XiaoMi-AI文件搜索系统
World File Search System经济模型
COVID-19类型事件对随机骰子模型下经济和气候的影响
经典骰子模型是经济和气候系统联合建模的广泛接受的综合评估模型，在该模型中，所有模型状态变量都会随着时间的推移而确定性地发展。我们将骰子模型重新制定为最佳控制动态编程问题，其中六个状态变量（与碳浓度，温度和经济资本有关）随着时间的推移而确定性地演变，并且由两个控制（碳排放率和消耗）造成影响。然后，我们通过添加离散的随机冲击变量来扩展模型，以模拟压力和正常状态中的经济，作为由COVID-19-19大流行等事件引起的跳跃过程。这些冲击减少了世界的总产出，导致世界净产量和碳排放量的减少。假设冲击事件平均每100年随机发生一次，持续5年，则在几种情况下解决了扩展模型作为最佳随机控制问题。结果表明，如果每次事件发生在世界上的全球总产出全面恢复，即使在5年内，即使在每年的总产量中，即使在每年的总产量下降10％的情况下，COVID-19事件对温度和碳浓度的影响也无关紧要。撞击变得明显，尽管仍然很小（长期温度下降0。1°C），在存在5％输出降低的持续冲击中，通过递归降低的生产率传播到随后的时间段。如果确定性骰子模型策略是在随机冲击的存在下应用的（即当此策略次优）时，温度下降较大（大约0。25°C），也就是说，由于震惊而导致的较低的经济活动意味着，更雄心勃勃的缓解目标现在是可行的，成本较低。25°C），也就是说，由于震惊而导致的较低的经济活动意味着，更雄心勃勃的缓解目标现在是可行的，成本较低。
开放经济超乘数模型中的收入分配与经济周期
我们为一个小型开放经济体建立了一个结构主义超乘数模型，该经济体有两个自主需求来源：政府支出和出口。我们考虑了外债（由经济活动决定）、工资增长（与工资阻力有关）和汇率（由中央银行决定但受国际储备约束限制）的动态。我们发现，从长远来看，政府支出有一个限度：其增长率不能超过出口增长率，否则会引发外部危机。然而，公共政策发挥着重要作用：没有任何东西可以自动引导经济达到与外部增长约束相兼容的最高增长率，如果政府支出增长低于出口，经济将无法充分利用其外部空间。
会员模型和仓库模型在
虽然已经有大量研究对好市多独特的商业策略和模式进行了研究，但很少有研究者深入研究好市多的顾客。作为北美最著名的零售商之一，好市多的使命是“持续以尽可能低的价格向会员提供优质的商品和服务（Costco.com）”。这句话反映了好市多保持尽可能低的会员价格的本质竞争力。好市多选择了一种新颖的商业模式来实现低价并从会员费中获利，而不是将商品定价过高。同时，他们的仓储模式降低了劳动力成本，增加了单品的供应量。好市多创造了一种将会员制和批量销售相结合的新商业模式，降低了产品价格并吸引了更多的顾客。随着经济的不断发展，特别是在北美，各种新颖的商业模式被使用；然而，它们的基本工作原理很少被强调。本文旨在找出仓储和会员制在吸引更多客户和使公司受益方面发挥了什么作用。本研究调查了30名居住在多伦多并拥有好市多门店的受访者，以了解会员对这两种商业模式的态度。该研究还采用了定量方法，使用了 Costco 网站、年度报告和各种金融网站等二手数据来源。结果表明，Costco 通过将自己定位为付费会员和仓储模式，通过该定位中隐含的隐形广告吸引了大量关注。关键词：Costco 营销策略、会员、仓储、广告
模型
¹联邦Sergipe大学（UFS），生物科学系（DBCI），脊椎动物生物学与生态实验室（LABEV）。itabaiana，SE，巴西。²生物科学系（DCB）的圣克鲁斯州立大学（UESC），疱疹实验室。ilhéus，巴西，巴西。“联邦塞尔吉普大学（UFS），自然科学研究生课程（PPGCN）。itabaiana，SE，巴西。⁴paraense博物馆“EmílioGoeldi”（MPEG），研究校园，地球科学与生态协调（Cocte）。Belém，宾夕法尼亚州，巴西。 ⁵里约热内卢联邦大学（UFRJ），生物学研究所（IB），动物学系，两栖动物和爬行动物实验室。 Rio de Janeiro，RJ，巴西。 ⁶联邦Mato Grosso大学（UFMT），生物科学研究所（IB），生物多样性中心，动物学研究生课程（PPGZOO）。 Cuiaibá，巴西MT。 ⁷orcID：0000-0003-4951-6094。 电子邮件：higoandrade915@gmail.com（通讯作者）⁸orcid：0000-0001-9240-5774。 电子邮件：ejrdias@hotmail.com⁹orcid：0000-0003-0681-0357。 