利率市场化改革对海洋航运业发展的影响研究          下载免费PDF全文

戴炜  王颖 《海洋开发与管理》2017,34(11):42-47

利率市场化改革是我国正在进行的改革之一。中国的商业银行可以借此提高自身的竞争力,以此来应对新经济常态下可能的各种挑战。发展海洋经济是我国最新的国家战略,也是中国新的经济增长点。推动海洋经济向高层次发展,优化海洋经济结构,离不开来自金融层面的支持。而利率市场化改革将促进银行业之间的相互竞争,使商业银行的资金进入相对高风险、高收益的海洋经济中。文章以海洋经济中的大头——海洋航运为例,分析了利率市场化改革对海洋航运业发展的影响,阐述了利率市场化对推动海洋航运发展的重要意义,在此基础上从金融支持的角度对发展海洋航运业提出了加大金融政策倾斜力度,加强金融机构人才队伍建设和金融机构业务能力建设,加强资本市场建设、拓宽融资渠道、促进投资多元化和利用科技手段加强信息收集与共享等政策建议。  相似文献   

基于粗糙集——支持向量机的震害预测模型及应用     

刘勇健  刘义建  张伯友 《地震研究》2008,31(3)

结合粗糙集理论的属性约简与支持向量机的分类功能,建立了基于粗糙集与支持向量机的建筑物震害预测模型.该模型首先运用粗糙集理论,建立决策表,进行属性离散、属性重要性排序、属性约简和分类规则的提取,然后用所提取的关键成分训练支持向量机.该模型不但能有效降低建筑物震害影响因子数据维数及支持向量机的复杂程度,提高训练速度和分类精度,而且还能对各因子的影响程度进行排序.最后,通过实例验证了该模型的性能.  相似文献   

基于支持向量机的地震序列分类     

武安绪  蒋长胜  王琳瑛  李平安  林向东  卢亚军  穆哙泳 《东北地震研究》2008,24(1):50-60

介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法——支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法,建立了地震序列分类模型。通过试算和分析比较得到了地震序列最佳分类模型,最佳模型的分类结果与实际地震序列分类基本一致。综合分析认为支持向量机算法无论在学习或者预测精度方面都具有很大的优越性,其获得的地震序列分类知识库可以较为准确地实现地震序列类型的分类,因此基于支持向量机理论建立的地震序列分类模型应该是可行的。  相似文献   

支持向量机在地震与爆破识别中的应用     

王军 《地震地磁观测与研究》2018,39(3):181-188

为研究天然地震事件和爆破事件识别算法,对上海测震台网记录的上海周边区域天然构造地震和爆破事件记录进行小波包分解,并提取特征向量,提出用支持向量机（SVM）识别天然构造地震和人工爆破的算法。结果表明,基于SVM算法的向量识别分类方法,在天然地震和爆破识别中是可用的,准确率预计达85%以上。  相似文献   

基于PCA-PSO-SVM的地震死亡人数预测模型研究     

刘立申  王晨晖  王利兵  陈凯男  吴鹤帅 《地震地磁观测与研究》2019,40(5):41-47

为准确预测地震死亡人数,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对地震死亡人数7个影响因子中的6个进行数据降维,同时对第7个发震时刻因子单独进行区间分类,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为支持向量机的输入向量,通过粒子群算法寻优获得最优支持向量机模型参数,最终建立基于PCA-PSO-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测,同时对比分析包含和不包含发震时刻因子的2种情况下的模型预测效果。结果表明:在不考虑发震时刻因子的情况下,使用PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.85%、20%、10%,其平均误差相比PSO-SVM、SVM模型分别降低2.08%、2.28%;输入向量加入发震时刻因子分类数据后,PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.25%、20%、7.18%,其平均误差相比PSO-SVM、SVM模型分别降低3.34%、3.50%。因此,加入发震时刻因子后3种模型的平均误差明显降低,同时由于PCA-PSO-SVM模型进行主成分降维处理,能够明显提高运行效率和预测精度,故降低了模型复杂度。  相似文献   

主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用     

王晨晖  刘立申  任佳  袁颖  王利兵  陈凯男 《地震》2020,40(3):142-152

为有效解决地震伤亡人数预测所需影响因子多、 运算量大、 模型训练烦琐等问题, 构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型, 采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分, 将贡献率较大的主成分作为支持向量机的输入变量, 以地震伤亡人数作为输出变量, 利用GA对SVM模型性能参数进行优化, 建立基于PCA-GA-SVM的地震伤亡人数预测模型, 并对测试样本进行预测, 结果表明: 与SVM模型、 GA-SVM模型和PCA-GA-BP模型相比, PCA-GA-SVM模型的预测准确率和运行效率分别提高 4.73%、 1.14%、 9.99% 和47.05%、 36.76%、 44.55%。结果显示, PCA-GA-SVM模型预测精度高, 泛化能力强, 能够科学合理地对地震伤亡人数作出预测。  相似文献   

