中国农村低收入家庭的规模测度和增收路径研究
这是一篇关于农村低收入家庭,界定标准,核密度估计,规模测度,向量自回归模型的论文, 主要内容为2020年底,脱贫攻坚工作已如期完成,中国绝对贫困历史性的消失,然而这并不代表着反贫困任务的完成,而是代表反贫困任务向更高质量,更高标准的要求去发展。在此背景下,将低收入人口转化为中等收入人口成为新的挑战与困难。随着中国经济平稳发展,居民收入水平得到显著提高,但农村地区低收入家庭的收入增长缓慢,很难满足日常生活需要。尤其是其中的建档立卡贫困户和边缘贫困户,收入仍旧处于很低的水平,在自然灾害、疫情等外部因素影响之下,很可能会出现收入骤减或者是支出骤增的情况,从而难以满足日常生活开销,进而变成新的低收入家庭,严重阻碍了中国实现共同富裕。此外,中国低收入家庭主要存在于农村,本文对农村低收入家庭进行规模测度是合理对其建立帮扶和增收措施的基础和前提,具有重要的意义。本文借鉴已有对低收入家庭界定标准和规模测度的研究,分析低收入家庭形成原因,运用CFPS数据库的相关问题对其进行汇总,计算农村家庭纯收入,并以低保为口径,对样本农户进行农村低收入家庭的识别,并将样本按省域分类,运用核密度估计法研究五个单维度指数和一个多维度指数的分布情况,根据实证结果,尝试提出低收入家庭增收的对策和建议。具体的研究思路为基于中国农村低收入家庭发展现状,参考国内低收入家庭认定标准的实践经验,借鉴和比较已有文献中界定低收入家庭标准,发现以居民家庭年人均纯收入作为界定农村低收入家庭的指标,对于反映农村地区收入差异的情况更佳,本文按照财政部所规定的低收入家庭概念,即“指家庭人均收入高于当地城乡低保标准,但低于低保标准1.5倍,且财产符合当地相关规定的低保边缘家庭”,基于此方案,采用核密度估计拟合农村居民家庭人均年收入分布曲线,再测算各省农村地区2018年的低收入家庭规模比重以及对各省进行比较分析。所得结果可以为中国各个省农村地区的决策和治理提供依据,更好的完善农村低收入人口识别机制,为对农村低收入家庭进行帮扶奠定基础。在对家庭人均纯收入所依据的标准进行测度后,再针对性的选取影响农村家庭的家庭人均纯收入最主要的影响因素,包括农村家庭人均纯工资性收入,农村家庭人均纯经营纯收入,农村家庭恩格尔系数,农村家庭人均转移性纯收入,农村家庭人均财产性纯收入,农村家庭人均生活消费总支出共六个变量。利用向量自回归模型分析各个影响因素对农村低收入家庭的家庭人均纯收入的影响程度,从而进一步针对性的分析在哪方面提高农村低收入家庭的家庭人均纯收入更快更好。根据实证分析结果即农村家庭人均纯收入的贡献率。农村家庭人均纯工资性收入(Ln X1)>农村家庭恩格尔系数(Ln X5)>农村家庭人均生活消费总支出(Ln X6)>而农村家庭人均转移性纯收入(Ln X3)>农村家庭人均财产性纯收入(Ln X4)>农村家庭人均纯经营纯收入(Ln X2),提出几点建议:1.组织农村宣讲,破除小农意识。2.关注农村教育,提高文化水平。3.建立健全的社会保障制度。4.建立农村产业体系,提高农民的经营性收入。5.稳定低收入家庭的就业,提高低收入家庭的工资性收入。6.农村改革,提高低收入家庭的财产性收入和转移性收入。
基于混合轨迹相似度的个性化位置推荐算法研究与实现
