公共文化服务平台

蒋锋: 作品数：15 被引量：78H指数：5; 供职机构：中南财经政法大学统计与数学学院更多>>; 发文基金：国家自然科学基金湖北省教育厅人文社会科学研究项目湖北省社会科学基金更多>>; 相关领域：经济管理理学社会学环境科学与工程更多>>

合作作者

极限思想中认知层次探析被引量：1: 2013年; 数学思想的形成不是一蹴而就的,是有阶段性的。在教学中只有根据学生各个年龄阶段的认知结构把数学思想逐步渗透,进而形成新的认知结构。本文就此思路对极限思想进行探究其认知层次,以便教师在各阶段的教学中把握极限思想的渗透层次。; 蒋锋蒋永红

基于分解–优化–集成学习方法的电价预测被引量：15: 2018年; 随着新一轮电力市场改革的持续推进,电价作为反映市场运营状况的重要指标,准确预测电价能够帮助电力市场博弈方进行风险规避,达到经济收益最大化.本文提出了一种新的基于分解–优化–集成(decomposition-optimization-ensemble, DOE)的混合学习模型来预测电价,首先利用快速集成经验模态分解方法将波动性较大的电价数据分解成一系列本征模态函数和一个残差序列.然后对鲸鱼算法从收敛速度、精度和算法搜索能力3个方面进行改进,再利用改进的鲸鱼算法优化径向基神经网络的扩展系数,采用优化后的径向基神经网络模型对分解得到的本征模态函数和残差序列进行预测.最后对分解后的子序列预测值进行集成,得到电价的预测值.为了验证混合学习模型的预测效果,本文对美国宾夕法尼亚–新泽西–马里兰电力市场的电价进行中长期和短期预测.实证结果显示DOE混合学习模型在水平精度和方向精度上均能获得很好的效果.; 蒋锋何佳琪曾志刚田天海; 关键词：电价预测径向基神经网络

基于MOEA/D多目标优化选择的预测学习框架被引量：1: 2021年; 为提高大豆期货价格预测模型精度和泛化能力,文章提出一种基于MOEA/D多目标优化选择的预测学习框架。首先,利用完全集合经验模态分解(CEEMD)将序列分解为高频、低频和趋势序列;然后,使用差分自回归移动平均(ARIMA)、BP神经网络(BP)、回归决策树(CART)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)分别预测各序列;再使用MOEA/D算法对各个模型进行多目标优化选择,并对各序列进行集成处理,得到预测结果。为验证预测学习框架的优越性,以芝加哥期货交易所大豆期货每分钟数据作为实证数据,并与10个基准模型进行对比。结果表明:所提出的预测学习框架具有更好的优越性,在精度、泛化能力和稳健性上均具有很好的效果。; 蒋锋杨嘉伟; 关键词：多目标优化

基于图神经网络的长江流域经济带PM_(2.5)浓度预测被引量：1: 2023年; 文章基于长江流域经济带沿线99个城市的PM_(2.5)浓度监测数据,采用转移熵构建出了长江流域经济带大气污染空间交互影响网络,并从整体和局部2个角度分析了长江流域经济带污染物传导方向和传导强度。为了充分利用城市大气污染的空间关联信息,文章使用大气污染空间交互影响网络改进了T-GCN图卷积神经网络,并构建了基于T-GCN_(TE)的预测模型,对长江流域经济带99个城市的污染物浓度进行预测。研究发现长江流域经济带各个城市的大气污染表现出很强的紧密性,整体网络的信息传递以地区间的信息传递为主。另外,T-GCN_(TE)能够捕捉到大气污染的时空依赖性和影响方向,能获得更好的效果。基于上述研究结论,文章从建立大气污染多方联防联控机制、加强产业合作、完善生态补偿机制等方面对深入开展长江流域经济带大气污染协同治理提供了建议。; 蒋锋韩兴钰王辉; 关键词：网络分析长江流域经济带

指数谱负Lévy过程下的清算风险: 2022年; 在经典破产研究中,许多研究者将盈余过程首次低于某一阈值(通常设置为0)定义为破产事件,这一处理方法简化了研究工作,却忽略了破产事件在现实中的复杂性.Li X,Liu H B,Tang Q H,Zhu J X.Liquidation risk in insurance under contemporary regulatory frameworks.Insurance:Mathematics and Economics,2020,93:36-49采用时齐扩散过程建模保险公司的盈余水平,在考虑破产重整的情况下对保险公司的清算风险进行了概率分析.然而,由于保险公司经营的特殊性,其理赔过程通常是不连续的,需要用带有跳的过程来建模保险公司的盈余过程,另一方面,定义清算事件的三个边界都是正的.考虑到这些因素,本文在指数谱负Lévy过程下对清算风险进行了概率分析.本文通过引入一个辅助盈余过程,将风险模型转化为谱负Levy过程,利用盈余过程的分段强马尔科夫性和谱负Levy过程的波动理论,将清算概率和清算时间的拉普拉斯变换的表达式以scale函数的形式半显示表示.本文最后包含了关于Pareto分布索赔下的数值结果,这在保险研究领域是非常重要的.; 李鑫蒋锋; 关键词：PARETO分布

