统计预测与决策论文大全11篇

统计预测与决策论文篇（1）

中图分类号：TP18

利用粗糙集理论[1]对形成的静态决策表信息系统[2，3]进行属性约简和规则提取是一个有效处理数据的方法。文献[4]虽然在决策信息表中考虑到了时态属性，但仍然落脚在静态表上，没有研究决策信息表的演化性；在时态数据方面，文献[5-8]在时间序列数据挖掘和预测相关领域进行了研究。针对具有时间序列特征的决策表信息系统，引入多重时间粒度[9]，并对其性质和发展趋势进行研究，建立了粒度决策演化模型。有关文献研究了移动平均和回归分析算法，但移动平均的数据拟合度不太好，回归分析的计算比较复杂。因此本文在粒度决策演化模型的基础上，结合最小二乘法[10]设计了模型的预测方法，相对于回归分析[11]，该算法降低了复杂度，提高了数据的拟合度。

1 相关理论

本部分主要是粒度决策演化模型的定义和性质，具体的定义和性质参考文献[12，13]。

定义1：在时间点Xi、Xi+1下，设决策信息系统SXi=（U，CXi∪DXi），SXi+1=（U，CXi+1∪DXi+1），SXi的值域分别为VcXi和VdXi；SXi+1值域分别为VcXi+1和VdXi+1，其中c∈CXi+1，d∈DXi+1，若满足：

（1）CXi+1=CXi；

（2）DXi+1=DXi；

（3）VcXi+1=VcXi；

（4）VdXi+1=VdXi；

则称决策信息系统SXi到决策信息系统SXi+1的变化为同源演化；否则称为多源演化。

定义2：设决策信息系统S在时间序列上相邻的两个粒度区间为gi和gi+1，由gi和gi+1得到具有相同决策属性值的决策规则分别记为Decision_lgi和Decision_lgi+1，gi+1相对于gi的属性继承度InA（gi+1|gi）（简称属性继承度）记为：

（1）

其中，Decision_lgic⌒Decision_lgi+1c表示Decision_lgi+1和Decision_lgi中具有相同条件属性c的个数，Decision_lgi表示Decision_lgi的所有条件属性的个数。

定义3：设决策信息系统S在时间序列上相邻的两个粒度区间为gi和gi+1，由gi和gi+1得到具有相同决策属性值的决策规则分别记为Decision_lgi和Decision_lgi+1，gi+1相对于gi的属性值继承度InAV（gi+1|gi）（简称属性值继承度）记为：

（2）

其中，Decision_lgi+1cv⌒Decision_lgicv表示Decision_lgi+1和Decision_lgi中具有相同条件属性并且属性值相同的条件属性cv的个数。

定义4：设由粒度gi推出的决策规则Decision_l中存在条件属性c，c相对于决策规则Decision_l的支持度Sup_D（c|Decision_l）（简称属性支持度）记为：

（3）

其中，Decision_lc表示条件属性c在所有决策属性值为Decision_l的决策规则中出现的次数，Decision_l表示所有决策规则的总数。

定义5：设由粒度gi推出的决策规则Decision_l中存在条件属性c，属性值为cv，则条件属性c的属性值cv相对于决策规则Decision_l的支持度Sup_DV（cv|Decision_l）（简称属性值支持度）记为：

（4）

其中，Decision_lcv表示条件属性c所对应的属性值cv在所有决策属性值为Decision_l的决策规则中出现的次数。

定义6：对决策规则所有的Decision_l的支持度Sup_D（c|Decision_l）=1的条件属性组成的集合称为决策规则Decision_l的属性支持核，记为coreS（Decision_l）。

定义7：对决策规则所有的Decision_l的属性值支持度Sup_DV（cv|Decision_l）=1的条件属性值组成的集合称为决策规则Decision_l的属性值支持核，记为coreSV（Decision_l）。

性质1：决策规则Decision_l的属性支持核在时间点Xi和Xi+1分别为coreSXi（Decision_l）和coreSXi+1（Decision_l），则有coreSXi（Decision_l）coreSXi+1（Decision_l）。

性质2：决策规则Decision_l的属性值支持核在时间点Xi和Xi+1分别为coreSVXi（Decision_l）和coreSVXi+1（Decision_l），则有coreSVXi（Decision_l）coreSVXi+1（Decision_l）。

性质3：在时间点Xi下，c1，c2coreSXi（Decision_l），cv1，cv2coreSVXi（Decision_l），若有Sup_DXi（c2|Decision_l）Sup_DXi（c1|Decision_l），Sup_DV（cv2|Decision_l）Sup_DVXi（cv1|Decision_l），则prio（c2）prio（c1），prio（cv2）prio（cv1），其中prio（c）表示属性c的优先级。

2 基于最小二乘法的决策演化模型方法

2.1 基于决策演化模型的最小二乘法

定义8：设在总体数据中，影响粒度决策演化模型的预测值y变化的因素完全可以由自变量x以线性形式解释，即粒度决策演化模型可以表示成y随x线性变化的关系，n对观测值（xi，yi）之间的关系符合yi=β0+β1xi+εi（i=1，2…n），这里xi表示粒gi和粒gi+1之间进行比较，且xi=i，yi表示对应的预测值。xi，yi是一个随机变量，它的随机性是由εi造成的，当x取xi时，相应的yi来自于一个概率分布，它的均值：

E（yi）=E（β0+β1xi+εi）=β0+β1xi （5）

即E（yi|xi）由于无法对全部数据进行研究，只能通过一次抽样来估计β0和β1，记β0、β1的估计值为=b0，=b1，假定通过某一方法找到了b0，b1，则有线性估计方程：

=b0+b1xi（i=1，2…n） （6）

与实际观测值yi的偏差记为ei，即ei=（yi-），要达到好的预测效果应使残差的平方和最小。即∑ei2=∑（yi-）2=∑（yi-b0-b1xi）2min，分别求关于b0，b1的偏导数，并令之为零，解出b0，b1，这就是基于最小二乘法的粒度决策演化模型预测方法。其求解的公式如下：

， （7）

， （8）

， （9）

， （10）

测定系数[14]是指可解释的变异占总变异的百分比，用R2表示，有[10]

（11）

从测定系数的定义看，R2性质如下：

（1）0≤R≤1。

（2）当R=1时，SSE=SST，原数据的总变异完全可以由拟合值的变异来解释，并且残差为零（SSE=0），即拟合数据与原数据完全吻合。

（3）当R=0时，回归方程完全不能解释原数据的总变异，y的变异完全由与无关的因素引起，SSE=SST。从相关度来看，拟合变量与原变量y的相关度越大，拟合直线的优良度就越高。

2.2 基于最小二乘法的决策演化模型预测方法

结合粒度决策演化模型和最小二乘法，本文提出了最小二乘法预测方法（LSMPre），用以预测下一个粒度相应的决策规则和粒度属性值。具体步骤如下：

输入：决策信息表S=（U，C∪D）。

输出：下一粒度相应决策规则和预测值。

步骤1：使用传统静态表的规则对每个子粒gi进行提取得到相应的决策规则。

步骤2：整理决策规则，把具有相同决策属性值的决策规则归纳在一起构成新的决策树。

步骤3：设置初始计数器：i=1。

步骤4：处理第i个决策下的所有决策规则，计算每个属性的属性继承度和属性值继承度。

步骤5：根据求得的两两相邻粒度决策中条件元素形成新的数列，xi表示粒gi和粒gi+1之间进行比较，且xi=i，yi表示对应的属性继承度。

步骤6：应用公式（6）求条件属性在下一个时间粒的InA（gi+1|gi）。

步骤7：依据求得的两两相邻粒度决策中条件元素形成新的数列，xi表示同上，yi表示对应的属性值继承度。

步骤8：应用公式（6）求条件属性值，计算下一个时间粒的InAV（gi+1|gi）。

步骤9：If i

步骤10：依据计算的不同决策属性值下各个条件属性的InA，InAV及Sup_D，Sup_DV，计算得到下一个粒度时间的InA和InAV，预测下一个时间粒可能出现的决策。

步骤11：输出这些决策和预测值，并根据预测值和测量值绘出效果对比图。

分析知算法的时间复杂度为O（n）。

3 实例研究

文献[9]和[11]分别利用移动平均和回归分析对数据进行预测，但复杂度和数据拟合度不太好。因此本文在粒度决策演化模型的基础上提出了最小二乘法，并用实例来验证其效果。

设决策信息系统S=（U，C∪D），条件属性C={m，n，x，y，z}，决策属性D={ ?}，每个属性的值域为{0，1，2}。运行LSMPre步骤1将决策信息系统S=（U，C∪D）进行粒度划分得到U={g1，g2，g3，g4，g5，g6，g7，g8，g9，g10，g11}，运行LSMPre步骤2对每个子粒度gi进行处理，得到粒度相应的决策规则，如表1。

表1 时间序列下各粒度的决策规则

粒度 决策规则 粒度 决策规则 粒度 决策规则

g1 mon1x1y2f0

m2n0x2y2f1

n2x1y2z0f2 g2 n1x1y2f0

m1n0x2y2z0f1

m2n2y2z2f2 g3 m0x1y2z2f0

m2n0x2f1

m2x1y2f2

g4 m0x1y2f0

m2x2y2z1f1

m2x1y2z2f2 g5 n1x1y2z0f0

n0x2y2z2f1

m1n2x2y1f2 m0n1x1y2z2f0

n1x2y2z1f1

m1n2x2y1f2

g6

g7 m0n1x1y1z0f0

x2y2f1

m2n2y1f2 g8 m0n1x1y2z2f0

n0y2z1f1

m2n2y2z2f2 g9 m0n1x1y1f0

n0x2y2z2f1

m1y2z1f2

g10 x1y1f0

n0x2z2f1

m2y2z2f2 g11 m0n1x1y2f0

n1x2z2f1

m1n2z2f2

运行LSMPre步骤3，将表1中具有相同决策属性值的决策规则归纳到一起得到表2。

表2 经过整理的粒度决策表

决策 f0 f1 f2

决策规则 mon1x1y2f0

n1x1y2f0

m0x1y2z2f0

m0x1y2f0

n1x1y2z0f0

m0n1x1y2z2f0

m0n1x1y1z0f0

m0n1x1y2z2f0

m0n1x1y1f0

x1y1f0

m0n1x1y2f0 m2n0x2y2f1

m1n0x2y2z0f1

m2n0x2f1

m2x2y2z1f1

n0x2y2z2f1

n1x2y2z1f1

x2y2f1

n0y2z1f1

n0x2y2z2f1

n0x2z2f1

n1x2z2f1 n2x1y2z0f2

m2n2y2z2f2

m2x1y2f2

m2x1y2z2f2

m1n2x2y1f2

m1n2x2y1f2

m2n2y1f2

m2n2y2z2f2

m1y2z1f2

m2y2z2f2

m1n2z2f2

由实例知LSMPre步骤4外层循环为for（i=1；i≤n；i++）（n=4）。当n=1时表示对决策f0进行处理。

运行LSMPre步骤5，在决策f0下属性继承度分别为：InA（g2|g1）=3/4，InA（g3|g2）=2/3，InA（g4|g3）=3/4，InA（g5|g4）=2/3；属性值继承度分别为：InAV（g2|g1）=3/4，InAV（g3|g2）=2/3，InAV（g4|g3）=3/4，InAV（g5|g4）=2/3。

