古詩的分類精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的古詩的分類主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：古詩的分類范文
關(guān)鍵詞： 量價(jià)分析；股票分類；模式識(shí)別
中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2013）30-6874-03
如何準(zhǔn)確地對股票進(jìn)行分類識(shí)別一直是一個(gè)熱門的證券研究話題。在國外，常用的方法如：人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)等常常出現(xiàn)在股票識(shí)別、走勢預(yù)測的論文中。在國內(nèi)，有不少學(xué)者使用時(shí)間序列、人工神經(jīng)網(wǎng)絡(luò)、模糊時(shí)間序列等方法研究股市，并取得了一些成果。
上述方法各有所長， 卻各有不足之處。它們在股票分類識(shí)別應(yīng)用中的最大不足便是重用性差[1]，例如神經(jīng)網(wǎng)絡(luò)模型需要做預(yù)先訓(xùn)練來最優(yōu)化參數(shù)，因此訓(xùn)練的結(jié)果往往不適用于其它數(shù)據(jù)。比如我們訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)來識(shí)別銀行板塊的股票，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型卻不能用來識(shí)別煤炭板塊的股票。
結(jié)合上述模型的優(yōu)點(diǎn)，通過股票技術(shù)分析與模糊邏輯的理論方法建立一個(gè)基于量價(jià)特征分析的股票分類識(shí)別模型。模型的優(yōu)點(diǎn)是：（1）模型重用性高，可將某一板塊訓(xùn)練得到的模型應(yīng)用于其他不同板塊；（2）利用均線系統(tǒng)與模糊邏輯方法降低了數(shù)據(jù)噪聲影響；（3）模型分類結(jié)果直觀易理解，通過對識(shí)別后的同類股票盯梢，可以在某只股票率先上漲后立刻購入與其同類的未漲股票，以此獲利。
1 模型介紹
量價(jià)分析是分析價(jià)格、交易量兩者之間關(guān)系的技術(shù)分析方法。模型立足于股票量價(jià)分析，目標(biāo)在價(jià)格和成交量的時(shí)間序列中找到一定的規(guī)律，并根據(jù)這些規(guī)律找到相同規(guī)律的股票。模型通過分析股票的價(jià)格距離、走勢特征、成交量特征來完成對同類股票的識(shí)別。
1.1 價(jià)格距離
價(jià)格距離是指兩個(gè)股票間價(jià)格的歐式距離。但由于不同股票的發(fā)行價(jià)格不同、且存在除權(quán)的影響，所以不能直接拿兩個(gè)股票進(jìn)行價(jià)格距離計(jì)算，而應(yīng)取經(jīng)歸一化處理后的復(fù)權(quán)價(jià)格數(shù)據(jù)來建模計(jì)算。同時(shí)為了降低數(shù)據(jù)噪聲影響，模型采用收盤價(jià)的3日移動(dòng)平均值（下文簡稱：MA3值）代替日收盤價(jià)。在數(shù)據(jù)長度上，選擇200天的交易數(shù)據(jù)，因?yàn)?00天接近一年的總交易日，已經(jīng)足夠反應(yīng)兩只股票間的走勢是否相近，并可據(jù)此判斷他們是否屬于同一類股票。
在計(jì)算價(jià)格距離前，還需要考慮日期對齊問題。在股票市場，上市公司遇到重大事項(xiàng)，常常會(huì)向交易所申請停牌。由于可能存在交易停牌，所以在計(jì)算價(jià)格歐式距離前必須先對齊價(jià)格數(shù)據(jù)的日期。交易日期對齊后，若某日缺少價(jià)格數(shù)據(jù)，則當(dāng)日價(jià)格距離等于最后總距離的平均值。當(dāng)對齊后缺少價(jià)格數(shù)據(jù)的天數(shù)超過一定數(shù)值（一般取24天），則失去價(jià)格距離計(jì)算的意義。如果仍要進(jìn)行股票間的價(jià)格距離計(jì)算，只能另選滿足長度要求的數(shù)據(jù)。