这是一篇关于位置社交网络,个性化位置推荐,混合轨迹相似度,核密度估计的论文, 主要内容为位置社交网络(Location-Based Social Network,LBSN)是指利用用户的签到信息,将线上社交网络和线下物理世界相结合,提供给用户一个融合虚拟世界和物理世界的全新平台,将虚拟世界信息在真实世界服务中分享与推荐。位置推荐系统通过挖掘用户习惯偏好、社交关系及位置地理信息,帮助用户发现感兴趣的位置,节省了时间与精力,还为位置提供商吸引更多用户群体。位置推荐系统广泛应用于各种app服务,如地图出行及旅行推荐等。但位置推荐系统仍面临诸多问题,例如,缺乏在海量数据中精确快速提供个性化推荐服务的能力,难以面对数据稀疏性问题及推荐位置不合理不可达等。这些问题对位置推荐系统的发展及推广产生了限制。因此本文拟针对上述问题,通过综合考虑用户的兴趣偏好、移动特征、地理影响及访问行为等特征,建立用户个性化兴趣偏好模型及个性化地理分布模型,提出基于混合轨迹相似度的个性化位置推荐算法,主要研究内容如下:(1)由于原始轨迹数据密集且庞大,本文将原始轨迹数据提取为停留点及位置,减少数据量并保留用户的位置信息。基于词频统计思想感知位置语义,得到地理空间及语义空间中的两种轨迹,解决了海量数据时计算复杂耗时的问题。(2)为满足用户个性化需求,基于超链接诱导搜索算法的思想建立用户个性化兴趣偏好模型。针对数据稀疏性问题,考虑轨迹的语义距离、地理距离、时间信息、语义熟悉度及位置流行度,提出了基于用户个性化兴趣偏好模型的混合轨迹相似度评估方案,从相似移动特性的好友数据中评估并挖掘位置。(3)在实际推荐的过程中,存在推荐位置距离过远而产生的不合理推荐问题,本文将地理因素对用户访问行为的影响建模为个性化距离分布影响,基于核密度估计建立用户个性化地理分布模型,模拟用户对不同距离推荐位置的访问行为。(4)联系混合轨迹相似度评估方案及用户个性化地理分布模型,模拟用户访问行为及移动特征,计算用户访问备选推荐位置的概率,经排序后向用户推送最终的位置推荐结果。综上所述,本文构建用户个性化兴趣偏好模型,满足了用户的个性化需求;根据混合轨迹相似度评估用户的相似好友,解决了数据稀疏性问题;建立个性化地理分布模型,确保推荐位置合理可达。经实验证明,本文提出的个性化位置推荐方案,在海量数据及数据稀疏性的场景中均具备更好的推荐性能。本文研究成果将对社交网络和推荐系统的智能化发展和广泛应用提供理论指导和技术支持。
基于混合轨迹相似度的个性化位置推荐算法研究与实现
这是一篇关于位置社交网络,个性化位置推荐,混合轨迹相似度,核密度估计的论文, 主要内容为位置社交网络(Location-Based Social Network,LBSN)是指利用用户的签到信息,将线上社交网络和线下物理世界相结合,提供给用户一个融合虚拟世界和物理世界的全新平台,将虚拟世界信息在真实世界服务中分享与推荐。位置推荐系统通过挖掘用户习惯偏好、社交关系及位置地理信息,帮助用户发现感兴趣的位置,节省了时间与精力,还为位置提供商吸引更多用户群体。位置推荐系统广泛应用于各种app服务,如地图出行及旅行推荐等。但位置推荐系统仍面临诸多问题,例如,缺乏在海量数据中精确快速提供个性化推荐服务的能力,难以面对数据稀疏性问题及推荐位置不合理不可达等。这些问题对位置推荐系统的发展及推广产生了限制。因此本文拟针对上述问题,通过综合考虑用户的兴趣偏好、移动特征、地理影响及访问行为等特征,建立用户个性化兴趣偏好模型及个性化地理分布模型,提出基于混合轨迹相似度的个性化位置推荐算法,主要研究内容如下:(1)由于原始轨迹数据密集且庞大,本文将原始轨迹数据提取为停留点及位置,减少数据量并保留用户的位置信息。