当i=3时，运行LSMPre步骤6得新生数列1={（x1=1，y1=3/4），（x2=2，y2=2/3）}。运行LSMPre步骤7，得：b1=-1/12，b0=20/24，，e3=1/12，R2=1。

当i=4时，运行LSMPre步骤6得新生数列1={（x1=1，y1=3/4），（x2=2，y2=2/3），（x3=3，y3=3/4）}。

由新生数列1的数据，运行LSMPre步骤7和步骤8，得：

b1=0，b0=13/18，，e4=1/18，R2=0.9。

同理可得，=0.67，e5=0；=0.65，e6=0.05；=0.60，e7=0；=0.59，e8=0.01；=0.56，e9=0.04；运行LSMPre步骤9，并绘出表3和数据拟合效果图1：

表3 真实值与预测值的对比图

i 实际值 预测值

1 0.75

2 0.67

3 0.75 0.58

4 0.67 0.72

5 0.67 0.67

6 0.60 0.65

7 0.60 0.60

8 0.60 0.59

9 0.50 0.56

图1 数据的拟合效果

根据效果图的趋势可以说明此方法适合于本模型数据的预测，回到LSMPre步骤10执行下一次循环。

由于i

4 结束语

从实例研究可知，最小二乘法适合于粒度决策演化模型的预测，相对于移动平均和回归分析，该算法更好地贴近原始数据，计算复杂度较低，是一种比较好的预测方法，因此下一步对于在实际生活中的应用将是研究的重点。

参考文献：

[1]张文修，吴伟志，梁吉业.粗糙集理论与方法[M].北京：科学出版社，2006：1-25.

[2]黄海，王国胤，吴渝.一种不完备信息系统的直接约简方法[J].小型微型计算机系统，2005（10）：1761-1769.

[3]徐凤生，李海军.不相容决策表的求核方法[J].计算机工程与科学，2007（29）：84-85.

[4]马志锋，邢汉承，郑晓妹.一种基于Rough集的时间序列数据挖掘策略[J].系统理论工程与实践，2001（12）：22-29.

[5]孟志青.时态数据采掘中的时态型与时间粒度研究[J].湘潭学报（自然科学版），2000（22）：1-4.

[6]Berberidis C，Walid A G，Atallah M.Multiple and partial periodicity mining in time series databases[C]//The 15th European Conference on Artificial Intelligence.Lyon，France：IOS Press，2002：370-374.

[7]国宏伟，刘燕驰.多变量时间序列的模糊决策树挖掘[J].计算机应用研究，2009（26）：54-55.

[8]胡玉文，徐久成.时间序列下决策表信息系统的最终形态研究[J].河南师范大学学报（自然科学版），2010（38）：49-52.

[9]胡玉文，徐久成.多粒度时间序列下粒度决策的演化模型研究[J].计算机工程与应用，2011（20）：117-120.

[10]王惠文.偏最小二乘回归方法及其应用[M].北京：国防工业出版社，1999：14-32.

[11]胡玉文，徐久成，张倩倩.决策表信息系统演化模型的回归分析预测算法[J].煤炭技术，2010（09）：152-153.

[12]胡玉文，徐久成，李双群.粒度决策演化模型的博弈选择研究[J].计算机工程与应用，2012（48）：51-54.

[13]胡玉文，徐久成，孙林.粒度决策演化模型的决策稳定性研究[J].计算机科学.2012（39）：233-236.

统计预测与决策论文篇（2）

一、库存决策支持功能研究对会计信息系统的意义

(一)库存决策支持系统研究现状存货是重要的流动资产，需要占用大量流动资金，一般情况下存货占企业总资产的30％左右。据估算，库存成本降低的潜力比任何其它市场营销环节要大得多，如企业物流成本占营销成本的50％，其中存货费用大约占35％。由此看来，降低存货成本已经成为“第三利润源泉”。在企业管理的其他环节成本降低潜力不大的情况下，在降低存货成本上努力已经是成本管理和企业管理的最终所向(于凌宇、冯玉萍，1998)。从现实状况看，库存管理决策具有对象种类繁多、数量巨大的特点，管理人员被大量的单据、台帐所淹没，信息处理效率低下，造成了对库存供应和需求的变化反映迟钝，库存决策效果差。从管理方法看，多数库存管理一般局限于库存的上下限报警，在提高周转率、库存资金合理分配、优化库存管理等方面意识淡漠，管理方法原始。库存管理引入库存决策支持系统可以发挥计算机信息处理速，辅助管理者做出科学的决策。因此，深入研究库存决策支持功能(Inventory Decision Suppot System，以下简称IDSS)很有必要。目前研究决策支持系统(以下简称DSS)的文献不多。在研究方法上，主要采用演绎法，认为决策支持系统结构应采用多库模型，倡导根据多库模型及理论框架开发系统。然而这些理论只是一种建立相应系统的框架和草图，只提供了一些开发系统最基本的观点和思考问题的角度。只是分别规定了相应系统的组成、结构和功能及内部相互关系以供人们根据工作的需求，建立自己的决策支持系统，但还远没有达到具有可操作、可实现的层次(李京文，2002)。在研究内容上主要集中在特殊库存模型的解法、开发某行业库存决策系统某具体环节、开发某具体企业库存决策支持系统，对开发库存决策支持系统理念和目标探讨的文献不多。

(二)会计信息系统增加库存决策支持功能的可行性及意义会计信息的质量，在很大程度上取决于会计信息能否有助于人们据以进行经济决策和不断提高经济效益的需要，会计的有用性主要指决策的有用性(葛家澍，2001)。对高质量会计信息的需求迫使会计软件从核算型、管理型不断向决策型发展。决策可以分为结构化决策、半结构化决策和非结构化决策，决策型会计软件的开发目前应以开发相对简单的结构化、半结构化决策模块为主，并力求实现与企业管理信息系统的完美融合。库存管理规范性较强，库存决策属于半结构化决策在会计信息系统中加强库存决策支持功能是可行的，原因在于库存决策以销售、采购为条件，通过应用功能完整的进销存模块，会计信息系统可以提供详细的销售、采购环节相关数据及业务信息，为分析销售、采购规律打下基础。会计信息系统提供了各种库存商品、原材料等真实的采购及销售价格，使用成本会计、管理会计计算库存的每种商品及原材料的利润贡献率、各个管理环节消耗的费用，按照商品利润贡献率标准用ABc分类法对商品及原材料进行分类，实现库存重点管理。

库存决策支持功能的研究对会计信息系统具有重大意义：(1)会计信息系统不仅需要提供信息，将来会计信息系统更需要发挥其决策辅助控制功能，通过库存决策支持功能企业可以实现对库存的管理和控制，使系统具有反馈、调节控制功能，为降低库存资金实现科学的库存管理提供保障。(2)库存决策支持功能的需求是会计信息系统进一步发展的动力，要求会计信息系统提供信息的“粒度”更小，同时库存决策支持功能的开发需要对库存管理的数学模型进行更深一步的研究与优化，从而促使会计信息系统的数据管理更详细低层、更全面丰富和科学。(3)库存决策支持能够自动提供新的有价值的指库存指标――缺货率(用缺货的程度反映存货满足用户需求的能力)。现代的企业竞争从价格、质量转到服务竞争，满足客户(顾客)个性化需求是企业的生命，缺货率从反面反映满足客户需求的程度，该指标可以从不同角度计算。根据周期计算公式为：周期缺货率=有缺货的周期／订货周期总数；按年计算的缺货频率克服了不同产品由于不同前置时间引起的不可比性，通过一年的订货周期数(Q／q，Q表示一年的需求，q表示每次采购量)乘按订货周期计算的缺货水平，表示为年缺货率=(Q／q)×(周期缺货概率)；根据作业日计算公式为：作业日缺货率=缺货的作业日／总作业日；按照所供应的企业数计算公式为：缺货企业数／供应企业数；按物资数的缺货程度计算公式为：企业数缺货率=缺货量／需求量。

二、库存目标决定库存决策支持系统目标

(一)不同时期的库存目标所决定的IDSS决策目标生产水平和技术发展程度决定企业的目标。早在工业化时期生产的规模不大、市场几乎无限的情况下，企业无需考虑需求、竞争与合作。企业目标为扩大生产能力，节约生产成本赚取高额利润，库存管理关注的重点为如何降低企业自身的库存费用。这种情况下适应社会需求的近代早期的存储论(或库存论)以实现满足需求的情况下存储费用最小化的库存目标，作为实现节约成本赚取利润企业目标的途径。在此目标指导下，开发的IDSS几乎都忽略需求的满足程度而仅将满足需求情况下库存费用最小化作为IDSS的决策目标，这是IDSS不能发挥应有效果最根本原因。进入信息时代后，顾客多元化、个性化的需求日益明显，促使企业生产规模变小，敏捷制造、客户关系管理等新型的经营和管理理念成为企业生存和发展的必然选择，库存管理的重点也单个仓库管理转向从物流学角度分析多级库存、供应链中的库存管理。物流学与供应链管理认为每个企业的库存都是整个供应链的一部分，库存目标为更好的满足客户需求情况下供应链成本最小，即从局部费用(单库存费用)最小发展到整体费用(供应链费用)最小。但以此目标指导IDSS开发和使用缺乏可实现性和可操作性，因为目前国内市场经济发展不成熟，供应链内企业合作、供应链之间的竞争的经营环境没有形成，企业管理水平较低，管理人员的素质不高，供应链管理方法并未得到较好的应用。其次，此目标无法指导IDSS和使用，供应链上的单个企业无法完全控制整个供应链成本，并且带来的收益没有形成合理的分配制度。

(二)IDSS开发与使用构想笔者认为，指导IDSS开发和使用的目标是使“库存贡献”与“库存成本”之差的最大化。其中“库存贡献”与“库存成本”包括显性的、隐性的，可计量的、不可计量的，即库存目标是一个多维目标，不能或很难用一维角度去衡量。库存贡献和库存成本(看作变量)的计量及比较问题是库存目标指导IDSS开发和使用需首要解决的问题。变量的测量实质是对属性的测量，变量的属性对应测量尺度，分别为定类尺度、定序尺度、定距尺度和定比尺度，各种尺度只有定比尺度有绝对零点可