兩個(gè)股票間價(jià)格距離的詳細(xì)計(jì)算流程如下：1.取兩只股票最近200日的交易數(shù)據(jù)，2.將交易數(shù)據(jù)的日期對齊；3.判斷對齊后的數(shù)據(jù)是否滿足模型計(jì)算要求；4.計(jì)算股票收盤價(jià)的MA3值；5.將MA3值歸一化；6.計(jì)算股票間的價(jià)格距離。
1.2走勢特征距離
單純依靠計(jì)算兩股票間的價(jià)格距離并不能知道兩股的走勢是否相近，如圖1中兩個(gè)股票的價(jià)格歐式距離接近，但走勢不同。所以要判斷兩個(gè)股票是否屬于同一類型，除了計(jì)算股票間價(jià)格距離外，還必須計(jì)算兩個(gè)股票的走勢特征距離。
股票走勢分上漲、下跌、平緩三種，如何定義這三種走勢是計(jì)算走勢特征距離的關(guān)鍵。經(jīng)過實(shí)驗(yàn)統(tǒng)計(jì)，模型將股票的三種走勢分別定義如下：（1）上漲走勢：MA3值累計(jì)上漲超過3%為上漲走勢；（2）下跌走勢：MA3值累計(jì)下跌超過3%為下跌走勢；（3）平緩走勢：非上漲、下跌的走勢統(tǒng)稱平緩走勢（技術(shù)分析又稱之為橫盤走勢）。
據(jù)此定義的走勢分布如圖2下的走勢統(tǒng)計(jì)圖所示，在統(tǒng)計(jì)時(shí)間（2013年1月30日——2013年7月8日）內(nèi)的所有股票走勢中，44.7%為平緩走勢，而下跌、上漲走勢分別為28.7%和26.6%。從圖2上的單日MA3漲跌統(tǒng)計(jì)圖可以看到，單日便形成上漲、下跌走勢的交易日不足10%，也就是說走勢的確立主要依靠數(shù)日的走勢累積來完成，這也符合股票實(shí)際運(yùn)行規(guī)律。
在計(jì)算走勢特征距離時(shí)，還需考慮如何降低噪聲影響，例如由于某日暴漲形成上漲走勢后在次日回落形成平緩走勢甚至下跌走勢，這種單日暴漲形成的上漲走勢便是噪聲。為了降低噪聲影響，模型將三種走勢分別細(xì)分成：走勢初成、走勢延續(xù)、走勢結(jié)束三種，最后將所有9種分類通過模糊邏輯的方法將其模糊化以降低走勢特征的噪聲影響。在模糊化時(shí)，根據(jù)統(tǒng)計(jì)結(jié)果，讓這9種走勢類型相互覆蓋，以減少波動(dòng)噪聲對整體走勢計(jì)算的影響。
1.3成交量異動(dòng)特征
相同板塊的股票常常具有相近的成交量變化規(guī)律，例如2010年10月8日煤炭板塊的股票集體放量大漲，2013年3月28日銀行板塊的股票集體放量大跌。成交量變化和價(jià)格變化一樣，是市場最基本的表現(xiàn)，也是分析股票行情的重要指標(biāo)。在研究成交量特征時(shí)，由于成交量的影響因素太多，如股票股本結(jié)構(gòu)、機(jī)構(gòu)大戶對敲、股票除權(quán)等，這導(dǎo)致同類股票的中長期成交量變化不規(guī)律，故模型采用股票技術(shù)分析中的短時(shí)成交量異動(dòng)特征來分析股票間成交量變化規(guī)律是否一致，并以此作為股票類別判斷的其中一個(gè)依據(jù)。
模型使用的成交量異動(dòng)特征分別是：倍量、地量、三天持續(xù)放量、三天持續(xù)縮量。這四種異動(dòng)特征的定義分別如下：倍量，即當(dāng)前交易日的成交量比上一交易日的成交量大兩倍以上。地量，即當(dāng)前交易日的成交量比上一交易日的成交量小兩倍以上。三天持續(xù)放量，即當(dāng)前交易日的成交量比上一交易日的成交量大1.5倍以上，同時(shí)上一交易日的成交量比上上一交易日的成交量大1.5倍以上。三天持續(xù)縮量，即當(dāng)前交易日的成交量比上一交易日的成交量小1.5倍以上，同時(shí)上一交易日的成交量比上上一交易日的成交量小1.5倍以上。
確定好四種成交量異動(dòng)特征后，會(huì)發(fā)現(xiàn)這四個(gè)異動(dòng)存在同時(shí)滿足的情況。例如某一交易日，可以同時(shí)滿足倍量和三天持續(xù)放量；或者同時(shí)滿足地量和三天持續(xù)縮量；為了更好地計(jì)算成交量異動(dòng)特征距離，使用模糊邏輯方法將異動(dòng)特征模糊化，再進(jìn)行特征距離計(jì)算。