基于词频统计思想感知位置语义,得到地理空间及语义空间中的两种轨迹,解决了海量数据时计算复杂耗时的问题。(2)为满足用户个性化需求,基于超链接诱导搜索算法的思想建立用户个性化兴趣偏好模型。针对数据稀疏性问题,考虑轨迹的语义距离、地理距离、时间信息、语义熟悉度及位置流行度,提出了基于用户个性化兴趣偏好模型的混合轨迹相似度评估方案,从相似移动特性的好友数据中评估并挖掘位置。(3)在实际推荐的过程中,存在推荐位置距离过远而产生的不合理推荐问题,本文将地理因素对用户访问行为的影响建模为个性化距离分布影响,基于核密度估计建立用户个性化地理分布模型,模拟用户对不同距离推荐位置的访问行为。(4)联系混合轨迹相似度评估方案及用户个性化地理分布模型,模拟用户访问行为及移动特征,计算用户访问备选推荐位置的概率,经排序后向用户推送最终的位置推荐结果。综上所述,本文构建用户个性化兴趣偏好模型,满足了用户的个性化需求;根据混合轨迹相似度评估用户的相似好友,解决了数据稀疏性问题;建立个性化地理分布模型,确保推荐位置合理可达。经实验证明,本文提出的个性化位置推荐方案,在海量数据及数据稀疏性的场景中均具备更好的推荐性能。本文研究成果将对社交网络和推荐系统的智能化发展和广泛应用提供理论指导和技术支持。
基于海量数据和商圈兴趣点模型的商品推荐研究
这是一篇关于海量数据,商圈兴趣点模型,局部聚类,核密度估计,DBSCAN改进算法,商品推荐的论文, 主要内容为“互联网+”的环境下,市场竞争愈加激烈,零售户的营销活动逐渐向消费终端延伸,终端零售户已经成为企业与消费者之间一个非常重要的中间点,直接关系到企业发展。同时,面对全国800万零售户产生的海量数据,如何挖掘潜在价值成为企业实现精准营销的关键。本文针对企业终端零售户数量庞大、分布广泛杂乱,难以直接从零售数据上挖掘出潜在兴趣并进行准确推荐等问题,研究了基于位置的推荐算法,最终引入针对消费能力和区域经济发展状况更具代表性的商圈作为分析单元,提出基于商圈的商品推荐算法。该方法能在一定程度上缓解冷启动问题,通过转变为以商圈为基础的市场推荐和投放模式,加强企业对市场环境变化的预判与掌控。论文的研究工作主要分为以下几个点:1)海量数据的采集与处理。通过终端采集、市场走访和系统填报等方式完成企业海量数据的采集,利用网络爬虫技术获取美团网中的商圈中心点数据和百度地图api中的POI兴趣点数据。针对海量数据问题,引入Spark分布式处理框架进行加工处理,完成数据的清洗、集成与转换,实现商圈兴趣点数据的预处理以及企业多源数据的整合。2)商圈兴趣点模型的建立。针对现有商圈测评模型中区域边界划分不稳定和地图api中商圈数据不完整的问题,结合目前较为流行的区域边界识别方法,以商圈中心点为圆心,以辐射距离为半径,对POI数据进行预分区得到初始商圈。然后利用所提出的基于分区的DBSCAN改进算法完成初始商圈内噪声点的剔除,以初始商圈为单位采用核密度估计方法确定Eps和MinPts参数值,通过POI数据的局部聚类,划定商圈区域范围,最终建立商圈兴趣点模型。3)基于商圈流行度的商品推荐算法。针对大数据环境下行业推荐精度不够、冷启动等问题,提出基于商圈兴趣点模型的商品推荐。通过分析零售户订单数据的特点,利用商圈兴趣点模型划分零售户数据到各个商圈内,实现点数据到面数据的转换。同时,考虑到消费者对商品的偏好时效性问题,结合时间衰减因子计算商圈内商品流行度权值,生成各商圈内基于商品流行度排序的推荐。