CAPM模型在加密货币市场的适用性检验

为解决DCEP(央行数字货币)发行后可能遇到的风险,加密货币市场的系统风险和超额收益之间的关系,利用资产定价模型(CAPM)对加密货币市场的适用性进行检验,采用定义式和回归方程两种方法估计加密货币i的beta系数,对beta系数进行时间序列回归,横截面回归,发现参数估计不显著,得到CAPM模型不能很好的解释加密货币市场风险和收益之间的关系,适用性不强的结果.     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。     

一种厢式车后排座椅三点式安全带固定结构强度设计

安全带是汽车被动安全的重要保障措施,其固定点强度是评价汽车安全性的一项重要指标。本文介绍了某款厢式车侧围安全带的固定点加强结构设计,通过结构设计、模拟仿真分析和优化设计等,为同类型的结构设计提供参考。     

一种压缩空气与抽水蓄能耦合的新型储能系统及热力学分析

提出一种压缩空气与抽水蓄能耦合的新型储能系统，包括压缩空气部分(CAES)和抽水压缩空气部分(PHCA),可实现压力能的梯级利用，改善两部分的各自运行工况，具有较高的电-电转化效率，同时也为浅层废弃隧道及洞穴利用提供了新途径。针对该系统的结构特点，首先对系统进行了热力学分析，分析表明：新型系统的电-电转化效率为53.82%,能量转化效率为41.06%;PHCA部分具有较高的效率，CAES部分具有较高的容量和储能密度。随后，对能量运转较为复杂的CAES部分进行了分析，结果表明：CAES部分的主要输入能量来自于压缩机(76.05%),最大损失发生在高压储气空间的节流(23.33%)和蓄热器的蓄热(22.9%)过程。最后，对该系统进行了敏感性分析，结果表明：增加两储气空间的压力差和提升再热温度均可以提升系统的性能，而提升再热温度的收益最大，系统的电-电转化效率最高可达77%。     

老旧机动车淘汰更新及补贴政策的成本有效性分析——以北京市为例

以氮氧化物和PM_2.5削减量为减排效果评估指标, 以车辆残值成本、政策执行成本、燃油成本节约为社会成本指标, 借助单位减排产生的社会成本(社会成本/减排量比值), 对北京市2011年6月至2020年12月老旧机动车淘汰更新及补贴政策的实施效果进行成本有效性分析。结果表明, 研究覆盖期内, 该政策的成本有效性并非单调递减, 而是呈现阶段性和结构性特点: 在重点淘汰柴油货车时期, 政策成本有效性最佳, 在重点淘汰国III汽油车时期, 成本有效性较差, 两者氮氧化物及PM_2.5单位污染物减排成本分别相差14倍和34倍; 随着车型拓展到更高排放标准, 淘汰小型客车的成本有效性呈下降趋势, 国III和国IV排放标准的小型客车减排潜力已较为有限, 且成本有效性远低于政策早期; 淘汰重型货车的成本有效性较高, 且在部分时期存在社会成本的节约。建议后续相关政策的制定应基于成本有效性, 审慎地将排放标准更高的小型客车纳入该政策管制范围, 应更关注重型柴油货车加速淘汰的政策设计优化。     

基于XGBoost的房价预测优化（英文）

客观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和XGBoost是两种常用的方法.RF模型通过其Bagging过程，能够准确地评判“冗余”特征，而XGB模型在提高预测效果的同时，也囿于其泛化能力下降，无法稳定地反映特征重要性.因此，本文利用RF模型处理冗余数据，并使用XGB模型对新数据集进行拟合提高预测效果.本文在Kaggle竞赛的数据集（"House Prices-Advanced Regression Techniques"）上进行了实验，测试结果显示，XGB回归模型最终的回归精度R²为87%,而单独的RF模型或XGB模型的R²分别为79.2%和78.7%.实验证明，该数据预测方法能够明显提高房价预测效果.同时，为充分体现模...     

基于多阶段退化建模的谐波减速器实时可靠性评估与寿命预测

谐波减速器是工业机器人的关键核心部件,其可靠性的实时评估和剩余寿命预测对于提升工业机器人的工作性能和健康监管具有重要意义.作为一种复杂的高精度机械部件,其退化过程表现出明显的多阶段性特点.因此,针对谐波减速器的退化特性,提出基于Gamma过程的多阶段退化模型对谐波减速器性能退化过程进行精确描述.首先,根据谐波减速器退化趋势的变化,进行多阶段退化过程的划分;然后采用历史性能指标数据,基于最大皮尔逊相关系数准则估计模型先验分布的超参数,建立基于Gamma过程的多阶段退化模型.在此基础上,针对在役设备的实际运行特点和工程现场中性能指标数据获取困难的问题,提出采用振动特征来建立高斯过程回归模型,对性能指标值进行精准预测以实现对退化模型后验分布参数的实时更新.最后在此基础上对谐波减速器进行实时可靠性评估和剩余寿命预测.通过对谐波减速器可靠性实验数据的分析表明,所提出的方法能够实现可靠性的实时评估,并且与单一阶段退化模型相比,该方法对剩余寿命的预测精度更高.     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.