以进行加减运算(李怀祖，2004)。库存目标中的贡献与成本包含许多很难或不可用货币表示数量化的因素，如缺货造成企业信誉及形象的损失、库存对企业发展战略的影响等，需要使用前几种测量尺度度量。变量的比较问题指库存贡献、库存成本使用前几种度量尺度度量无法直接度量，解决的方法即对非定比尺度变量按照一定统一的规则赋值，转化为定比尺度经过四则运算计算出每种库存的“库存贡献”与“库存成本”之差再比较大小。按上述库存目标的指导，笔者对IDSS开发和使用作如下构想：IDSS输入是多维库存策略和多维参数，分两个个阶段数据处理。如果使用时输入库存策略，第一层次数据处理用公式表示为：库存目标集=Ft(库存策略集，参数集)，处理Fl表示IDSS根据输入相应的参数值(从采购、销售、系统参数构成的参数集中)及库存策略，计算库存目标集合中各指标的属性值；如果使用时不输入库存策略，第一层数据处理表示为：库存目标集=F2(参数集)，处理F：表示系统根据输入的参数集合中各属性值选择库存策略，并计算库存目标集合中各指标属性值。使用输入库存目标与实数影射规则时，第二层数据处理表示为：实数集=G(库存目标集，映数规则集)，其中影射规则集是如何把库存目标中的各类变量值赋予某个实数值的规则；反之，系统使用默认的映射规则，数据处理表示为实数集=G(库存目标集)。

三、库存决策支持系统的理论基础与研究方法

(一)库存决策支持系统基础理论 开发IDSS需要相关的基础理论、应用理论作指导，需要借助一定的研究手段、方法研究这一新兴领域。DSS在不少行业和部门获得成功，取得了明显的效益。其理论基础和技术发展到今天离不开相关科学如计算机科学、管理科学、数学、信息科学、人工智能、信息经济学、认知科学等的支持。这些学科构成了其发展的理论框架，以称之为理论基础(张玉峰，2004)。开发IDSS是DSS的具体应用，上述理论也是IDSS的理论基础，并进一步将系统论、预测理论、决策理论、库存管理理论等也作为其基础理论。因为库存是企业大系统的一个子系统，需要系统论为指导处理与其它子系统之间关系；采购、销售、库存决策的外部环境经常变化需要预测理论为指导才能精确预测；决策过程本身比较复杂，只有符合决策理论的库存决策才是科学的决策；库存决策是库存管理链条上的节点，需要其指导。开发IDSS的应用理论包括DSS理论、动态规划理论、统计理论和方法。因为DSS理论是研究如何开发一般的DSS的科学，IDSS是研究对象更为具体的辅助库存决策的DSS；常出现的库存问题是采购、销售量已知，但经常变化且无规律，研究这类问题最简便方法是转化为动态规划问题，使用动态规划求解方法求解；未来采购、销售及其它参数需要运用具体的统计学理论和方法总结规律历史规律，再按照预测理论和方法进行预测。

(二)运用数理统计方法运用库存模型必须已知库存系统内的反映采购、销售业务情况的多个参数值。信息化水平较高的企业保留着大量的销售、采购等业务、财务数据，可以利用概率论与数理统计学的知识及方法总结其规律。能够对采购、销售规律进行研究的根本原因是他们本身具有规律性，各个学科对这些现象作了深入的研究。影响库存决策的采购、销售多数指标(看作随机变量)概率分布常使用正态分布、泊松分布　和指数分布　描述。随机变量满足以下两种条件之一服从正态分布：一是连续受到多个因素影响，并且不受某个特殊因素显著影　响；二是多个随机(一般大于等于9)变量加减运算得出的结果。商品销售量很大且连续(计量单位相对总量很小，可近似连续)，如果没有受到特别因素的影响即满足条件一；某类商品有多个子类，每种子类的销售相互独立，则这类商品销售量满足条件二。现实情况企业商品销售满足条件一或二的例子很多，可以用正态分布近似描述销售规律。可以使用多种检验方法检验采用正态分布描述的误差程度，常用的有正态概率纸法和夏皮洛――威尔克(shapiro-Wilk)检验法(峁诗松、程依明、濮晓龙，2004)。有条件的可以使用SPSS统计软件相应的功能模块给出用正态分布描述分布的误差大小。如果随机变量(只取自然数)均值较低(小于等于20)且满足以下条件：随机变量的取值与时间段的长度成正比，与时间段的起点无关；在很短时间段内，随机变量的取值与该时间段以前的状态无关，即满足无后效应；在充分小的时间段内随机变量最大值为一，数学上可以严格证明该随机变量服从泊松(Poisson)分布。如果商品销售不受时间影响且均值不大(小于等于9)，容易验证满足上述条件，可以用泊松颁布反映销售量的概率分布情况。商品的平均销售量中等(一般大于9，小于50)，且不受特别因素显著影响情况下可以使用指数分布描述。在用上述分布描述销售规律时，检验是否满足分布成立的条件即可。

(三)分析采购销售规律方法与步骤销售(需求)和采购(补充)预测是库存管理和决策的基础。采购、销售预测的效果是由确定预测目标、收集整理预测资料、选择预测方法、建立预测模型、评价预测模型、使用预测模型、分析预测结果每一阶段的效果共同决定。确定采购、销售预测目标是根据库存模型对未来采购、销售规律的需求确定；收集整理采购、销售资料应该根据预测目标要求去收集，包括销售、采购本身发展变化的历史资料。在有条件的信息化水平较高的企业可以将收集的资料扩大到对销售、采购发展变化有重大影响因素的历史资料上，此外还要判别资料的真实程度和可用度。分析企业采购及销售规律可按照以下阶段进行：首先，确定分析对象。分析采购、销售规律是为库存决策服务，只有影响库存决策的各指标才作为分析对象。其次，定性分析。分析采购及销售指标服从分布的类型，一般情况下可以用概率论中已有分布描述指标分布；如果没有对应分布只能用频率代替发生各种情况的概率，则无后面阶段。再次，定性分析检验。根据指标的样本点数据检验假设服从某种分布的误差，误差超出允许范围则否定定性假设，另寻其他方法或用频率代替概率；误差在允许范围内可以进行定量分析。目前统计软件(如SPSS、SAS)具有很好的分析及检验大量样本是否服从某种分布的功能。最后，定量分析及检验。确定各指标的分布函数或分布率的参数值，例如使用点估计、区间估计等方法确定各分布中的未知参数值。对定量分析阶段确定的参数检验其可信度，运用概率论中的“假设检验”理论进行检验。

(四)会计信息系统库存模型研究库存模型是对库存现象抽象、概括、归纳，从数量角度反映库存。研究库存首先抓住库存的本质和主要方面，把库存抽象成库存模型，然后用数学知识对库存模型加以研究得出定量结果。分类是研究问题的开始，可以从库存特征和库存中各参数特征两个角度进行分类。根据库存特点按照不同标准进行可把模型分类如(表1)。求出最优策略，各参数表示的意义如下。P为采购货物的单位价格，也称单位购入成本；C1为单位时间内单位物品的存储费用；c2为单位物品单位时间缺货损失：c3，为每次商品

的订货费用；R为需求速率，即单位时间内的需求；L为前置期，即从订货到第一批商品到达时间段；l为补充时间，即从第一批商品到达至最后一批商品入库时间；Q为订货量，需要指出前置期不为零，则只需在第一批货物到达前一个单位时间订货即可。因此下面所有模型都可以假设前置期为零不允许缺货条件下，可以做分类并计算采用T-循环策略最优库存策略各参数值，见(表2)；缺货费用与单位缺货量成正比，设单位缺货量缺货费用C2，采取采用T-循环策略，可作如下表分类并计算最优库存策略见(表3)；缺货费用与单位时间成正比，设单位时间缺货费用为C1，可作如下表分类并计算最优库存策略。

表示缺货时间(可根据实际情况按照库存总费用关于增减性确定其最佳取值，可作为已知条件)，库存策略为在两个方案选择最优，即比较存在缺货情况下最优库存策略下的单位时间库存总费用(用I表示)和不缺货情况下的单位时间库存总费用(用Ⅱ表示)　，最小值对应的库存策略为最优策略见(表4)。

四、会计库存信息决策支持系统功能分析

(一)数据管理功能该功能内容上包括采集不同来源及格式的原始数据、数据分析、数据预测。采集不同来源及格式的原始数据功能包括数据导入与输入功能。数据导入功能指从系统内部的其他模块或者系统外部(统计软件数据、财务软件的输入数据)导入库存决策支持系统模块中，并转化成所需要的格式，这是大批量数据输入的一种最有效的方式；数据输入功能指作库存决策所需要的相关参数输入到IDSS模块中。数据分析功能是该系统实现库存决策支持功能的基础。数据分析使用的工具比较灵活，可以是专门的数据分析统计模块，也可以是利用系统之外的其他的数据统计分析软件。数据预测功能是假设事物渐进式发展，事物的历史发展规律适合未来，使用某种预测手段对未来事物发展趋势或状态进行预测。预测功能是否准确取决于事物是否具有渐进性；从历史数据中总结的规律是否正确；预测方法使用是否恰当。因此，系统在分析设计数据分析预测功能时，要注意分析数据隐含规律的方法的准确性，预测方法的多样性，事物处于质变阶段就不能使用该分析预测功能模块进行预测。

(二)知识管理功能 知识管理功能内容上包括概率统计学知识、库存模型使用知识、系统参数知识。概率统计学知识包括概率分布知识、参数估计知识、假设检验知识、回归分析知识等；库存模型使用知识给出库存模型使用条件，判断一定参数条件下是否可以套用库存模型及使用模型计算结果误差范围有多大；系统参数知识包括影响库存决策的环境静态参数和变化趋势的知识，如银行利率、利率变化趋势、物价指数、物价变动趋势等。

(三)模型管理功能模型管理功能内容上包括模型选择、模型计算、灵敏度分析。模型选择指根据分析预测模块分析出来的采购、销售、系统参数情况，按照知识库中的模型适用条件知识从模型库中正确选择库存模型；模型运算指根据采购、销售参数、系统参数计算库存方案；灵敏度分析指计算各参数误差对库存方案的影响程度等。

统计预测与决策论文篇（3）

1 概述

随着市场竞争的日趋激烈，企业在市场营销管理决策中面临越来越多的挑战，市场预测已成为企业在市场营销管理中的关键一环。所谓市场预测是指企业在通过市场调查获得一定资料的基础上，针对企业的实际需要以及相关的现实环境因素，运用已有的知识、经验和科学方法，对企业和市场未来发展变化的趋势作出适当的分析与判断，为企业营销活动等提供可靠依据的一种活动[1]。