2 模型分類識(shí)別結(jié)果
建好模型后，開始對模型進(jìn)行測試，測試模型的數(shù)據(jù)為截止2013年7月8日前的證券日交易數(shù)據(jù)。在進(jìn)行分類識(shí)別前需對模型進(jìn)行訓(xùn)練，讓其“學(xué)會(huì)”什么樣的股票是同一類型的股票。訓(xùn)練模型使用的股票樣本選擇銀行板塊中9個(gè)走勢基本相同的銀行股：000001、002142、600000、600015、600016、601009、601166、6001169、601818。這九只股票走勢相近，且作為2012年末股市行情啟動(dòng)的標(biāo)志板塊，其具有鮮明的板塊聯(lián)動(dòng)特征。
通過上述9只股票完成模型訓(xùn)練后，我們輸入了：600008、000713、000858來測試模型分類識(shí)別結(jié)果，模型輸出結(jié)果見表1。
有趣的事情發(fā)生在完成分類識(shí)別后的13年7月24日14：15，此刻600008放量上漲5.47%，而同一時(shí)刻600874僅上漲了2.87%，上漲步伐落后于600008，此時(shí)買入600874次日賣出便能獲利7%。
3 小結(jié)
文章介紹的基于量價(jià)特征分析的股票分類識(shí)別模型是基于歷史統(tǒng)計(jì)信息的，適用性廣的和直觀的股票技術(shù)分析模型。該模型通過計(jì)算股票間價(jià)格距離特征、走勢距離特征、成交量距離特征來對股票進(jìn)行分類，分類結(jié)果能夠指導(dǎo)投資者進(jìn)行準(zhǔn)確的投資決策。
參考文獻(xiàn)：
[1] 徐信喆.基于模式識(shí)別和分類的股市時(shí)間系列的分析和預(yù)測[D].上海：上海交通大學(xué)，2008：19-27.
[2] 劉明政，梁斌.股市技術(shù)分析模型的自動(dòng)辨識(shí)研究[J].魯東大學(xué)學(xué)報(bào)：自然科學(xué)報(bào)，2010，26（2）：122-126.
第2篇：古詩的分類范文
Abstract： This paper， based on the case of lightning risk assessment for a comprehensive building in Nanchang city， analyzes and describes the methods for data acquisition， parameter selection， risk calculations， risk analysis and other process， as well as how to do scientific guidance to the lightning protection design of construction projects through the lightning risk assessment.
關(guān)鍵詞： 雷擊風(fēng)險(xiǎn)評(píng)估；風(fēng)險(xiǎn)分析；防雷設(shè)計(jì)
Key words： lightning risk evaluation；risk analysis；lightning design
中圖分類號(hào)：X820.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2013）27-0314-02
0 引言
為準(zhǔn)確把握項(xiàng)目附近地域雷電活動(dòng)規(guī)律，科學(xué)的指導(dǎo)防雷設(shè)計(jì)、施工，以減少或避免建筑物遭受雷擊而引起雷電災(zāi)害，有必要進(jìn)行雷擊風(fēng)險(xiǎn)評(píng)估。本文以對南昌市某綜合大樓為例，力圖通過雷擊風(fēng)險(xiǎn)評(píng)估，尋找存在的主要雷擊風(fēng)險(xiǎn)，指導(dǎo)建設(shè)項(xiàng)目設(shè)計(jì)和施工。