电子邮件：rony__peterson@hotmail.com€orcid：0000-0002-3957-7697。 电子邮件：brunobove7@gmail.com�KID：0000-0002-6848-2099。 e -mail：nevesmo@yahoo.com.br†Memorian。Belém，宾夕法尼亚州，巴西。⁵里约热内卢联邦大学（UFRJ），生物学研究所（IB），动物学系，两栖动物和爬行动物实验室。Rio de Janeiro，RJ，巴西。 ⁶联邦Mato Grosso大学（UFMT），生物科学研究所（IB），生物多样性中心，动物学研究生课程（PPGZOO）。 Cuiaibá，巴西MT。 ⁷orcID：0000-0003-4951-6094。 电子邮件：higoandrade915@gmail.com（通讯作者）⁸orcid：0000-0001-9240-5774。 电子邮件：ejrdias@hotmail.com⁹orcid：0000-0003-0681-0357。 电子邮件：rony__peterson@hotmail.com€orcid：0000-0002-3957-7697。 电子邮件：brunobove7@gmail.com�KID：0000-0002-6848-2099。 e -mail：nevesmo@yahoo.com.br†Memorian。Rio de Janeiro，RJ，巴西。⁶联邦Mato Grosso大学（UFMT），生物科学研究所（IB），生物多样性中心，动物学研究生课程（PPGZOO）。Cuiaibá，巴西MT。 ⁷orcID：0000-0003-4951-6094。 电子邮件：higoandrade915@gmail.com（通讯作者）⁸orcid：0000-0001-9240-5774。 电子邮件：ejrdias@hotmail.com⁹orcid：0000-0003-0681-0357。 电子邮件：rony__peterson@hotmail.com€orcid：0000-0002-3957-7697。 电子邮件：brunobove7@gmail.com�KID：0000-0002-6848-2099。 e -mail：nevesmo@yahoo.com.br†Memorian。Cuiaibá，巴西MT。⁷orcID：0000-0003-4951-6094。电子邮件：higoandrade915@gmail.com（通讯作者）⁸orcid：0000-0001-9240-5774。电子邮件：ejrdias@hotmail.com⁹orcid：0000-0003-0681-0357。 电子邮件：rony__peterson@hotmail.com€orcid：0000-0002-3957-7697。 电子邮件：brunobove7@gmail.com�KID：0000-0002-6848-2099。 e -mail：nevesmo@yahoo.com.br†Memorian。电子邮件：ejrdias@hotmail.com⁹orcid：0000-0003-0681-0357。电子邮件：rony__peterson@hotmail.com€orcid：0000-0002-3957-7697。 电子邮件：brunobove7@gmail.com�KID：0000-0002-6848-2099。 e -mail：nevesmo@yahoo.com.br†Memorian。电子邮件：rony__peterson@hotmail.com€orcid：0000-0002-3957-7697。电子邮件：brunobove7@gmail.com�KID：0000-0002-6848-2099。 e -mail：nevesmo@yahoo.com.br†Memorian。电子邮件：brunobove7@gmail.com�KID：0000-0002-6848-2099。e -mail：nevesmo@yahoo.com.br†Memorian。
LSTM 与Informer 融合预测冠层区域温度
