您的位置: 专家智库 > >

张俊深

作品数:2 被引量:18H指数:1
供职机构:西南财经大学经济学院更多>>
发文基金:国家杰出青年科学基金国家社会科学基金更多>>
相关领域:经济管理更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇经济管理

主题

  • 1篇园区
  • 1篇人员伤亡
  • 1篇伤亡
  • 1篇神经网
  • 1篇神经网络
  • 1篇能源
  • 1篇能源消费
  • 1篇组合预测
  • 1篇网络
  • 1篇围城
  • 1篇污染
  • 1篇化工
  • 1篇化工园区
  • 1篇环境污染
  • 1篇爆炸事故
  • 1篇BP神经
  • 1篇BP神经网
  • 1篇BP神经网络
  • 1篇GM(1,1...
  • 1篇城市

机构

  • 2篇西南财经大学

作者

  • 2篇张俊深
  • 1篇袁程炜
  • 1篇张得

传媒

  • 1篇统计与决策
  • 1篇生态经济

年份

  • 1篇2016
  • 1篇2015
2 条 记 录,以下是 1-2
排序方式:
“化工围城”之痛及解决之道被引量:1
2015年
天津港‘8·12”爆炸事故造成了重大人员伤亡、经济损失和社会影响,再次将我国城市发展所面临盼‘化工围城”困境推上风口浪尖。据工信部部长苗圩透露,天津爆炸事故发生后,各省纷纷上报搬迁改造项目计划,全国约有一千多个化工企业需要搬迁改造,总的搬迁费用大概需要4000亿元。实际上,近年来我国部分化工园区由于基础设施老化、环境污染严重、安全隐患突出等诸多问题,面临被迫搬迁改造的局面。如何搬迁,怎样改造?如何避免危险和污染大迁移?如何通过搬迁来推动产业升级?这是解决我国“化工围城”必须要面对的问题。
张俊深张得
关键词:化工园区围城爆炸事故环境污染人员伤亡城市发展
基于BP神经网络与修正GM(1,1)模型的能源消费组合预测被引量:17
2016年
随着我国经济社会的进一步发展,能源需求逐步增大,且消费量的增长与多种因素相关。能源消费预测存在与多因素的关联。文章在基础GM(1,1)模型框架下,以重新累积生成累加后序列预测值的方式进行GM(1,1)的无偏化修正,并按照加权平均背景值重设进行pGM(1,1)模型修正;并以各种非线性参变量间的映射纳入组合BP神经网络的能源消费预测。结果证实,无偏GM(1,1)、pGM(1,1)模型有效降低了GM(1,1)的预测平均相对误差,再与BP神经网络组合预测,形成了较好的能源消费预测精度。
张俊深袁程炜
关键词:GM(1,1)BP神经网络能源消费
共1页<1>
聚类工具0