1 根據(jù)項(xiàng)目基本概況確定需要評(píng)估的風(fēng)險(xiǎn)
本項(xiàng)目處南昌市×，臨近為艾溪湖邊，總建筑23643.41平米，地下一層，地上九層，為集商業(yè)、辦公為一體的綜合大樓，人員密集，主要考慮人員傷亡損失風(fēng)險(xiǎn)。可能會(huì)出現(xiàn)雷擊引起接觸和跨步電壓造成傷亡即存在RA、RU風(fēng)險(xiǎn)分量，可能會(huì)出現(xiàn)雷擊引發(fā)火災(zāi)等造成物理損害，即存在RB、RV風(fēng)險(xiǎn)分量；電梯系統(tǒng)可能會(huì)因LEMP造成電設(shè)備損壞，從而影響人員安全，即存在RC、RM、RW、RZ風(fēng)險(xiǎn)分量。
2 資料采集
2.1 現(xiàn)場資料采集 現(xiàn)場資料采集主要內(nèi)容為地理位置、土壤性質(zhì)、土壤電阻率、項(xiàng)目周邊環(huán)境。地理位置：通過GPS定位儀采集項(xiàng)目的經(jīng)緯度，用于項(xiàng)目周邊雷電活動(dòng)分析，本項(xiàng)目的中心位置為115.9692°，28.7137°。土壤性質(zhì)及電阻率采集：本項(xiàng)目土壤電阻率測量平均值為30.575Ω.m，粘土，土壤干燥，修正后的土壤電阻率為42.805Ω.m。周邊環(huán)境：項(xiàng)目位于郊區(qū)附近建筑物及人員較少，距離200m為25層的綜合產(chǎn)業(yè)大樓。
2.2 圖紙采集 完整的圖紙資料包括：總平面、建筑圖紙、電氣圖紙、消防圖紙、初設(shè)說明等。通過對查看建筑、電氣、消防平面圖，并結(jié)合設(shè)計(jì)說明，記錄建筑物各功能區(qū)的名稱、地表特征、火災(zāi)危險(xiǎn)、驚慌程度、服務(wù)設(shè)施，并歸類分區(qū)。本項(xiàng)目可劃分為設(shè)備用房、停車場所（Z1），辦公場所（Z2），會(huì)議場所（Z3），餐飲、超市（Z4），檔案室（Z5），弱電機(jī)房（Z6），電梯系統(tǒng)（Z7）等七個(gè)分區(qū)。通過查看配電系統(tǒng)圖、總平面圖、弱電系統(tǒng)圖等電氣圖紙，記錄強(qiáng)弱電線路的特性。
3 參數(shù)選取
ru、rp、rf、hz等參數(shù)分別根據(jù)各區(qū)的地表類型、采取的消防措施、火災(zāi)危險(xiǎn)、恐慌程度選取對應(yīng)的值。根據(jù)建筑物的外部屏蔽、各區(qū)的內(nèi)部屏蔽措施，選取KS1、KS2值。根據(jù)各服務(wù)設(shè)施的內(nèi)部布線特點(diǎn)，選取KS3、KS4值，本項(xiàng)目電梯系統(tǒng)配電線路穿金屬管道敷設(shè)，屏蔽較好，KS3 取0.0001，有線電視采用同軸電纜，取0.001，其他分區(qū)按規(guī)定強(qiáng)弱電分開布線，強(qiáng)弱電線路的KS3取0.2。根據(jù)室外線路布線方式結(jié)合各區(qū)線路耐沖擊電壓，選取各服務(wù)設(shè)施的PLD、PLI值。配電線路沿金屬管道埋地引入，并共用接地，屏蔽效果較好，Z1、Z4、Z5區(qū)無弱電設(shè)備，配電線路PLD和PLI分別選取0.2，0.008，其他分區(qū)配電線路PLD分別選取0.4和0.02。弱電線路均沿金屬管道埋地引入，并共用接地，屏蔽效果較好，根據(jù)其連接的設(shè)備耐沖擊電壓特征，電話線路、消防弱電線路的PLD和PLI分別選取0.4和0.02；有線電視線路PLD和PLI分別為0.2和0.008；網(wǎng)絡(luò)線路采用光纖引入，雷電流不能通過，故PLD和PLI取0。
根據(jù)室外服務(wù)設(shè)施所處的位置環(huán)境、與相鄰節(jié)點(diǎn)的距離、a端建筑物特征、有無變壓器，分別選取Ce、LC值、Hb、Ct等參數(shù)。根據(jù)強(qiáng)弱電線路SPD的安裝情況，選取PSPD的值，本項(xiàng)目設(shè)計(jì)的配電SPD均沒有進(jìn)行備案，弱電SPD均沒有詳細(xì)的參數(shù)說明，因此PSPD為1。