由于市场环境的不断变化，如果还是习惯性地沿用传统的模式、过去的参数，难免会导致预测的偏差。现在，人们利用灰色系统理论来进行市场预测，从而提高了市场营销管理的科学水平，减少了市场营销决策的盲目性，降低市场营销决策可能遇到的风险，使决策目标得以顺利实现。

灰色系统理论是结合数学方法发展出的一套解决信息不完全系统（灰色系统）的理论和方法。用灰色系统理论研究社会经济系统的意义在于把问题具体化、量化，从变化规律不明显的情况中找出规律，然后去分析事物的变化和发展[2]。近年来灰色系统理论在管理预测中的地位越来越引起国内外学者和科技人员的重视。基于GM（1，1）模型的预测称为灰色预测，灰色预测是灰色系统理论的重要组成部分，它利用连续的灰色微分方程模型，根据历史数据和现在的市场信息，模拟出未来发展趋势，可对系统的发展变化进行观察分析并作出预测。从而为企业制定科学、有效的营销管理方案提供了可靠的决策依据。

2 GM（1，1）灰色预测模型

GM（1，1）模型是由一个只包含单变量的一阶微分方程构成的模型，是GM（1，1）模型的特例，是最常用最有效的一种灰色模型。建立GM（1，1）模型只需要一个数列x（0）。

3 算例分析

表1为某市2001-2008年电网年度售电量（见表1），采用灰色GM（1，1）模型对该市2009-2011年的售电量进行预测，并将预测结果与实际值对比。

应用灰色预测模型对2009-2011年各年度的售电量进行预测，并与实际的售电量进行比较，所得误差分析见表2。

由上表可见，利用灰色预测模型进行售电量预测能取得比较高的精度，是一种行之有效的预测技术方法。

4 结论

利用灰色预测模型进行售电量预测能取得比较高的精度，是一种行之有效的预测技术方法。运用同样的方法可以对市场营销管理活动中的其他方面进行预测分析，有利于为企业制定科学、有效的营销管理方案提供了可靠的决策依据。根据售电量的历史数据预测了2009-2011年的售电量，并与实际售电量进行比较，可知灰色预测模型对售电量的预测精度逐年递减。因此，灰色预测模型也存在局限性：一是当数据离散程度越大，即灰度越大，则预测精度越差。二是不太适合长期后推若干年的预测，只是短期预测的精度高，即仅仅是最近的一、两个预测数据有实际意义和高精度。

参考文献：

统计预测与决策论文篇（4）

[论文摘要] 针对卫生应急管理的特点, 将地理信息系统技术(gis) 与决策支持系统结合起来, 设计了突发公共卫生事件应急指挥辅助决策系统。阐述了其设计原理, 讨论和分析了基于gis 技术的突发事件应急指挥辅助决策系统的组成模式, 给出了其总体的设计框架。

1 概述

公共卫生是一个涉及微观结构和宏观系统的多分支 科学 ，大量与宏观有关的事件具有空间分布特点。将地图和空间分析应用于卫生决策研究中，至少可追溯到1854年john 应用gis技术研究伦敦宽街水井污染引起霍乱爆发，为卫生部门果断封闭污染水井控制霍乱继续流行起到了非常关键的作用。而在通常的卫生决策研究中，地理因素是需要考虑的一个重要方面， 众多的卫生事件都具有空间属性。gis作为一种新的科学研究方法和手段，在医疗卫生各个领域的应用也不断扩大和深入。gis技术在公共卫生管理领域的应用不仅可以促进理论研究的提高，同时也使突发公共卫生事件应急指挥辅助决策信息系统的建设成为可能。

目前国内关于gis在公共卫生领域的应用主要集中在血吸虫、症疾、流行性出血热、蜱传脑炎等疾病的空间分布研究， 使用地理信息系统(gis) 与空间遥感(rs)技术结合， 对空间相关数据进行输入、管理、分析、模拟和显示，为流行病的研究和决策提供信息技术支持，取得良好的效果。在我国gis 及rs 应用于流行病学研究虽然已有一定的进展， 但由于地图边界和遥感图像的价格昂贵，使进一步扩大其应用还存在一定困难。

2003年，在我国及世界范围内爆发了非典型肺炎。这种传染病通过呼吸道进行传播，传播速度快，危害面广。政府和有关防疫部门在及时采取有效的防治措施的同时，运用gis平台，快速建立了应用于非典型肺炎疫情监测的地理信息系统。由于gis具有交互定位和逻辑查询以及广泛的关系数据库连接能力，可以有效帮助疾病预防控制机构完成疫点定位、疫情事件分析、绘制疫情危害图、现场工作情况实时采集传送、人员派遣、规划、显示各类医疗卫生机构分布图、重点单位基本状况分布图、紧急调度和路径优化等任务， 从而在有限的资源条件下，最大限度地提高应急处理效率、降低疫情危险程度，基于gis 的突发公共卫生事件应急指挥辅助决策系统的研究开始出现。

2 系统构建和设计实现

2. 1 系统设计目标

基于gis 的突发公共卫生事件应急指挥辅助决策系统的目标是综合运用先进的 计算 机工程、卫生统计学、地理信息系统、决策支持系统、数据仓库及人工智能等技术手段，建立一个能为各级卫生行政部门和疾病预防控制机构提供全过程、多层次的信息服务和多种支持手段的应急指挥和辅助决策系统。系统能快速、及时、准确地收集、处理和存储实时突发事件信息和其他相关信息，以超媒体(文字、声音、影像等) 方式显示各类信息。该系统采用标准web服务器—应用服务器—数据库服务器的三层计算结构，应用分布式面向对象设计方法、安全tcp/ip协议及geo information web service技术，最终目标是以基础空间地理数据及各类专题图形数据为基础，建立预警指标数据库、危机事件数据库、预测与评价模型库、应急指挥预案库、领导决策知识库， 以信息报告—采集—录入—管理—分析—决策为主线，建立高效查询及分析机制，提高突发公共卫生事件的应急处理和指挥调度能力，为突发公共卫生事件决策指挥提供科学依据和技术支撑。

2. 2 系统的体系结构

系统采用开放式的 网络 结构设计，系统中各子系统之间、系统与其他相关系统之间都可以容易地实现互连互通，充分保证了系统的开放性。

2. 3 系统的功能结构

突发公共卫生事件应急指挥辅助决策系统的总体功能是辅助指挥调度和决策支持，可将系统总体功能划分为八个方面：信息收集分析、预警报告、资源整合调动、指挥统一协调、评估及时客观、联系视频直观、使用内部联动和外延接口灵活。

3 系统的功能及其特点

针对突发公共卫生事件处置的应急管理特点，系统沿应急准备、监测分析、预测预警、反应处置、事件终止、恢复重建、评估完善的流程进行运行，循环反复不断提升系统的应急处理支持能力。

(1) 应急准备：应急中心开展培训、演练和研究工作， 模拟应急业务提高应急处理能力；完善相关政策法规、预案；规划储备应急医疗卫生资源等，建立突发公共卫生事件的防控体系。

(2) 监测分析：应急中心负责接收、分派、核实与处理事件的报告，协调组织疾病预防控制机构开展突发公共卫生事件的预防和监测工作，获取动态监测、事件调查和疫情评估信息，跟踪事态 发展 。主要分析方法有：空间分布分析， 时间 历史 曲线分析，动态演变分析，病例的逗留、影响和交叉分析，卫生统计学分析，扩散模式分析，流行转归分析等。

(3) 预测预警：根据突发公共卫生事件处置流程与预案，应急中心组织专家进行事件评估，并针对评估结果预警信息，针对相关突发事件快速开展有关工作准备，落实预案与方案涉及工作的准备情况，及时通报与汇报进展情况。

(4) 反应处置：按照有关规定启动预案，根据预案迅速指挥与执行工作，有条不紊地组织调度人员与物资，开展应急的专业处理与相关配合工作。同时根据反馈情况，动态评估事件的 发展 情况，及时调整处置措施，最大限度地减少损失。

(5) 事件终止：当突发公共卫生事件的隐患或相关因素被消除；最后一例病人发生后，经过一个最长潜伏期无新的病例出现。

(6) 恢复重建：突发事件结束后，应急中心快速开展从应急状态恢复到正常状态的工作。有计划地补充应急处理阶段所消耗的储备资源，逐步恢复正常的生产生活。

(7) 评估完善：应急中心进行 科学 总结 ，完善相关预案， 开展应急处置研究和探讨，总结经验和教训，制订有针对性的防控措施等，提高应急处理能力。

4 实例运用

用本文研究的几个主要技术方法，结合软件工程的基本思想，开发的基于gis 技术的省级突发公共卫生事件应急指挥辅助决策系统。该系统包括的区域范围将近20万平方公里，地表模型用数字地图生成，并将河流、湖泊、公路、居民区等地表特征物以面的形式覆盖在数字地表模型上。系统在运行初期只包含了事件定位、信息的上传下达等，但其提供相应功能使用后可以完成事件处置各过程。通过在现场的实际运用，该系统可以较好地实现各项交互功能，完成系统理论上应提供的功能。

5 总结与展望

通过合理的利用三维模型构建和模式设计方法，提出了一种基于gis的突发公共卫生事件应急指挥辅助决策系统的设计方案和实现方法，并在卫生应急管理中得以实现。由于本系统采用合理的软件体系和模块化设计模式，将来也可以方便地成为应急培训和模拟演练、传染病疫情分析和突发事件医疗卫生救援预案设计等高层应用。

参考 文献

统计预测与决策论文篇（5）

关键词：

经济学；研究；统计学思想

在对经济学进行研究的过程中，统计学思想是至关重要的部分，其中包含着估计思想、拟合思想、均值思想等，有利于提高经济学研究效率，凸显出经济学的研究价值，为其后续的发展奠定良好基础。

1经济学中统计思想分类

1.1统计思想之估计思想

统计思想是一门具有综合性特点的学科，其涉及的内容较广，研究重点有所不同，使得主要的思想部分受到广泛关注。然而，在统计思想中估计思想是最为主要的组成部分，主要因为估计思想是一种认识方式，能够将利用样本对统计的总体进行预测，在一定程度上，能够有效提高预测准确度。与此同时，样本是统计中最为重要的部分，在显示总体属性的基础上，可以利用样本的研究结果预测总体概况，但是，统计样本很容易受到各类因素的影响，导致统计数据与总体数据出现偏差。

1.2统计思想之拟合思想

拟合思想就是在统计期间，能够对不同类型的事物的表象关系进行分析，保证能够拟合出事物的前后顺序，使得错综复杂、难以分辨的信息规律凸显出来，进而形成良好的发展趋势。

1.3统计思想之均值思想

对于统计思想而言，均值思想就是根据统计学的基本特征凸显出事物的一般性规律，使得经济学研究人员可以全面了解事物发展规律，避免出现各类干扰因素影响其统计准确性，进而提高经济学研究质量。