4)基于商圈相似度的协同过滤算法。针对基于商圈流行度的商品推荐算法存在的惊喜度不足和长尾效应等问题,提出一种基于商圈相似度的协同过滤算法,考虑时间衰减因素为零售户推荐所在商圈的相似商圈中的热门商品。经实验对比结果表明,本文所提出的算法在推荐准确率上明显优于传统推荐算法,且缓解了冷启动问题,具有研究意义。5)基于商圈兴趣点模型的商品推荐系统的实现。为实现企业精准营销的需求,在推荐系统中融合商圈兴趣点模型,提出基于商圈流行度的热点推荐、基于商圈相似度的相关推荐以及新品投放策略。应用结果表明,本文所提出的推荐方法和新品投放策略具有不错的成效,提高企业整体销量,提升销售利润。
多风险下风电商并网动态决策优化模型
这是一篇关于多风险,序列运算理论,核密度估计,多时段优化,动态响应,竞拍决策的论文, 主要内容为随着可再生能源的不断发展与成熟、以及各国学者对风力发电技术研究的不断深入，大规模风电机组参与电力系统运行将成为大电网发展的重要形式。风力发电参与大电网不仅能够提高电力市场的开放性，同时也可以提高电网的经济效益、社会效应以及环境效应。风速是决定风机出力的重要因素，风速的不确定性使得风机出力具有随机性和间歇性的特点，在复杂多变的电力市场环境下，通过有效的市场电能交易决策来解决风力发电企业并网的经济风险问题，是促进风力发电技术快速发展，加快可再生能源发电占有比例的重要途径，符合我国关于节能减排，可持续发展的战略方针。 本文在总结现有研究成果的基础上，从两方面建立了风力发电企业参与电力市场交易的竞拍决策优化模型。一方面通过分析风电商参与多个市场的交易过程，在考虑经济风险在不同市场间传递的基础上，建立了计及风电商并网多市场多风险的收益最大化优化模型；另一方面，通过分析风电商与常规发电商在交易过程中的相互关系，在考虑各竞争对手决策相互影响、风险的时间轴传递效应基础上，建立了风力发电商计及多时段风险的动态决策优化模型。 在日前-实时市场的交易背景下，采用条件风险价值作为风险计量指标对多个风险因素共同作用下，风力发电商参与多个市场的多级风险进行了评估，运用核密度估计方法对出力进行预测，建立了计及多级风险后收益最大化的竞拍电量决策优化模型。该模型不仅反映了多级风险对发电商收益及决策的综合作用，也分析了单个风险因素的波动对发电商决策的影响。通过算例验证了该模型的有效性和适用性，表明该模型对风力发电商在不同时段电量投资优化和风险评估具有一定的参考价值，提高风力发电商在并网过程中对风险的抵御能力。 在风电发展进入优势期参与实时市场并网交易的市场结构下，针对出力随机及市场电价波动的多风险特点，建立了计及多风险的风电商多时段动态决策优化模型。该模型以风电商的报价决策和报发电量决策作为优化变量，同时考虑了风电商各时段决策对后续时段竞拍环境的时间轴动态响应。作为决策者，风电商通过调整竞价策略来实现全时段总收益最大化的目标，通过算例仿真以及与静态决策优化模型的对比，验证了该模型的有效性和实用性。 随着电力市场改革的深入和新能源技术的不断发展，风电参与的电力市场风险研究将会更加的多样化，并且在具体实践过程中也会出现更多新问题，如何更合理、实际的解决风电商并网交易的风险问题，还需要更进一步的完善和研究。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码导航 ，原文地址：https://m.bishedaima.com/lunwen/54573.html