基于样本熵和优化极限学习机的PM_(2.5)浓度预测被引量：10: 2021年; PM2.5作为评估空气质量的重要指标,准确预测PM2.5浓度对大气污染的监测和控制有重要意义。文章提出了一种基于样本熵(sample entropy,SE)和改进的探路者算法(improved pathfinder algorithm,IPFA)优化极限学习机的集成学习方法。首先利用变分模态分解(variational mode decomposition,VMD)算法将原始PM2.5浓度序列分解为不同频率的有限带宽本征模态函数(bandlimited intrinsic mode function,BIMF),并引入样本熵对相似的BIMF进行重构。然后改进探路者算法(pathfinder algorithm,PFA),在成员位置更新过程中融入交叉、变异和贪婪选择策略,提升PFA算法的全局搜索能力,再采用改进的探路者算法(IPFA)优化极限学习机(extreme learning machine,ELM),最后利用IPFA优化的极限学习机对每个重构子序列进行预测和集成。为了检验VMD-SE-IELM模型的有效性,以武汉市PM2.5浓度数据为研究对象进行了逐时预测,实证结果表明,提出的集成学习模型的预测精度和稳健性均显著优于其他基准模型。; 蒋锋乔雅倩; 关键词：PM2.5浓度极限学习机

夏季干旱对大气污染物的影响与驱动因素: 2024年; 利用2022年1月~8月中国300个地级市大气污染物(PM_(2.5),PM_(10),NO_(2)和SO_(2))小时浓度数据及同期气象数据,研究夏季干旱对大气污染物的影响及其驱动因素.研究结果显示:干旱期间和正常期间长株潭城市群PM_(2.5),PM_(10),NO_(2)和SO_(2)浓度累积分布存在显著差异,且3个城市间同类污染物浓度的累积分布模式具有明显一致性.夏季干旱事件对PM_(2.5),PM_(10),NO_(2)和SO_(2)污染具有一定的抑制作用,其NO_(2)分别累积降低45.27μg/m^(3)(长沙),48.53μg/m^(3)(株洲)和13.40μg/m^(3)(湘潭);PM_(10)累积降低了56.30μg/m^(3)(长沙),55.68μg/m^(3)(株洲)和23.73μg/m^(3)(湘潭);PM_(2.5)分别累积降低了36.54μg/m^(3)(长沙),24.48μg/m^(3)(株洲)和37.52μg/m^(3)(湘潭);SO_(2)分别累积降低了2.19μg/m^(3)(长沙),18.51μg/m^(3)(株洲)和4.35μg/m^(3)(湘潭).干旱通过气温,气压,风速和相对湿度4个驱动因素来降低PM_(2.5),PM_(10),NO_(2)和SO_(2)浓度.; 蒋锋吴波; 关键词：干旱事件

多元零浮动负二项分布模型在美国老龄化研究中的应用: 2020年; 随着时代的进步和科技的发展,人口老龄化已成为世界范围内许多发达国家以及发展中国家不得不面对的人口问题,人口老龄化对经济发展、资源分配以及社会结构的稳定带来重要影响。本文利用随机表示提出一个新的多元零浮动负二项分布模型来研究美国一项关于健康与养老的调查数据中受访者在连续若干次随访中记录下的住院天数,并构造简单快速的EM-GD算法来对影响住院天数的因素进行分析。实证分析结果表明本文所提出的多元零浮动负二项分布模型在刻画带有零浮动的多元离散计数数据方面有着出色的表现。; 刘寅张弛蒋锋

穿梭书海勤为舟,苦中有乐心亦欢: 2018年; 约翰霍普金斯大学的创始人曾分享过这样一句话：＂最重要的就是不要去看远方模糊的风景,而是做手边清楚的事＂。研究生阶段是学术生涯的重要转折点,在整个求学过程中起到了承上启下的重要作用。研究生阶段延续了本科对于学问的探索与求真,使我们迈向了一个更加细致而严谨的专业平台。诚然,如何高质量地度过研究生阶段的学习与生活,出色地完成从本科生到研究生的角色转变,是一个见仁见智的问题。我想就以下几个方面和大家分享一下我的看法与建议,希望可以使大家的研究生生活能够过得充实且精彩。; 蒋锋; 关键词：用户名学术讲座

基于多目标优化集成学习的短期太阳辐射预测被引量：1: 2021年; 准确预测太阳辐射对于高效利用光伏能源具有重要意义,为提高太阳辐射预测精度,提出一种新的基于水平精度和方向精度的多目标优化集成学习框架.首先,利用奇异谱分析(Singular Spectrum Analysis,SSA)方法将太阳辐射数据分解成一系列信号组;然后,运用带精英策略的非支配排序遗传算法(NondominatedSortingGeneticAlgorithm,NSGAII)优化的最小二乘支持向量机(LeastSquaresSupportVector Machine,LSSVM)对每个分量信号进行预测;接着,用聚类方法将各分量信号进行样本聚类;最后,运用NSGAII-LSSVM方法分别对样本结果进行集成得到预测结果.以意大利2017年太阳辐射数据作为仿真数据,将该模型与LSSVM、单目标优化的集成学习模型等8个基准模型进行对比.研究结果表明,所提出的多目标优化集成学习框架具有更好的优越性,在方向精度、水平精度和稳健性上均具有很好的效果.; 蒋锋杨嘉伟; 关键词：多目标优化太阳辐射最小二乘支持向量机聚类

蒋锋

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

蒋锋

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