期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
通胀、通胀预期和货币政策——基于中国2001—2010年数据的实证研究
被引量：
8
1
作者
孙力军
朱洪
《华东经济管理》
CSSCI
2011年第6期32-34,共3页
文章用两种方法测度了我国通胀预期:(1)未来物价预期指数衡量通胀预期;(2)ARMA模型对通胀的预测值。并计量分析了影响通胀预期的因素,结果显示:CPI上升、正产出缺口增加和广义货币供应量增加,是形成通胀预期的主要因素。利率、人民币汇...
文章用两种方法测度了我国通胀预期:(1)未来物价预期指数衡量通胀预期;(2)ARMA模型对通胀的预测值。并计量分析了影响通胀预期的因素,结果显示:CPI上升、正产出缺口增加和广义货币供应量增加,是形成通胀预期的主要因素。利率、人民币汇率和食品价格对通胀预期的形成作用不显著和影响较小。因此,存款准备金率动态微调,是目前管理好通胀预期的最好选择。
展开更多
关键词
通胀
通胀预期
货币政策
货币数量
动态微调
在线阅读
下载PDF
职称材料
基于残差神经网络模型的高压气井水合物生成预测方法
2
作者
刘广胜
郑刚
+2 位作者
邓泽鲲
魏韦
刘新福
《西安石油大学学报（自然科学版）》
CAS
北大核心
2023年第6期33-38,99,共7页
综合天然气多组分混合比例、临界压力和温度等因素影响,构建跳过连接的卷积神经网络模型,提出利用残差神经网络(ResNet)预测高压气井多元体系天然气水合物生成的方法。井场试验结果表明,相较于传统全连接神经网络(FCNN)与小波神经网络(W...
综合天然气多组分混合比例、临界压力和温度等因素影响,构建跳过连接的卷积神经网络模型,提出利用残差神经网络(ResNet)预测高压气井多元体系天然气水合物生成的方法。井场试验结果表明,相较于传统全连接神经网络(FCNN)与小波神经网络(WNN),基于大数据集参数自动调优和动态微调残差神经网络模型的多元体系水合物生成预测效果较优且吻合程度较高,预测均方误差由WNN的0.006~3.417和FCNN的0.008~3.722降至ResNet的0.001~1.020,并可量化分析单组分体系以及二元和多组分体系水合物相平衡实际压力随温度动态变化关系。
展开更多
关键词
天然气水合物
预测方法
残差神经网络
相平衡
参数
动态微调
高压气井
在线阅读
下载PDF
职称材料
基于改进和声搜索算法的多目标硫化车间调度
被引量：
3
3
作者
王艳
吴龙成
+1 位作者
纪志成
严大虎
《系统仿真学报》
CAS
CSCD
北大核心
2018年第1期139-146,共8页
硫化工序作为轮胎生产中的关键环节,其调度计划制定好坏直接影响整个轮胎生产流程的效率。设计了一种基于硫化顺序—硫化数量的离散编码方式,并在此基础上提出改进的和声搜索算法(IHS)求解以最小完工时间、最小换模费用和最小机器空闲...
硫化工序作为轮胎生产中的关键环节,其调度计划制定好坏直接影响整个轮胎生产流程的效率。设计了一种基于硫化顺序—硫化数量的离散编码方式,并在此基础上提出改进的和声搜索算法(IHS)求解以最小完工时间、最小换模费用和最小机器空闲率为优化目标的硫化车间调度问题。算法根据记忆库取值概率和音调微调概率分别对轮胎硫化顺序和硫化数量进行离散过程操作,定义动态微调值对加工数量进行微调扰动。实验结果表明该算法比基本和声搜索算法和粒子群算法具有更高的收敛精度。
展开更多
关键词
和声搜索算法
硫化车间
多目标
动态微调
切换时间
换模费用
在线阅读
下载PDF
职称材料
题名
通胀、通胀预期和货币政策——基于中国2001—2010年数据的实证研究
被引量：
8
1
作者
孙力军
朱洪
机构
上海立信会计学院金融学院
德勤华永会计师事务所有限公司
出处
《华东经济管理》
CSSCI
2011年第6期32-34,共3页
基金
上海市教委重点学科建设项目(J51703)
文摘
文章用两种方法测度了我国通胀预期:(1)未来物价预期指数衡量通胀预期;(2)ARMA模型对通胀的预测值。并计量分析了影响通胀预期的因素,结果显示:CPI上升、正产出缺口增加和广义货币供应量增加,是形成通胀预期的主要因素。利率、人民币汇率和食品价格对通胀预期的形成作用不显著和影响较小。因此,存款准备金率动态微调,是目前管理好通胀预期的最好选择。
关键词
通胀
通胀预期
货币政策
货币数量
动态微调
Keywords
inflation