基于PSO-SVM的城市桥梁群体震害预测模型研究     

王二涛  高惠瑛  孙海  王俊杰 《震灾防御技术》2017,12(1):185-193

本文根据城市桥梁群体的实际震害资料数据,采用粒子群算法（PSO）来优化支持向量机（SVM）参数,选择影响桥梁震害等级的8个因素作为特征输入向量,充分用2种算法的优点建立PSO-SVM的桥梁震害预测模型。通过比较PSO-SVM和SVM模型对桥梁震害的预测能力,发现PSO-SVM模型具有较高预测精度和较高的推广价值。本文的研究成果对桥梁震害等级的预测具有一定的参考价值和指导意义。  相似文献   

融合多层感知机和优化支持向量回归的滑坡位移预测模型     

李达  瞿伟  张勤  李久元  凌晴 《武汉大学学报(信息科学版)》2023,(8):1380-1388

滑坡位移高精度预测对于滑坡预测预警具有重要的参考价值。顾及智能优化与机器学习组合模型在滑坡时序位移预测中的优势,构建了一种融合多层感知机和优化支持向量回归的滑坡位移组合预测模型。首先采用多层感知机（multilayer perceptron, MLP）对滑坡位移进行初步预测,然后构建基于差分进化（differential evolution,DE）算法改进的人工鱼群算法（artificial fish swarm algorithm, AFSA）与支持向量回归（support vector regression, SVR）组合预测模型（optimal combination SVR, OPSVR）以修正MLP预测结果。通过两起典型滑坡体北斗实测算例发现,由于DE有效克服了AFSA运行后期人工鱼个体大多处于随机运动状态而无法搜索到全局最优解的问题,提高了其寻优性能,进一步与SVR结合可更合理确定出SVR的超参数,从而提高了其预测精度;相较于单一MLP和SVR预测模型,以及常规智能优化算法（遗传算法、粒子群算法）、改进人工鱼群算法与SVR的组合预测模型,MLP-OPSVR组合预测模型具有更...  相似文献   

遥感图像分割的低维纹理特征算子与双变异蝴蝶优化算法          下载免费PDF全文

高鹏  李佳田  杨汝春  张泽龙  杨超  张兴忆 《武汉大学学报(信息科学版)》2023,48(1):165-174

针对光学遥感影像受天气影响导致部分地物间形成弱边缘问题,提出一种低维纹理特征算子与双变异蝴蝶优化算法。首先提出一种适用于遥感影像的低维完备局部三值模式的纹理特征提取算子,并将其引入简单线性迭代聚类算法,对遥感影像进行初始分割,减小了噪音影响,同时增强算法对弱边缘的敏感度和分割准确性;然后采用双变异蝴蝶优化的支持向量机合并同质超像素块,以简单线性迭代聚类算法和低维纹理特征算子得到的综合特征作为输入,得到最终分割图像。利用2组高分辨率遥感影像进行分割实验,并与当下流行的卷积神经网络进行对比,实验结果表明,所提算法相较于传统算法对弱边缘有更好的分割效果,数据一的边界回归率(boundary recall,BR)值较对比算法平均提高了1.9%,Kappa系数平均提高了0.036;数据二的BR值较对比算法平均提高了2.33%,Kappa系数平均提高了0.027。对比实验证明了所提算法相较于卷积神经网络有更好的泛化性。  相似文献   

基于SVR的定向井随钻电磁波测井层厚影响快速计算     

胡向阳  秦敏  张恒荣  杨冬  袁伟 《吉林大学学报(地球科学版)》2023,53(2):589-597

大斜度井和水平井的快速发展使得仪器测量环境变得更加复杂,其测井解释、地层评价方法和模型与直井有很大的区别。本文通过建立三维层状介质模型,利用三维有限元方法得到大斜度井和水平井随钻电磁波测井响应,分析了三维地层模型下井斜角、层厚和围岩对随钻电磁波测井响应的影响。研究结果表明：当地层厚度小于等于3 m时,随钻电磁波测井响应易受围岩和层厚影响;当层厚大于3 m时,随钻电磁波测井响应基本不受围岩和层厚影响;且直井、大斜度井和水平井中随钻电磁波测井响应存在明显差异,井斜角越大,仪器受层厚及围岩的影响越大。因此建立了不同井斜角条件下随钻电磁波测井围岩校正图版,并据此研究随钻电磁波测井层厚影响快速计算方法。本文利用支持向量回归(SVR)的机器学习算法进行建模,并用十折交叉验证法对算法进行迭代优化,使模型达到最优,最终计算得到的测井响应与基于三维有限元数值方法的计算结果具有很好的相关性,平均相对误差只有0.62%,说明该方法可以用于大斜度井和水平井随钻电磁波测井响应的快速实时计算。  相似文献