4 風(fēng)險(xiǎn)計(jì)算
4.1 雷擊大地密度 提取項(xiàng)目附近閃電定位系統(tǒng)監(jiān)測數(shù)據(jù)，計(jì)算雷擊大地密度，本項(xiàng)目附近的Ng=5.1次/a。
4.2 年平均危險(xiǎn)次數(shù)計(jì)算 根據(jù)數(shù)據(jù)采集的內(nèi)容，計(jì)算年平均危險(xiǎn)次數(shù)，本項(xiàng)目：ND=0.123，NM=1.272，NDa（配電）=0.152，NDa（有線電視）=0.761，NDa（電話）=0，NDa（網(wǎng)絡(luò)）=0.761，NDa（消防弱電）=0.122，NL（配電）=NL（有線電視）=NL（網(wǎng)絡(luò)）=NL（消防弱電）=0，NL（電話）=7.278×10-3。
4.3 建筑物損害概率計(jì)算 根據(jù)建筑物防接觸和跨步電壓措施，選取PA值，本項(xiàng)目利用建筑物柱內(nèi)鋼筋做引下線，利用建筑物基礎(chǔ)做接地裝置，因此PA可以忽略，取0。
根據(jù)建筑物外部防雷措施，選取PB值，本項(xiàng)目物按第二類防雷建筑物設(shè)計(jì)，PB為0.05。PC值取決與PSPD，本項(xiàng)目電梯系統(tǒng)PC=1。PM值取決與PMS及PSPD之間最小值， PMS根據(jù)屏蔽和合理布線決定，本項(xiàng)目電梯系統(tǒng)PMS=0.0001，PSPD=1，PM=0.0001。PU、PV、PW取決于PSPD和PLD之間最小值，本項(xiàng)目Z1、Z4、Z5的配電線路的PU、PV、PW為0.2，其他分區(qū)配電線路的PU、PV、PW為0.4；有線電視線路的PU、PV、PW為0.2，電話線路的PU、PV、PW為0.4；網(wǎng)絡(luò)線路的PU、PV、PW為0，消防弱電線路的PU、PV、PW為0.4。PZ取決于PSPD和PLI之間的最小值，本項(xiàng)目電梯系統(tǒng)的PZ=0.02。
4.4 建筑物損失率計(jì)算 由于我國還沒有相關(guān)標(biāo)準(zhǔn)，指定不同場所的損失率值，當(dāng)建筑物分多個(gè)分區(qū)計(jì)算風(fēng)險(xiǎn)，每個(gè)分區(qū)均用典型時(shí)，會(huì)造成分區(qū)越多，最終風(fēng)險(xiǎn)的計(jì)算值越大，不符合實(shí)際情況。因此，為解決此類問題，建議結(jié)合各分區(qū)潛在危險(xiǎn)人數(shù)，對典型平均值做適當(dāng)減少。
本項(xiàng)目物各分區(qū)的損失率計(jì)算值為：室外：LA=1×10-5；Z1：LU=4.67×10-8，LB=LV=1.87×10-9；Z2：LU=7.40×10-8，LB=LV=3.70×10-4；Z3：LU=1.26×10-8，LB=LV=1.26×10-6；Z4：LU=5.44×10-9，LB=LV=2.72×10-5；Z5：LU=2.19×10-9，LB=LV=1.10×10-4；Z6：LU=1.46×10-12，LB=LV=2.92×10-7；Z7：LU=4.67×10-8，LB=LV=0；LC=LM=LW=LZ=9.49×10-9。
4.5 建筑物風(fēng)險(xiǎn) 根據(jù)公式RX=NX×PX×LX計(jì)算各風(fēng)險(xiǎn)分量值，并相加，得建筑物人身傷亡損失風(fēng)險(xiǎn)。本項(xiàng)目R1=9.337×10-5，人身傷亡損失風(fēng)險(xiǎn)偏大。
5 風(fēng)險(xiǎn)分析
分析各風(fēng)險(xiǎn)分量所占比例，確定項(xiàng)目存在的最主要的雷擊損失風(fēng)險(xiǎn)分量。本項(xiàng)目物的風(fēng)險(xiǎn)分析見表1。因此，影響人身傷亡損失風(fēng)險(xiǎn)偏大的主要分量為RB、RM、RV，即由雷擊建筑物和雷擊服務(wù)設(shè)施引發(fā)火災(zāi)以及雷擊建筑物附近由LEMP引發(fā)電梯系統(tǒng)故障造成的人身傷亡損失風(fēng)險(xiǎn)。
6 根據(jù)風(fēng)險(xiǎn)分析結(jié)果，科學(xué)指導(dǎo)防雷設(shè)計(jì)