inflation expectations
monetary policy
money amount dynamic fine-tuning
分类号
F015 [经济管理—政治经济学]
在线阅读
下载PDF
职称材料
题名
基于残差神经网络模型的高压气井水合物生成预测方法
2
作者
刘广胜
郑刚
邓泽鲲
魏韦
刘新福
机构
长庆油田分公司油气工艺研究院
低渗透油气田勘探开发国家工程实验室
青岛理工大学机械与汽车工程学院
出处
《西安石油大学学报（自然科学版）》
CAS
北大核心
2023年第6期33-38,99,共7页
基金
国家自然科学基金面上项目“深层大斜度井段多因素耦合排采泵动态特性及气-水-粉多相流态运移机制”(52074161)
山东省自然科学基金面上项目“深水管道水合物多相多组分液塞耗散机理与流动安全机制”(ZR2022ME173)
+1 种基金
山东省高等学校青创人才引育计划“海洋工程可燃冰高效分离装备技术团队”(2021-青创-30613019)
泰山学者工程专项“深水可燃冰多场多相管式多级分离与流动保障机制”(tsqn202211177)。
文摘
综合天然气多组分混合比例、临界压力和温度等因素影响,构建跳过连接的卷积神经网络模型,提出利用残差神经网络(ResNet)预测高压气井多元体系天然气水合物生成的方法。井场试验结果表明,相较于传统全连接神经网络(FCNN)与小波神经网络(WNN),基于大数据集参数自动调优和动态微调残差神经网络模型的多元体系水合物生成预测效果较优且吻合程度较高,预测均方误差由WNN的0.006~3.417和FCNN的0.008~3.722降至ResNet的0.001~1.020,并可量化分析单组分体系以及二元和多组分体系水合物相平衡实际压力随温度动态变化关系。
关键词
天然气水合物
预测方法
残差神经网络
相平衡
参数
动态微调
高压气井
Keywords
natural gas hydrate
prediction method
ResNet
phase equilibrium
dynamic fine-tuning of network parameters
high-pressure gas well
分类号
TE311 [石油与天然气工程—油气田开发工程]
在线阅读
下载PDF
职称材料
题名
基于改进和声搜索算法的多目标硫化车间调度
被引量：
3
3
作者
王艳
吴龙成
纪志成
严大虎
机构
江南大学物联网技术应用教育部工程研究中心
出处
《系统仿真学报》
CAS
CSCD
北大核心
2018年第1期139-146,共8页
基金
国家自然科学基金(61572238)
江苏省杰出青年基金(BK20160001)
江苏省产学研联合创新资金-前瞻性联合研究项目(BY2016022-24)
文摘
硫化工序作为轮胎生产中的关键环节,其调度计划制定好坏直接影响整个轮胎生产流程的效率。设计了一种基于硫化顺序—硫化数量的离散编码方式,并在此基础上提出改进的和声搜索算法(IHS)求解以最小完工时间、最小换模费用和最小机器空闲率为优化目标的硫化车间调度问题。算法根据记忆库取值概率和音调微调概率分别对轮胎硫化顺序和硫化数量进行离散过程操作,定义动态微调值对加工数量进行微调扰动。实验结果表明该算法比基本和声搜索算法和粒子群算法具有更高的收敛精度。
关键词
和声搜索算法
硫化车间
多目标
动态微调
切换时间
换模费用
Keywords
harmony search algorithm
vulcanization workshop
multi-objective
dynamic fine-tuning
switch time
die-changing cost
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
通胀、通胀预期和货币政策——基于中国2001—2010年数据的实证研究
孙力军
朱洪
《华东经济管理》
CSSCI
2011
8
在线阅读
下载PDF
职称材料
2
基于残差神经网络模型的高压气井水合物生成预测方法
刘广胜
郑刚
邓泽鲲
魏韦
刘新福
《西安石油大学学报（自然科学版）》
CAS
北大核心
2023
0
在线阅读
下载PDF
职称材料
3
基于改进和声搜索算法的多目标硫化车间调度
王艳
吴龙成
纪志成
严大虎
《系统仿真学报》
CAS
CSCD
北大核心
2018
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
