香港999077) 摘要：针对智能移动终端应用平台上的广告点击率（C T R)预测问题，在传统P C端W e b平台在线广告C T R预测 方法的基础上，提出一个新的智能移动终端在线广告投放业务架构。基于此架构，构建基于机器学习的在线广告 预测模型，对用户基本信息、广告内容、用户使用环境等多源特征进行融合提取，实现在线广告C T R的精确预测。 结合移动A P P应用环境的特点，将用户历史行为数据加人预测模型进一步提高C T R预测性能。实验结果表明，该 模型具有较高的C T R预测准确率。 关键词：计算广告；广告点击率；特征选择；机器学习；预测模型 中文引用格式：刘冶，刘荻，王砚文，等.基于多源融合特征提取的在线广告预测模型[J].计算机工程，2019,45(1): 178-185,191 . 英文引用格式：L IU Y e，L IU D i，W A N G Y a n w e n，et a l.O nline advertising prediction m odel based on m u ltip le source fusion feature extraction[J].Com puter E n g in e e rin g，2019，45 (1) ：178-185，191. Online Advertising Prediction Model Based on Multiple Source Fusion Feature Extraction L I U Y e1，2,3，L I U D i1，2，W A N G Y a n w e n3,4，F U Z ilia o23，Y I N Jia n1 2 (1. S c h o o l o f D a t a a n d C o m p u t e r S c i e n c e，S u n Y a t-s e n Universit;^，G u a n g z h o u 510006，C h i n a； 2. G u a n g d o n g Provincial K e y L a b o r a t o r y of B i g D a t a Anal;^sis a n d P r o c e s s i n g，G u a n g z h o u 510006，C h i n a； 3. D a t a C e n t e r，F l a m i n g o N e t w o r k C o.，L t d.，G u a n g z h o u 510630，C h i n a； 4. D e p a r t m e n t of C o m p u t i n g，T h e H o n g K o n g P o lytechnic U n i v e r s i t y，H o n g K o n g 999077，C h i n a) [A b s tr a c t] A im in g at the problem o f advertising C lic k Through Rate( C T R) prediction on application p la tfo rm，this paper proposes a novel online advertising business architecture fo r in te llig e n t m ob ile devices based on the tra d itio n a l C TR prediction m ethod on PC W eb p la tfo rm.W ith this architecture，an online advertising prediction m odel based on machine learning i s designed to integrate and extract the m u ltip le source features such as user in fo rm a tio n，advertising content and user usage e n viro n m e n t，so as to achieve accurate prediction o f online advertising C T https://www.wendangku.net/doc/7911513672.html, bined withi the characteristics o f the m obile APP application e n viro n m e n t，the C T R prediction p im proved by adding the u s e r’s h isto rica l behavior data in to the prediction m o d e l.E xperim ental results show that this m odel has a h igh accuracy rate o f C T R p re d ictio n. [K e y w o rd s] com putational a d ve rtisin g;advertising C lic k T hrough Rate( C T R); feature selection;machine pr+diction m o d+l D O I:10. 