根據(jù)風(fēng)險(xiǎn)分析的結(jié)果，針對性提出降低風(fēng)險(xiǎn)建議，指導(dǎo)防雷設(shè)計(jì)，具有較強(qiáng)的科學(xué)性。由于本項(xiàng)目采取的外部防雷措施符合國家的相關(guān)標(biāo)準(zhǔn)，可通過加強(qiáng)防雷、消防知識(shí)普及和宣傳等方法，降低由雷擊建筑物引發(fā)火災(zāi)造成的損失風(fēng)險(xiǎn)?？赏ㄟ^科學(xué)合理選擇和安裝SPD，有效保護(hù)辦公、會(huì)議場所、機(jī)房等場所的設(shè)備，降低由雷擊服務(wù)設(shè)施引發(fā)火災(zāi)造成的損失風(fēng)險(xiǎn)?？赏ㄟ^屏蔽、合理布線、科學(xué)合理選擇和安裝SPD，有效保護(hù)電梯系統(tǒng)設(shè)備，降低雷擊建筑物附近由LEMP引發(fā)電梯系統(tǒng)故障造成的人身傷亡風(fēng)險(xiǎn)。
整改后的參數(shù)變化及風(fēng)險(xiǎn)值：rf減少為0.001；PC為0.04，PM減少為0.02；配電線路、電話線路的PV減少為0.02，有線電視線路的PV減少為0.02；整改后，R1=1.025×10-6
7 結(jié)語
利用雷擊風(fēng)險(xiǎn)評(píng)估可以對建筑項(xiàng)目防雷工程的質(zhì)量作出量化判斷，從而更加理性、有針對性采取經(jīng)濟(jì)、實(shí)用、有效地防雷措施以達(dá)到保護(hù)目的。
參考文獻(xiàn)：
[1]錢強(qiáng)寒，陳勇斌，楊磊強(qiáng).雷擊風(fēng)險(xiǎn)評(píng)估實(shí)踐中各風(fēng)險(xiǎn)分量的鑒別[J].浙江氣象，2007（03）.
第3篇：古詩的分類范文
關(guān)鍵詞：蒙古文字；分類器
中圖分類號(hào)：G305 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1674-9324（2012）07-0138-02
一、引言
蒙古文字識(shí)別屬于模式識(shí)別領(lǐng)域，在我國模式識(shí)別學(xué)科還在不斷地發(fā)展，人工神經(jīng)網(wǎng)絡(luò)和各種新的最優(yōu)化技術(shù)在模式識(shí)別中的廣泛應(yīng)用，以及作為統(tǒng)計(jì)模式識(shí)別基礎(chǔ)的文字識(shí)別技術(shù)的新進(jìn)展和民族地區(qū)的發(fā)展需要，都使我們迫切感覺到研究的主體民族語言——蒙古文字的識(shí)別是多么的重要。蒙古文字識(shí)別過程主要分為獲得手寫體文字特征、書寫特征選擇和提取、整體分類識(shí)別或切分分類識(shí)別等關(guān)鍵步驟，其中無論是整詞識(shí)別還是切分識(shí)別，都必須用到分類器，本文重點(diǎn)探討了其中的一個(gè)重要環(huán)節(jié)分類器的設(shè)計(jì)。
二、研究內(nèi)容
為了完成手寫體蒙古文字識(shí)別的任務(wù)并且得到較高的識(shí)別率，必須建立一個(gè)結(jié)構(gòu)完整、層次清晰、適于搜索的分類器。因此，聯(lián)機(jī)手寫體蒙古文字識(shí)別技術(shù)中的分類器的設(shè)計(jì)是整個(gè)識(shí)別系統(tǒng)的核心，是整個(gè)開發(fā)過程中的最后階段。為了避免手寫體蒙古文字切分后提取到的特征混亂的局面，我們采用兩級(jí)分類器，對切分后的基元進(jìn)行分類識(shí)別，其識(shí)別正確率達(dá)到80%以上。主要采用的方法有判別函數(shù)法、貝葉斯（Bayes）決策方法以及HMM模型與最近鄰方法等，這樣可以充分利用蒙古文字的聯(lián)機(jī)和脫機(jī)特征建立多分類器，提高識(shí)別率。第一層分類器的設(shè)計(jì)：統(tǒng)計(jì)決策（Statistical decision）可以從廣義和狹義兩方面來理解。凡是使用統(tǒng)計(jì)方法而進(jìn)行的決策，稱為廣義的統(tǒng)計(jì)決策；狹義的統(tǒng)計(jì)決策特指風(fēng)險(xiǎn)型決策方法。