摘 要： 针对传统温度预测方法难以充分捕捉多尺度信息，导致模型预测性能不佳等问题，该研究提出了一种基于 Informer 架构和长短时记忆网络（ long short-term memory, LSTM ）与多源数据融合的冠层区域温度预测模型。在编码层 中，采用稀疏注意力机制提取输入因子的多尺度信息及其与长时序数据之间的耦合关系；在解码层中，利用 LSTM 提取 短期时序依赖，以增强时间序列的连贯性，同时引入改进的反向残差前馈网络（ improved residual feedforward network, IRFFN ）以优化模型结构。首先采用孤立森林法对数据进行异常值清理，并进行了归一化处理；然后使用斯皮尔曼相关 系数法对冠层区域温度进行相关性分析，并选择相关程度较高的环境因子作为模型的输入特征；最终通过网格搜索法对 超参数进行优化，并通过迭代训练实现模型的最优配置。通过与其他 4 种主流算法进行对比分析，提出的 Informer- LSTM 在冠层区域温度预测方面表现出更高的精度，其平均绝对误差（ mean absolute error, MAE ）、均方根误差（ root mean square error, RMSE ）和决定系数（ R 2 ）分别达到了 0.166 、 0.224 ℃和 97.8% ，与基础模型 Informer 相比，冠层区 域温度的预测精度提高了 32.36% 。该模型在时间序列预测方面具有较高的精度，为区域气象温度的中短期精准预测提 供了一种新的技术方法。 关键词： 冠层 ； 温度 ； 非线性时间序列 ； 长短期记忆神经网络 ； Informer doi ： 10.11975/j.issn.1002-6819.202409001 中图分类号： TP18 ； S165 文献标志码： A 文章编号： 1002-6819(2025)-07-0001-11
新型传感器在污水管网中提供更好的H2S 见解
*根据hvitved -jacobsen，Vollertsen和Nielsen（2013） - 下水道过程：下水道网络的微生物和化学过程工程和Li，Kappler，Jiang，Jiang和Bond（2017） - 腐蚀性污水缝隙环境中酸性微生物的生态学
污水处理厂曝气系统的经济线性参数变化模型预测控制†
摘要：本文提出了一种线性参数变化 (LPV) 框架中的经济模型预测控制 (EMPC) 策略，用于控制污水处理厂 (WWTP) 曝气反应器中的溶解氧浓度。复杂非线性工厂的简化模型以准线性参数变化 (qLPV) 形式表示，以减少计算负担，实现实时操作。为了便于制定作为系统状态函数的时变参数以及用于反馈控制目的，提出了一种使用 qLPV WWTP 模型的移动范围估计器 (MHE)。基于 ASM1 模拟基准对控制策略进行了研究和评估，以进行性能评估。将 EMPC 策略应用于西班牙赫罗纳 WWTP 曝气系统的控制，所获得的结果证明了其有效性。
美国各地区政府支出的开放经济新凯恩斯主义模型
在过去二十年中，宏观经济学的相关文献开始系统地探讨财政政策冲击对总体经济活动的影响。这些文献的大部分工作都致力于揭示财政政策的传导机制，即如何通过部署财政政策工具来缓解商业周期波动。尽管如此，争论仍未解决，各种实证研究试图估计所谓的财政乘数，特别是在长期经济低迷时期，如经济衰退。这些文献的大部分表明，政府支出的边际增加可能有助于产出增加约 0.5 到略高于 1。由 Barro (1981, 1990) 开始的一系列著名文献通过分析产出对联邦军事采购的反应得出了乘数。这一策略通常得出的乘数在 0.5 - 1 之间，Hall (2009) 和 Ramey (2009) 最近的研究表明，他们的估计乘数略高，约为 1.2。然而，这种方法微妙地取决于第二次世界大战和朝鲜战争期间支出与产出的相互关系，并且可能由于在武装冲突年代占主导地位的“计划经济”特征而产生偏差。Blanchard 和 Perotti (2002) 发起的另一种方法通过在结构向量 - 自回归的背景下识别政府支出冲击来进行。这些类型的研究，以及 Gal´ı、Lopez-Salido 和 Valles (2007) 等人的研究，提出了一个 1 或略高的乘数。Perotti (2007) 以及 Mountford 和 Uhlig (2008) 通过跨国证据表明乘数较低。 Mertens 和 Ravn (2010) 在新凯恩斯主义框架内对流动性陷阱环境进行了建模，并得出了一个比“正常”时期更小的乘数。另一个有趣的贡献来自 Erceg 和 Lind´e (2010)，他们构建了一个新凯恩斯主义 DSGE 模型——Christiano、Eichenbaum 和 Evans (2005) 以及 Smets 和 Wouters (2007) 的变体——以分析财政刺激在流动性陷阱引发的衰退期间的影响。该模型的特殊之处在于，流动性陷阱的持续时间取决于刺激的规模，因此是内生决定的。衰退是由对家庭偏好的强烈负面品味冲击引起的，主要发现是支出乘数可能会在流动性陷阱期间大幅放大