1.4统计思想之联系思想

经济学研究中各类事物都存在着密切的联系，只有应用统计联系思想，才能保证人们在处理问题的时候，可以注意事物之间的联系，提高变量考察效率[1]。

1.5统计思想之差异思想

统计学最为显著的特点就是概括性，与差异思想存在密切的联系，主要因为差异思想可以引导经济学研究人员能够根据事物之间的差异，对事物进行统计与概括，进而形成良好的数据研究体系。

2经济学研究中统计思想的应用路径

2.1经济学研究风险决策时应用统计思想

在经济研究决策期间，经常会存在不确定的因素，使得经济活动承担一定风险。由此可见，在经济研究决策之前，必须要利用科学的方式制定工作制度，保证能够向着正确的方向前进。首先，在日常经济活动中，企业要利用正确的决策规避盈利亏损。其次，企业要正确估量经营中可能出现的经济损失，保证能够制定完善的措施规避企业的损失。最后，企业可以利用统计学的概率论原理，形成竖形图像实施分析工作，进而提高企业的发展效益[2]。

2.2经济学研究市场调查中应用统计思想

经济学研究人员在市场调查过程中，必须要全面分析统计学的应用特点，保证能够有目的性的对市场调查内容进行分类，并且提高数据记录效率，使其达到系统性目的。同时，经济学研究人员还要正确分析所搜集的市场信息，及时发现企业的缺点，并采取有效措施弥补，为企业在市场中的发展提供正确方向。另外，经济学研究人员还要利用统计学思想全面判断市场需求，提出更多的可行性战略条目，例如：取样调查、抽样调查等，使得统计思想能够更好的应用在经济学研究领域中，为其发展奠定坚实基础[3]。

2.3经济学研究经济预测时应用统计思想

在统计学理论中，经济预测与风险预测是有所不同的，经济预测就是对未来各类不确定的经济因素进行分析，保证能够利用科学的手段实施经济预测工作，避免对经济进行臆想与胡乱猜测[4]。同时，在经济预测期间，不可以出现利用直觉与经验预测的问题，必须要根据经济预测要求，科学、精确的实施计算工作，在搜索各类相关资料的同时，不断分析与判断未来的经济发展趋势。企业决策者可以利用统计思想中经济预测手段加深对企业未来经济的了解，以便于做出更加完善的决策。经济预测指标包括以下三种：一是经济预测范围。二是经济预测时效。三是经济预测性质。每个标准都有自身存在的意义，可以促进经济学研究效率的提高。

3结束语

在经济学研究期间，相关研究人员必须要全面分析统计思想，确保能够将其有效应用在研究工作中，在提高研究质量的基础上，凸显经济学研究价值，为其发展奠定良好基础。

作者：许欢 单位：唐山人民医院

参考文献：

[1]陈小琴,潘东明.基于微观经济学视角下的中国鲜切花产业统计数据分析[J].中国农学通报,2013,28(32):128-137.

统计预测与决策论文篇（6）

中图分类号：U472文献标识码：A

CBM是随着状态监控和故障诊断技术的不断发展而逐步出现的，通过内置传感器或便携式外部检测设备进行测试，获取装备运行的特征量信息，借助各种智能推理算法（如物理模型、神经网络、数据融合、模糊逻辑、专家系统等）实时评估装备的技术状态，在装备故障发生前对其剩余寿命进行预测，并根据各种可利用的资源信息结合不同的决策目标实施决策的维修过程。

在CBM理论研究方面，主要是以状态监测和故障诊断为主，对维修决策研究不够。特别是对状态模型、维修决策模型的建立、求解以及应用都缺乏深入系统的研究。但仍然取得了一些成绩，如唐红芳对汽轮机转子和汽缸的二维模型进行了分析，建立了有限元模型，并采用C++语言编制了汽轮机以及缸体的温度场实时在线监测程序[1]；张秀斌、王广伟等应用比例风险模型（PHM）建立系统运行状态与故障率之间的关系，并给出了维修状态阈值[2]；袁志坚提出了一种电力变压器状态维修策略的模糊多属性群决策方法，并通过某一变压器状态维修方案的决策过程，采用折衷型群决策方法具体探讨了模糊多属性群决策方法在变压器状态维修决策中的应用[3]；董玉亮提出了多状态特征参数变权模糊综合状态评价方法，利用设备的监测诊断、维修历史数据等信息，使状态评价的结果更贴近设备的实际运行状态，并利用这些结果建立了维修任务决策及优化模型[4]；吕文元、杨远涛等利用滤波理论建立设备预测维修的优化模型[5]；北京航空航天大学曾声奎结合故障预测与健康管理（PHM）的技术发展过程，阐述了PHM的应用价值[6]；邱立鹏在其硕士论文中阐述了基于各种指标的预测分析技术，并使用C++开发了一套完整的基于Microsoft Window9x对设备剩余寿命进行分析和预测的软件[7]。

1先进传感器技术

精确、及时、高效的数据是应用CBM的基础，而传感器作为获取装备状态数据的一种有效工具，在CBM系统中具有重要的作用。传感器技术作为一门专项技术，是以传感器为核心，涉及测量技术、功能材料、微电子技术、精密与微细加工技术、信息处理技术和计算机技术等相互融合的技术密集型综合技术，其发展趋势主要体现在：发现新效应，开发新材料、新功能；向多功能集成化和微型化发展；传感器的数字化、智能化和网络化发展趋势日益明显。

目前有很多先进的传感器技术被应用于CBM系统中，如光纤传感器、压电传感器、碳纳米管、微电子机械系统等，这些新型的传感器具有精度高、使用范围广、工作温度范围大、智能化程度高等特点。在CBM系统中应用传感器主要涉及两个问题：

1.1传感器的选择

传感器的选择是获取装备状态数据的首要环节，这是因为传感器一旦确定，与之相匹配的数据处理、故障诊断及其相关仪器设备也就确定。因此测试结果的好坏，在很大程度上取决于传感器的选取是否恰当。传感器选择的一般步骤如图1所示。

1.2传感器的安装与使用

传感器作为一种精密器件，只有正确的安装与使用才能发挥其应有的工作性能，因而在其安装与使用过程中，除了要遵循精密器件一般安装使用规定外，还需要特别遵守如下注意事项：1）选择合适的测试点并正确安装传感器；2）为确保被测信号的有效、准确传输，传感器的电源电缆、数据传输线要符合规定，正确安装；3）传感器的定期标定与校准是保证数据采集系统正常功能的必要步骤。

2数据传输与预处理技术

2.1数据传输技术

目前主要有两种数据传输方式，即有线传输和无线传输。有线传输是较为成熟的一种传输方式，主要是通过各种有线数据总线和各种网络如Internet、Ethernet LAN（local area network）等进行数据的传输，并且大多都有各种通信标准、网络协议如TCP/IP、UDP/IP等可以遵循。其数据传输的一般过程是，首先通过各种线缆将传感器的数据采集并存储在部件级的监测系统中，然后通过特定的有线网络将部件级的监测数据传输到中央级存储和监测处理系统。图2为两种数据传输方式的简单系统构成。

2.2数据预处理技术

由于不同的状态监测、健康评估和故障预测方法要求不同的数据类型，需要对采集的原始数据信息进行各种预处理，以使数据格式满足后续处理的要求，同时也将便于传输和存储。预处理包括数据的模数转换、去噪声、高通滤波、压缩、信号自相关等。数据处理方式和技术要根据不同的目的进行选择，如特征提取技术是为了进行故障识别和故障隔离；数据简化是为了剔除不必要冗余的原始数据便于进一步处理；循环计数方法则是为了便于将连续的数据信息转化为离散的数据信息等。

3信息融合技术

传统的信息/数据融合是指多传感器的信息/数据在一定准则下加以自动分析、综合以完成所需的决策和评估而进行的信息处理过程。

信息融合系统的结构目前尚无形成统一的分类形式，从信息融合的功能角度，可将信息融合过程分为5层，即：检测级（判决）融合、状态级（跟踪）融合、属性级（目标识别）融合、态势评估和威胁估计，如图3所示，其中状态评估和威胁估计主要用于军事领域。

检测级融合的功能主要是判断目标的有无；状态级融合的功能是估计目标的状态（距离、运动速度等）；属性级融合的目的是确定目标的身份。这3个层次的融合各有特点。在具体的应用中应根据融合的目的和条件选用。

4结论

本文贯穿车辆CBM应用流程的整个环节，利用RCM分析方法确定CBM的实施对象，明确了CBM在车辆维修中的关键技术，分析了关键技术的具体内容，为车辆开展状态维修提供了技术支持。

参考文献：

[1] 唐红芳. 汽轮机寿命在线监测与管理技术研究[D]. 保定：华北电力大学（硕士论文），2004.

[2] 张秀斌，王广伟. 应用比例故障率模型进行基于状态的视情维修决策[J]. 电子产品可靠性与环境试验，2002(4):19-22.

[3] 袁志坚，孙才新，袁张渝,等. 变压器健康状态评估的灰色聚类决策方法[J]. 重庆大学学报，2005,28(3):22-25.

[4] 董玉亮. 发电设备运行与维修决策支持系统研究[D]. 北京：华北电力大学（博士论文），2005.