所謂風(fēng)險(xiǎn)型決策，是指通過人們大量實(shí)踐和觀察后發(fā)現(xiàn)，對可能發(fā)生的結(jié)果（情況）有統(tǒng)計(jì)規(guī)律可循，并可根據(jù)這些規(guī)律獲得事件出現(xiàn)的概率分布，而決策者在一次抉擇過程中，盡管掌握了這種統(tǒng)計(jì)規(guī)律，但也不可避免地承擔(dān)一定風(fēng)險(xiǎn)的決策。貝葉斯（Bayes）決策理論方法是統(tǒng)計(jì)模式識(shí)別中的一個(gè)基本方法。常用的貝葉斯決策方法有基于最小錯(cuò)誤率的貝葉斯決策和基于最小風(fēng)險(xiǎn)的貝葉斯決策兩種，本系統(tǒng)采用第二種方法設(shè)計(jì)第一層分類器。手寫體蒙古文字經(jīng)過特征提取之后，確定位于字首的基元有22個(gè)，字中的基元有18個(gè)，字尾的基元有20個(gè)。繼續(xù)判斷位于主干線的左邊的基元有4個(gè)，右邊的有5個(gè)，位于兩邊的基元有51個(gè)。在選取了特征之后，需要選擇或?qū)ふ疫m當(dāng)?shù)呐袆e準(zhǔn)則，從而判斷出待設(shè)別的文字特征與哪一個(gè)類別的特征最近。本系統(tǒng)采用的最小風(fēng)險(xiǎn)貝葉斯決策規(guī)則為：
如果R（?墜k|x）=■R（?墜i|x），則?墜=?墜k （2.2.1）
依據(jù)上式所得到的X帶入下面的線性判別公式中，完成文字特征的第一級(jí)分類，線性判別公式如下：?搖
Di（X）=■?棕ikXk+?棕i0 （2.2.2）
式中Di（X）代表第i個(gè)判別函數(shù)，?棕ik是系數(shù)或權(quán)，?棕i0為常數(shù)或稱為閾值。由于文字?jǐn)?shù)量很大，如果不對文字分類而直接識(shí)別，一方面識(shí)別效果不會(huì)好，另一方面計(jì)算量往往會(huì)很大。所以文字識(shí)別通常都要對文字做一級(jí)或多極分類，然后再細(xì)分判別，從而大大提高識(shí)別效率。在本文所探討的蒙古文字識(shí)別一級(jí)分類器設(shè)計(jì)時(shí)主要采用了比較簡單的基于貝葉斯決策方法的線性分類器，這主要是根據(jù)獲得的手寫體文字特征不夠清晰的前提下采用的方法。但是，在實(shí)際中有許多模式識(shí)別問題并不是線性可分的，尤其蒙古文字是字母和字母之間是連筆寫成的，因此根據(jù)如此復(fù)雜的情況，我們進(jìn)一步設(shè)計(jì)了第二層分類器。第二層分類器的設(shè)計(jì)：在第一層分類器的識(shí)別結(jié)果上，我們把HMM模型與最近鄰方法DTW融合在一起，這是一種有監(jiān)督學(xué)習(xí)方法。給定一個(gè)訓(xùn)練數(shù)據(jù)集合，分類算法根據(jù)這些標(biāo)記的數(shù)據(jù)歸納出一個(gè)分類器（或模型），這個(gè)分類器可用于預(yù)測新的或未標(biāo)記的數(shù)據(jù)，即將每個(gè)新數(shù)據(jù)映射到給定類別中的某一個(gè)類，這樣可以充分利用文字的聯(lián)機(jī)特征和脫機(jī)特征，從而進(jìn)一步提高分類識(shí)別的精確率。HMM即隱含馬爾可夫模型是一個(gè)數(shù)學(xué)模型，到目前為之，它一直被認(rèn)為是實(shí)現(xiàn)快速精確的語音識(shí)別系統(tǒng)的最成功的方法，但近年來，在人臉識(shí)別、手寫識(shí)別等諸多方面也得到了廣泛的應(yīng)用。
分類問題直接與特征提取有關(guān)。在有些情況下，所選取的特征決定了粗分類的方法。在我們的系統(tǒng)中首先使用了蒙古文字的一些結(jié)構(gòu)特征進(jìn)行粗分類，如按照筆畫數(shù)、起筆點(diǎn)、是否存在主干線、詞中的位置等特征進(jìn)行一級(jí)分類，此時(shí)要求粗分類的分類穩(wěn)定性要高、速度要快、特征要簡單，要和細(xì)分判別方法相協(xié)調(diào)。再次按照蒙古文字全局結(jié)構(gòu)特征如是否帶有回朔筆跡、筆劃是否交叉、是否帶有圈等特征進(jìn)行二級(jí)分類，也稱為細(xì)分類過程。因后驗(yàn)概率的估計(jì)并不可行，下面把實(shí)際的細(xì)分類Ci的概率表示為：?搖?搖