19678/j.issn.1000-3428.0049207 0概述 近年来，互联网已成为人们生活中的重要部分，在线广告也日益成为互联网经济的一个主要组成部分。随着技术的进步，在线广告的投放逐渐向精准化的方向演进[17]。在线广告的精准投放就是对投放的环境和给定的用户进行分析，通过不同算法来选择与给定用户最匹配的广告，并进行定向投放[37]。 计算广告的核心任务是在特定环境下为特定用户选择最合适的广告展示。点击率（C lic k T h ro u g h 基金项目：广东省科技计划项目（2012A010701013);广州市科技计划项目（2013J4500059);广州市天河区科技计划项目（201601Y G152, 201701Y G127);广东省大数据分析与处理重点实验室开放基金（2017017，201805)。 作者简介：刘冶（1989—），男，博士研究生，主研方向为机器学习、神经网络、网络挖掘；刘荻，硕士；王砚文，博士研究生；傅自豪，硕士；印鉴，教授、博士、博士生导师。 收稿日期"2017-11-07 修回日期"2018-01-08 E-m ail：jourkliu@ 163. c o m
金融时间序列预测的信息融合与计算智能模型
金融时间序列预测的信息融合与计算智能模型金融市场是一个庞大的、具有复杂运动模式的系统,受到来自各方面的多重因素的影响。时间序列作为金融市场中最为主要的,数量最多的数据形式,是金融市场复杂内在的综合外在表现形式。通过对金融时间序列的分析及预测,可以发现市场潜在的规律及信息特征, 为金融活动及决策提供重要依据,具有非常重要的现实意义。伴随着数据库、平行技术、人工智能等技术的融合发展,出现了一项由交叉学科产生的新兴技术-数据挖掘技术。它能够从大量的历史数据中通过数据集成、规约、清理、变换、挖掘、模式评估和知识表示来提取其中隐含的且有用的知识及规律,为我们分析海量的大规模的金融时间序列提供有效的理论与技术支持。因此,本文以金融时间序列预测的信息融合与计算智能模型为研究课题,采用数据挖掘技术,重点研 究了金融时间序列预测的特征提取过程、基础预测模型以及信息融合预测等,创新地构建了一类金融信息融合与计算智能模型,面向金融 市场价格时间序列的每日走势预测。论文主要研究内容及成果可分为以下几个部分:首先,本文将特征提取过程的构建作为金融时间序列 预测计算智能模型建模的关键步骤,从金融时间序列的高噪声、混沌、非线性和非平稳性特征出发,充分考虑金融时间序列分析与预测的实时性需求,将基于滑动窗口技术的金融时间序列专门的经验模态分解(FtsEMD)和主成分分析(PCA)相结合,构建了一个适用于金融时间序 列的复杂的非线性特征提取过程。EMD是一种适用于处理非线性、非平稳时间序列的方法,而PCA是一种能够最大限度保留原始数据信息
含量的线性降维方法,二者的结合从整体上就相当于一个非线性的PCA,因此,由FtsEMD和PCA构成的非线性金融时间序列特征提取过程更具有特征提取的适应性、全面性和正交性。其次,本文将基础预测模型的优化改进作为金融时间序列预测计算智能模型建模的基本任务,构建了一种基于自适应仿射传播(adaptive affinity propagation,AAP)聚类的嵌套式k-最邻近元(nested k-nearest neighbor,NKNN)回归预测方法。该方法首先采用AAP对特征集进行聚类,再将输出的最优聚类结果输入NKNN进行回归预测。其中NKNN是本文针对KNN算法本身的两大缺陷:计算量过大和受不均衡样本影响而提出的嵌套式改进算法。NKNN算法由NKNN0、NKNN1和NKNN2三个函数组成,包含两层计算:第一层是在类中心集(聚类产生的最优方案中,各个类中心的集合)中进行计算,并找到与预测点前一时刻的点 X(t)最相似的类中心及所在类;第二层是在第一层找到的类中进行计算,并找到与X(t)最相似的k个最邻近元进行回归预测。这样的分层计算不仅可以提高聚类质量,还能够减少计算量,提高运算速度,从而能够更有效地对金融时间序列进行回归分析和预测。再次,本文在整个金融时间序列预测计算智能模型的建模过程中,分步骤地对特征提取过程和基础预测模型部分进行了优化改进,并构建了一系列包括PK(PCA-KNN)模型、FEPK(FtsEMD-PCA-KNN)模型、PANK(PCA-AAP-NKNN)模型和EPAK(FtsEMD-PCA-AAP-NKNN)模型的金融时间序列预测计算智能模型。其中最终构建的EPAK模型是计算智能的、而且具有创新性的整体结构,同时也具有特征提取的适应性、全面性和正交性,以AAP