统计预测与决策论文篇（7）

关键词：

人力资源预测；马尔可夫链模型；转移概率

中图分类号：F24

文献标识码：A

文章编号：16723198（2013）02009702

人力资源是企事业单位生存和发展的重要条件，是一种特殊的经济资源，是生产过程中能动的生产要素，它对经济发展有决定性影响。如何根据人才的流动情况对企事业单位中各类职位进行合理化配置，取决于能否利用有效的方法对企事业单位人力资源供需进行预测，合理的引进人才。本文仅以马尔可夫链模型这一定量化方法来对企事业单位的人力资源进行预测。

1基础理论

1.1模型简介

我们在考察受随机因素影响的动态系统时，常会碰到这样的情况：系统在每个时段所处的状态是随机的，从这个时段到下个时段的状态是按照一定的概率进行转移的，并且下个时段的状态只取决于这个时段的状态和转移概率，与以前的各时段状态无关。马尔可夫链模型在经济、社会、生态、遗传等众多领域有着广泛的应用，本文利用马尔可夫链模型对人力资源方面进行预测研究。

1.2马尔可夫模型

马尔可夫模型是用来预测具有等时间隔（如一年）的时刻点上各类人员的分布状况。其基本思想是：找出过去人事变动的规律，以此来推测未来的人事变动趋势。步骤如下：

（1）根据历史数据计算各类人员的转移率，迁出转移率的转移矩阵；

（2）统计作为初始时刻点的各类人员的分布状况；

（3）建立马尔可夫模型，预测未来各类人员的供给状况。

马尔可夫模型基本方程为：

公式中：X（k）表示趋势分析与预测对象在t=k时刻的状态向量，P表示转移概率矩阵。X（k+1）表示趋势分析与预测对象在t=k+1时刻的状态向量。

2模型应用

根据对安康市高新区管委会各类人员人数的问卷调查的统计结果，给出安康市高新区管委会高层决策人员、经营管理人才（中层管理人才）、技术人才（招商人员、融资人员、执法人员、规划及建设人才）的人数统计如下：高层决策人员7人；经营管理人才32人；技术人才133人；现有编制172个，则三类人员占总编制的比例为

我们假设高层决策人员和经营管理人才人数不会大量增加只会流动；经营管理人才和技术人才人数会大量增加以及流动。

现在建立马尔可夫链模型，根据对安康市高新区管委会各类人员人数的问卷调查的统计结果显示，2012年安康市高新区管委会高层决策人员、经营管理人才、技术人才人数用初始向量R0=（7，32，133，46）。假设安康市高新区管委会三类人员每年的流动情况为：高层决策人员有80%留下，其余离职；经营管理人才有60%留下、50%高层决策人员、35%离职；技术人才有70%留下、20%经营管理人才、10%离职。各类人员进入高新区管委会的三类人员总数是每年大约25.98%的速度递增，则各类人员平均每年补充2、9和35名高层决策人员、经营管理人才和技术人才，则2012年与2013年平均补充总人数46人，则转移矩阵为

以上为三阶段。

必须指出的是，上述模型只适用于具有马尔可夫性的时间序列，并且各时刻的状态转移概率均保持稳定。若时间序列的状态转移概率随不同的时刻在变化，不宜用此方法。由于实际的客观事物很难长期保持同一状态的转移概率，故此法一般适用于短期的趋势分析与预测。所以只能根据近两年高新区管委会的数据做近似估计计算，故转移矩阵的构造存在一定的误差。为精确计算可以在每年统计一次三类人员的流动情况，在未来的几年修正转移矩阵，则以后得出的数据将更加的精确。另外，在计算人数的时候采取四舍五入的方式取整也是导致误差出现的一个方面。

3结束语

基于马尔科夫模型的企事业单位人力资源供给预测方法是一种比较有效、便捷的方法，在运用和分析时，最关键的一步就是转移概率矩阵的给出。转移概率的准确性将直接影响到预测结果分析，甚至影响到重要的决策质量。因此，这种预测方法有待进一步探讨与改进。

参考文献

[1]姜启源，谢金星.数学模型（第三版）[M].北京：高等教育出版社，2003.

[2]盛骥等.概率论与数理统计（第二版）[M].北京：高等教育出版社，1989.

[3]李一，霍开杰.马尔可夫模型对企业人力资源的流动分析[J].现代管理科学，2008，（01）.

[4]曹晓丽.马尔可夫模型在人力资源预测中的应用[J].统计与决策，2005，（13）.

统计预测与决策论文篇（8）

课题来源：单位自拟课题或省政府下达的研究课题

选题依据：

技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新决策提供科学的依据,以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,企业的技术创新决定着企业生存和发展、前途与命运,为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。

二、本课题国内外研究现状及发展趋势

现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。

(1)趋势外推法。指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在分析判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家RaymondPearl提出的Pearl曲线(数学模型为:Y=L∕[1+A?exp(-B·t)])及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为:Y=L·exp(-B·t))皆属于生长曲线,其预测值Y为技术性能指标,t为时间自变量,L、A、B皆为常数。Ridenour模型也属于生长曲线预测法,但它假定新技术的成长速度与熟悉该项技术的人数成正比,主要适用于新技术、新产品的扩散预测。

(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。

(3)专家预测法。以专家意见作为信息来源,通过系统的调查、征询专家的意见,分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等,其中,德尔菲法吸收了前几种专家预测法的长处,避免了其缺点,被认为是技术预测中最有效的专家预测法。

趋势外推法的预测数据只能为纵向数据,在进行产品技术创新预测时,只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势,并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中,对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推,而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测,但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式,而所得到的回归预测模型往往只能考虑少数几种主要影响因素,略去了许多未考虑的因素,所以,所建模型对实际问题的表达能力也不够准确,预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验,往往带有主观性,难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献,为企业技术创新的预测提供了科学的方法论,但在新的经济和市场环境下,技术创新预测的方法和技术应有新的丰富和发展,以克服自身的不足,更进一步适应时展的需要,为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。

目前,在我国企业技术创新评估中,一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性,在对此四方面内容逐个分析后,再作综合评估。在综合评估中所用的方法主要有:Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、时变性和不确定性,同时,还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。

这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础,BP神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,从输入层输入影响产品技术创新预测值和评估值的n个因素信息,经隐含层处理后传入输出层,其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置,考虑了概括性和动态性,力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素,尽管是黑匣子式的预测和评估,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。

据文献查阅,虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下,以神经网络为基础来建立产品技术创新预测与评估模型,是对技术创新定量预测和评估方法的有益补充和完善。

三、论文预期成果的理论意义和应用价值

本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术,丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。

本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术,有利于提高预测的正确性;（2）提供一种基于BP神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。

四、课题研究的主要内容

研究目标：

以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。

研究内容：

1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手,密切结合电子商务和知识经济对企业技术创新的影响,系统综合地分析影响产品技术创新的各相关因素,建立科学的企业技术创新预测和评估指标体系,并研究其量化和规范化的原则及方法。

2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时,需要一组决定其相对重要性的初始权重,权重的确定需要基本的原则作支持。

3、基于BP神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以BP神经网络为基础,构建基于多因素的技术创新预测和评估模型。

4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点,设计其相应的计算方法。

5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料,构建基于BP神经网络的技术创新预测和评估模型的学习样本,对预测和评估模型进行自学习和训练,使模型适合实际情况。

6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景,对基于BP神经网络的技术创新预测和评估技术进行实证研究。

创新点：

1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面,一种是采用传统的指标体系,另一种是采用国外先进国家的指标体系,如何结合我国实际当前经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,这是一项创新。

2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,本项目首次将神经网络技术引入企业的技术创新预测和评估,这也是一项创新。

五、课题研究的基本方法、技术路线的可行性论证

1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。

2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。

3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。

4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。

六、开展研究已具备的条件、可能遇到的困难与问题及解决措施

本人长期从事市场营销和技术创新方面的研究工作,编写出版了《现代市场营销学》和《现代企业管理学》等有关著作,发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文,对企业技术创新的预测和评估有一定的理论基础,也从事过企业产品技术创新方面的策划和研究工作,具有一定的实践经验,与许多企业有密切的合作关系,同时,对神经网络技术也进行过专门的学习和研究,所以,本项目研究的理论基础、技术基础及实验场所已基本具备,能顺利完成本课题的研究,取得预期的研究成果。

七、论文研究的进展计划

2003.07-2003.09：完成论文开题。

2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。

2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。

2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。

2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。

2004.04-2004.06：完成论文写作、修改定稿，准备答辩。

主要参考文献：

[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998

[02]吴贵生.技术创新管理.北京:清华大学出版社2000

[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997

[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.

[05]王亚民、朱荣林.风险投资项目ECV评估指标与决策模型研究.风险投资.2002/6

[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6

[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5

[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88

[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1

[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4

<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4

[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4

[13]杨力.基干BP神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4

[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的BP神经网络模型.统工程理论与实践.2002/4

[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1

[16]胥悦红、顾培亮.基于BP神经网络的产品成本预测.管理工程学报.2000/4

[17]陈新辉、乔忠.基于TSA-BP神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5

[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3

[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5

[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6

[21]KimB.Clark&TakahiroFujimoto.ProductDevelopmentPerformance–Strategy、OrganizationandManagementinIndustry.HarvardBusinessSchoolPress.Boson1993

[22]GobeliDH,BrownDJ.Improvingtheprocessofproductinnovation.Research,TechnologyManagement,1993.36（2）:46-49

[23]SimonJ.Towner.Fourwaystoacceleratenewproductdevelopment.LongRangPlanning1994.27（2）:57-65

[24]AbdulAli,etal.Productinnovationandentrystrategy.JournalofProductInnovationManagement1995.12（12）:54-69

[25]EricVinHippel.ThesourcesofInnovation.OxfordUniversityPress.1988

[26]ShtubA,ZimermanY.Aneural-network-basedapproachforestimatingthecostofassembly.InternationalJournalofProductionEconomics,1993.32:189-207

[27]Wee-LiangTan,DattarreyaG.Allampalli,InvestmentCriteriaofSingaporeCapitalists,1997InternationalCouncilforSmallBusiness,SanFrancisco,California,June1997

[28]MichaelHenos,TheRoadtoVentureFinancing:GuidelinesforEntrepreneuts,R&DStraregistMagazine,Summer1991

[29]ChowGC,TheLargrangeMethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.JofEconomicDymamicsandControl1996

[30]Jensen,R..InformationCostandInnovationAdoptionPolicies,ManagementScience.Vol.34,No.2,Feb,1988

统计预测与决策论文篇（9）

论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究

课题来源：单位自拟课题或省政府下达的研究课题

选题依据：技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估， 可以使企业对未来的技术发展水平及其变化趋势有正确的把握， 从而为企业的技术创新决策提供科学的依据， 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下， 企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中， 企业的技术创新决定着企业生存和发展、前途与命运， 为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。

二、本课题国内外研究现状及发展趋势

现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。

(1) 趋势外推法。指利用过去和现在的技术、经济信息， 分析技术发展趋势和规律， 在分析判断这些趋势和规律将继续的前提下， 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家Raymond Pearl提出的Pearl曲线(数学模型为： Y=L?[1+A?exp(-Bt)] )及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为： Y=Lexp(-Bt))皆属于生长曲线， 其预测值Y为技术性能指标， t为时间自变量， L、A、B皆为常数。Ridenour模型也属于生长曲线预测法， 但它假定新技术的成长速度与熟悉该项技术的人数成正比， 主要适用于新技术、新产品的扩散预测。

(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息， 建立预测对象与影响因素的因果关系模型， 预测技术的发展变化。相关分析法认为， 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的， 这样， 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种： 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。

(3)专家预测法。以专家意见作为信息来源， 通过系统的调查、征询专家的意见， 分析和整理出预测结果。专家预测法主要有： 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等， 其中， 德尔菲法吸收了前几种专家预测法的长处， 避免了其缺点， 被认为是技术预测中最有效的专家预测法。

趋势外推法的预测数据只能为纵向数据， 在进行产品技术创新预测时， 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势， 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中， 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推， 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测， 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式， 而所得到的回归预测模型往往只能考虑少数几种主要影响因素， 略去了许多未考虑的因素， 所以， 所建模型对实际问题的表达能力也不够准确， 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验， 往往带有主观性， 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献， 为企业技术创新的预测提供了科学的方法论， 但在新的经济和市场环境下， 技术创新预测的方法和技术应有新的丰富和发展， 以克服自身的不足， 更进一步适应时展的需要， 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。

目前，在我国企业技术创新评估中， 一般只考虑如下四个方面的因素： (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性， 在对此四方面内容逐个分析后， 再作综合评估。在综合评估中所用的方法主要有： Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等， 但技术创新的评估是一个非常复杂的系统， 其中存在着广泛的非线性、时变性和不确定性， 同时， 还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法， 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究， 在我国的历史还不长， 无论是指标体系还是评估方法， 均处于研究之中， 我们认为目前在企业技术创新评估方面应做的工作是： (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。

这种情况下， 神经网络技术就有其特有的优势， 以其并行分布、自组织、自适应、自学习和容错性等优良性能， 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题， 它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础， BP神经网络由输入层、隐含层和输出层构成， 各层的神经元数目不同， 由正向传播和反向传播组成， 在进行产品技术创新预测和评估时， 从输入层输入影响产品技术创新预测值和评估值的n个因素信息， 经隐含层处理后传入输出层， 其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置， 考虑了概括性和动态性， 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素， 尽管是黑匣子式的预测和评估， 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合， 输出一个经非线性变换后较为精确的预测值和评估值。

据文献查阅， 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等， 但尚未发现将神经网络应用于技术创新预测与评估方面的研究， 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下， 以神经网络为基础来建立产品技术创新预测与评估模型， 是对技术创新定量预测和评估方法的有益补充和完善。

三、论文预期成果的理论意义和应用价值

本项目研究的理论意义表现在： (1) 探索新的技术创新预测和评估技术， 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估， 有利于推动技术创新预测和评估方法的发展。

本项目研究的应用价值体现在： (1) 提供一种基于多因素的技术创新定量预测技术， 有利于提高预测的正确性; (2)提供一种基于BP神经网络的综合评估方法， 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。

四、课题研究的主要内容

研究目标：

以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型， 并建立科学的预测和评估指标体系及设计相应的模型计算方法， 结合企业的具体实际， 对指标和模型体系进行实证分析， 使研究具有一定的理论水平和实用价值。

研究内容：

1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手， 密切结合电子商务和知识经济对企业技术创新的影响， 系统综合地分析影响产品技术创新的各相关因素， 建立科学的企业技术创新预测和评估指标体系， 并研究其量化和规范化的原则及方法。

2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时， 需要一组决定其相对重要性的初始权重， 权重的确定需要基本的原则作支持。

3、基于BP神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点， 以BP神经网络为基础， 构建基于多因素的技术创新预测和评估模型。

4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点， 设计其相应的计算方法。

5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料， 构建基于BP神经网络的技术创新预测和评估模型的学习样本， 对预测和评估模型进行自学习和训练， 使模型适合实际情况。

6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景， 对基于BP神经网络的技术创新预测和评估技术进行实证研究。

创新点：

1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面， 一种是采用传统的指标体系， 另一种是采用国外先进国家的指标体系， 如何结合我国实际当前经济形势， 参考国外先进发达国家的研究工作， 建立一套适合于我国企业技术创新预测和评估指标体系， 此为本研究要做的首要工作， 这是一项创新。

2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能， 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题， 本项目首次将神经网络技术引入企业的技术创新预测和评估， 这也是一项创新。

五、课题研究的基本方法、技术路线的可行性论证

1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素， 并研究影响因素间的内在联系， 确定其相互之间的重要度， 探讨其量化和规范化的方法， 将国外先进国家的研究成果与我国具体实际相结合， 建立我国企业技术创新预测和评估的指标体系。

2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中， 发现问题、分析问题， 归纳和总结出具有共性的东西， 探索技术创新预测与宏观因素与微观因素之间的内在关系。

3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究， 先从某一行业出发， 定义模型的基本输入因素， 然后， 逐步扩展， 逐步增加模型的复杂度。

4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合， 进行实证研究， 在实践中丰富和完善， 研究出具有科学性和实用性的成果。

六、开展研究已具备的条件、可能遇到的困难与问题及解决措施

本人长期从事市场营销和技术创新方面的研究工作， 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作， 发表了企业技术创新与营销管理创新、企业技术创新与营销组织创新及企业技术创新与营销观念创新等与技术创新相关的学术研究论文， 对企业技术创新的预测和评估有一定的理论基础， 也从事过企业产品技术创新方面的策划和研究工作， 具有一定的实践经验， 与许多企业有密切的合作关系， 同时， 对神经网络技术也进行过专门的学习和研究， 所以， 本项目研究的理论基础、技术基础及实验场所已基本具备， 能顺利完成本课题的研究， 取得预期的研究成果。

七、论文研究的进展计划

2003.07-2003.09：完成论文开题。

2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。

2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。

2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。

2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。

2004.04-2004.06：完成论文写作、修改定稿，准备答辩。

主要参考文献：

[01] 傅家骥、仝允桓等。 技术创新学。 北京： 清华大学出版社 1998

[02] 吴贵生。 技术创新管理。 北京： 清华大学出版社 2000

[03] 柳卸林。 企业技术创新管理。 北京： 科学技术出版社 1997

[04] 赵志、陈邦设等。 产品创新过程管理模式的基本问题研究。 管理科学学报。 2000/2.

[05] 王亚民、朱荣林。 风险投资项目ECV评估指标与决策模型研究。 风险投资。 2002/6

[06] 赵中奇、王浣尘、潘德惠。 随机控制的极大值原理及其在投资决策中的应用。 控制与决策。 2002/6

[07] 夏清泉、凌婕。 风险投资理论和政策研究。 国际商务研究。 2002/5

[08] 陈劲、龚焱等。 技术创新信息源新探。 中国软科学。 2001/1. pp86-88

[09] 严太华、张龙。 风险投资评估决策方法初探。 经济问题。 2002/1

[10] 苏永江、李湛。 风险投资决策问题的系统分析。 学术研究。 2001/4

[11] 孙冰。 企业产品开发的评价模型及方法研究。 中国管理科学。 2002/4

[12] 诸克军、杨久西、匡益军。 基于人工神经网络的石油勘探有利性综合评价。 系统工程理论与实践。 2002/4

[13] 杨力。 基干BP 神经网络的城市房屋租赁估价系统设计。 中国管理科学。 2002/4

[14] 杨国栋、贾成前。 高速公路复垦土地适宜性评价的BP神经网络模型。 统工程理论与实践。 2002/4

[15] 楼文高。 基于人工神经网络的三江平原土壤质量综合评价与预测模型。 中国管理科学。 2002/1

[16] 胥悦红、顾培亮。 基于BP神经网络的产品成本预测。 管理工程学报。 2000/4

[17] 陈新辉、乔忠。 基于TSA-BP神经网络的企业产品市场占有率预测模型。 中国农业大学学报。 2000/5

[18] 刘育新。 技术预测的过程与常用方法。 中国软科学。 1998/3

[19] 温小霓、赵玮。 市场需求与统计预测。 西安电子科技大学学报。 2000/5

[20] 朱振中。 模糊理论在新产品开发中的应用。 科学管理研究。 2000/6

[21]Kim B. Clark Takahiro Fujimoto. Product Development Performance Strategy、Organization and Management in Industry. Harvard Business School Press. Boson 1993

[22] Gobeli D H, Brown D J. Improving the process of product innovation. Research, Technology Management, 1993. 36(2)：46-49

[23]Simon J.Towner. Four ways to accelerate new product development. Long Rang Planning 1994. 27(2)：57-65

[24]Abdul Ali,et al. Product innovation and entry strategy. Journal of Product Innovation Management 1995. 12(12)：54-69

[25]Eric Vin Hippel. The sources of Innovation. Oxford University Press. 1988

[26] Shtub A, Zimerman Y. A neural-network-based approach for estimating the cost of assembly. International Journal of Production Economics, 1993. 32: 189-207

[27] Wee-Liang Tan, Dattarreya G. Allampalli, Investment Criteria of Singapore Capitalists, 1997 International Council for Small Business, San Francisco, California, June 1997

[28]Michael Henos, The Road to Venture Financing: Guidelines for Entrepreneuts, RD Straregist Magazine,Summer 1991

[29]Chow GC, The Largrange Method of optimization with applications to portfoli and investment decisions. J of Economic Dymamics and Control 1996

[30]Jensen, R Information Cost and Innovation Adoption Policies, Management Science. Vol.34, No.2, Feb, 1988

统计预测与决策论文篇（10）

随着人们对统计数据分析的细化和深化等多方面的需求，统计数据质量观念也随之变化，学界开始从统计数据提供者、生产者和用户等多个角度来考察数据质量，准确性已不再是用户对统计数据质量的唯一需求。为此，有关国际组织和各国统计机构从满足用户需要的角度出发完善和丰富了统计数据质量的概念。如美国的《统计科学百科全书》给出统计数据质量涵义：一是产品的质量由现在以及潜在用户对产品再使用过程中的相合性决定的；二是统计数据质量所涉及的统计数据在多大程度上满足用户对统计信息的需求和期待的各个方面。欧洲统计局提出了统计数据质量的涵义包括数据适用性、准确性、及时性、可取得性、衔接性、可比性、方法专业性或完全性等维度。另外，加拿大统计局、荷兰统计局等欧美统计机构给出了统计数据的不同维度框架。归纳其结论，及时性是除了准确性之外统计数据质量概念共有的内涵。

统计数据及时性是统计数据用户或潜在用户对统计数据时间的需求和期待，它是统计数据质量在时间上的体现。宏观经济统计数据的及时性要求政府统计机构通过统计方法的革新，信息技术的应用等措施以提高统计数据的及时性，完善制度以便用户及时获取统计信息。一般情况下，所见文献对数据及时性是通过调查基准期与统计数据时间之间的间隔长度进行测量，认为用户获得数据的时间越早越好，并没有从满足用户对统计数据时间的需求和期待的角度进行评价，其有效性无法给出具体评判。依据统计数据及时性涵义，统计数据及时性评价是针对用户运用统计数据对未来情况预测和决策的有效性评价，如果用户获得的统计数据能对未来情况做出有效预测和决策，则说明该统计数据具有及时性，反之，则该统计数据不满足及时性要求。本文认为某一经济因素会对未来经济状况产生持续的影响，为了发挥该因素统计数据的有效决策价值，获得该因素数据的时间至少不应当超过该因素对未来经济情况产生影响的平均时间长度。基于以上思想，从该因素数据发挥效应的平均滞后时间的角度对数据质量的及时性进行诊断。

二、诊断模型的构建

（一）假设的提出区域宏观经济是一个相互联系、相互影响的系统，宏观经济各个因素的统计指标之间存在着相互影响的因果关系。对于区域宏观经济系统，应当建立宏观经济系统模型予以描述其各个因素的数据生成原理。为了定量研究宏观经济统计数据质量的及时性，本文对宏观经济系统有以下假设：1．宏观经济各个指标的统计数据是采用同一时间一次性。这一假定符合中国统计数据的制度，与我国统计数据的实际情况一致。2．用户需求的统计指标之间存在因果关系，且这种因果关系可以用线性或广义线性模型予以描述。对区域未来某期经济情况的判断总是依据现有的若干影响指标予以判断，如对区域未来某时期国内生产总水平（GDP）情况作预测，需要选择GDP的影响因素并构建滞后变量模型，根据各影响因素指标对GDP决策的滞后期长度来确定各指标数据的及时性。

（二）诊断方法设计依据经济理论，本文认为地区生产总产值（GDP）主要受当期或过去各期的投资（I）和零售品消费（LSE）两个主要因素影响，因此，可以构建区域国内生产总值（GDP）的滞后模型，具体由式（1）给出。由于决策目标变量不同，对影响变量的及时性要求也不尽相同。实际上，获取当期数据对于决策来说是最有效的数据，但是现实中也不可能实现数据即时的收集和，依据模型确定的最长滞后期对于决策目标变量来说也不合适，这时获得数据的有效性几乎不大了。因此，指标时期小于决策所需平均滞后时间长度就可以满足对目标变量的决策需要。所以，依据影响变量对决策变量的平均滞后时间（MLT）与数据时期长度进行比较，就能够评价影响变量数据的及时性水平。定义2给出的测度工具是评价一套统计数据及时性的综合工具。这里，我们是对p个指标的及时性水平求向量平均模长，其数值大小表示一套数据的及时性综合水平，在实际应用中，也可以对各个指标进行加权综合。同样，当η1说明一套指标整体及时性较好，能够满足决策需要；当η＜1说明一套指标整体及时性较差，不能满足决策需要。

三、宏观经济统计数据及时性诊断的实证分析

本文依据国家统计局提供的选择全国2008—2012年季度各指标的统计数据，利用模型（1）和模型（2）的理论模型，运用EVIEWS软件估计出全国地区生产总值（GDP）的回归方程（3）：回归方程（5）的拟合优度为0．9860，显著性检验F统计量为352．4158，说明模型整体拟合效果良好；回归方程中各参数显著性检验T统计量绝对值均比较大，说明方程参数估计结果显著。同样，通过EVIEWS软件估计出全国区域消费品零售总额（LSE）的回归方程（6）：回归方程（6）的拟合优度及显著性检验结果均说明模型拟合效果良好，参数T检验系数显著，参数估计结果显著。上面建立的回归方程（5）和方程（6）中的各影响因素变量的滞后期长度，均依据AIC信息最小准则确定。根据全国2008—2012年宏观经济季度数据，在建立的回归方程（5）、（6）的基础上，利用公式（3）计算出全国宏观经济数据：投资（I）、零售品销售总额（LSE）、地区生产总值（GDP）、财政支出（CZS）、财政收入（CZZ）等影响因素对相应被解释变量的平均滞后期见表1：根据中国宏观经济季度统计数据公布的制度，国家统计局对全国宏观经济各季度统计数据的公布，一般都是滞后15天左右。因此有t0＝1590＝0．1667，将此数据代入公式（4）计算各影响因素的统计指标数据的及时性测度ηxy，具体结果由表2给出。对于宏观决策目标地区生产总值和零售品销售总额来说，表2显示了投资、零售品销售总额、地区生产总值、财政支出和财政收入等指标数据质量的及时性水平。对于一套数据的及时性综合评价，依据定义的及时性综合测度工具有五个指标及时性的综合水平为η＝3．9623，显然，我国宏观经济数据对于预测与决策及时性较好，数据质量的及时性水平较高。

统计预测与决策论文篇（11）

1 概述

公共卫生是一个涉及微观结构和宏观系统的多分支科学，大量与宏观有关的事件具有空间分布特点。将地图和空间分析应用于卫生决策研究中，至少可追溯到1854年John 应用GIS技术研究伦敦宽街水井污染引起霍乱爆发，为卫生部门果断封闭污染水井控制霍乱继续流行起到了非常关键的作用。而在通常的卫生决策研究中，地理因素是需要考虑的一个重要方面， 众多的卫生事件都具有空间属性。GIS作为一种新的科学研究方法和手段，在医疗卫生各个领域的应用也不断扩大和深入。GIS技术在公共卫生管理领域的应用不仅可以促进理论研究的提高，同时也使突发公共卫生事件应急指挥辅助决策信息系统的建设成为可能。

目前国内关于GIS在公共卫生领域的应用主要集中在血吸虫、症疾、流行性出血热、蜱传脑炎等疾病的空间分布研究， 使用地理信息系统(GIS) 与空间遥感(RS)技术结合， 对空间相关数据进行输入、管理、分析、模拟和显示，为流行病的研究和决策提供信息技术支持，取得良好的效果。在我国GIS 及RS 应用于流行病学研究虽然已有一定的进展， 但由于地图边界和遥感图像的价格昂贵，使进一步扩大其应用还存在一定困难。

2003年，在我国及世界范围内爆发了非典型肺炎。这种传染病通过呼吸道进行传播，传播速度快，危害面广。政府和有关防疫部门在及时采取有效的防治措施的同时，运用GIS平台，快速建立了应用于非典型肺炎疫情监测的地理信息系统。由于GIS具有交互定位和逻辑查询以及广泛的关系数据库连接能力，可以有效帮助疾病预防控制机构完成疫点定位、疫情事件分析、绘制疫情危害图、现场工作情况实时采集传送、人员派遣、规划、显示各类医疗卫生机构分布图、重点单位基本状况分布图、紧急调度和路径优化等任务， 从而在有限的资源条件下，最大限度地提高应急处理效率、降低疫情危险程度，基于GIS 的突发公共卫生事件应急指挥辅助决策系统的研究开始出现。

2 系统构建和设计实现

2. 1 系统设计目标

基于GIS 的突发公共卫生事件应急指挥辅助决策系统的目标是综合运用先进的计算机工程、卫生统计学、地理信息系统、决策支持系统、数据仓库及人工智能等技术手段，建立一个能为各级卫生行政部门和疾病预防控制机构提供全过程、多层次的信息服务和多种支持手段的应急指挥和辅助决策系统。系统能快速、及时、准确地收集、处理和存储实时突发事件信息和其他相关信息，以超媒体(文字、声音、影像等) 方式显示各类信息。该系统采用标准Web服务器―应用服务器―数据库服务器的三层计算结构，应用分布式面向对象设计方法、安全TCP/IP协议及Geo information Web Service技术，最终目标是以基础空间地理数据及各类专题图形数据为基础，建立预警指标数据库、危机事件数据库、预测与评价模型库、应急指挥预案库、领导决策知识库， 以信息报告―采集―录入―管理―分析―决策为主线，建立高效查询及分析机制，提高突发公共卫生事件的应急处理和指挥调度能力，为突发公共卫生事件决策指挥提供科学依据和技术支撑。

2. 2 系统的体系结构

系统采用开放式的网络结构设计，系统中各子系统之间、系统与其他相关系统之间都可以容易地实现互连互通，充分保证了系统的开放性。

2. 3 系统的功能结构

突发公共卫生事件应急指挥辅助决策系统的总体功能是辅助指挥调度和决策支持，可将系统总体功能划分为八个方面：信息收集分析、预警报告、资源整合调动、指挥统一协调、评估及时客观、联系视频直观、使用内部联动和外延接口灵活。

3 系统的功能及其特点

针对突发公共卫生事件处置的应急管理特点，系统沿应急准备、监测分析、预测预警、反应处置、事件终止、恢复重建、评估完善的流程进行运行，循环反复不断提升系统的应急处理支持能力。

(1) 应急准备：应急中心开展培训、演练和研究工作， 模拟应急业务提高应急处理能力；完善相关政策法规、预案；规划储备应急医疗卫生资源等，建立突发公共卫生事件的防控体系。

(2) 监测分析：应急中心负责接收、分派、核实与处理事件的报告，协调组织疾病预防控制机构开展突发公共卫生事件的预防和监测工作，获取动态监测、事件调查和疫情评估信息，跟踪事态发展。主要分析方法有：空间分布分析， 时间历史曲线分析，动态演变分析，病例的逗留、影响和交叉分析，卫生统计学分析，扩散模式分析，流行转归分析等。

(3) 预测预警：根据突发公共卫生事件处置流程与预案，应急中心组织专家进行事件评估，并针对评估结果预警信息，针对相关突发事件快速开展有关工作准备，落实预案与方案涉及工作的准备情况，及时通报与汇报进展情况。

(4) 反应处置：按照有关规定启动预案，根据预案迅速指挥与执行工作，有条不紊地组织调度人员与物资，开展应急的专业处理与相关配合工作。同时根据反馈情况，动态评估事件的发展情况，及时调整处置措施，最大限度地减少损失。

(5) 事件终止：当突发公共卫生事件的隐患或相关因素被消除；最后一例病人发生后，经过一个最长潜伏期无新的病例出现。

(6) 恢复重建：突发事件结束后，应急中心快速开展从应急状态恢复到正常状态的工作。有计划地补充应急处理阶段所消耗的储备资源，逐步恢复正常的生产生活。

(7) 评估完善：应急中心进行科学总结，完善相关预案， 开展应急处置研究和探讨，总结经验和教训，制订有针对性的防控措施等，提高应急处理能力。

4 实例运用

用本文研究的几个主要技术方法，结合软件工程的基本思想，开发的基于GIS 技术的省级突发公共卫生事件应急指挥辅助决策系统。该系统包括的区域范围将近20万平方公里，地表模型用数字地图生成，并将河流、湖泊、公路、居民区等地表特征物以面的形式覆盖在数字地表模型上。系统在运行初期只包含了事件定位、信息的上传下达等，但其提供相应功能使用后可以完成事件处置各过程。通过在现场的实际运用，该系统可以较好地实现各项交互功能，完成系统理论上应提供的功能。

5 总结与展望

通过合理的利用三维模型构建和模式设计方法，提出了一种基于GIS的突发公共卫生事件应急指挥辅助决策系统的设计方案和实现方法，并在卫生应急管理中得以实现。由于本系统采用合理的软件体系和模块化设计模式，将来也可以方便地成为应急培训和模拟演练、传染病疫情分析和突发事件医疗卫生救援预案设计等高层应用。

参考文献