P（Ci|Qj（O））=P（Ci|Qj，1（O），Qj，2（O），…Qj，m（O）） （2.2.3）
O是觀察特征模式，Qj，k（O）是由分類器j識(shí)別的第k個(gè)最佳類標(biāo)記，M取小于N的值，M
聯(lián)機(jī)手寫體蒙古文字識(shí)別是模式識(shí)別的一個(gè)重要研究方向。本文重點(diǎn)解決了對連筆的蒙古文字切分后的基元如何進(jìn)行進(jìn)一步的分類和識(shí)別，針對這一問題我們設(shè)計(jì)了多級(jí)分類器。分別使用貝葉斯（Bayes）決策方法和線性判別函數(shù)法建立第一層分類器，在此基礎(chǔ)上我們把HMM模型與最近鄰方法融合在一起建立了第二層分類器。在手寫體蒙古文字識(shí)別過程中，正確分類識(shí)別每個(gè)基元是至關(guān)重要的，這直接影響到系統(tǒng)的識(shí)別率和正確率?？傊菊撐奶接懙亩喾诸惼鞯脑O(shè)計(jì)思想為文字識(shí)別領(lǐng)域提供了一項(xiàng)具有參考價(jià)值的技術(shù)和方法。
參考文獻(xiàn)：
[1]Claus Bahlmann，Hans Burkhardt.“The Writer Independent Online Handwrinting Recognition System frog on hand and Cluster Generative Statistical Dynamic Time Warping”[J].IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，2004，26，（3）：75–86.
第4篇：古詩的分類范文
關(guān)鍵詞 35kV變電站；防雷；接地
中圖分類號(hào)TM63 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào) 1674-6708（2014）119-0061-02
0引言
變電站防雷及接地是變電站安全運(yùn)行的重要保障，如果防雷及接地做的不到位，輕則故障停電損或壞設(shè)備，重則造成人身傷亡事故，隨著人們對防雷接地的重視程度增加、設(shè)備制造標(biāo)準(zhǔn)和運(yùn)行可靠性的提高，發(fā)生人員傷亡的事故基本沒有了，但是大量微機(jī)保護(hù)設(shè)備和自動(dòng)化、通訊設(shè)備的增加，對變電站的防雷及接地的可靠性提出了更高的要求。在工礦企業(yè)里，35kV變電站也是比較重要的供電負(fù)荷中心，其停電所帶來的經(jīng)濟(jì)損失遠(yuǎn)高于10kV配電所。本文就研山鐵礦35kV變電站的雷擊形成的原因和采取的技術(shù)措施進(jìn)行多方面論述，希望對以后的變電站防雷設(shè)計(jì)和運(yùn)行有指導(dǎo)借鑒意義[1]。
1 35kV變電站事故之前的防雷接地介紹
研山鐵礦35kV變電站位于半山坡上，位置較高，周圍較空曠，該站有兩臺(tái)40000kVA的35kV主變，變壓器在室內(nèi)安裝，沒有在外的電氣設(shè)備。進(jìn)線是采用35kV高壓電纜從架空線路引進(jìn)室內(nèi)35kV開關(guān)柜。按照設(shè)計(jì)，變電站為三類防雷建筑物防直擊雷保護(hù)，由于所有變配電設(shè)施全部在室內(nèi)，因此沒有裝設(shè)避雷針，從屋頂避雷帶用10鍍鋅圓鋼引下至室外接地極。防雷接地與設(shè)備接地極分開布置。站內(nèi)低壓供配電系統(tǒng)采用工作接地和保護(hù)接地合一的TN-C形式[2～3]。
2 雷電入侵現(xiàn)象
變電站在夏季遭遇雷電入侵共計(jì)兩次。第一次是在雷雨天時(shí)候，閃電和雷鳴同時(shí)發(fā)生，同時(shí)位于變電站二樓的中控室儀表盤柜柜殼表面靠近室外的方向的棱角處發(fā)生電火花，持續(xù)時(shí)間很短，稍縱即逝。第二次也是同樣的情況，只是發(fā)生電火花的地點(diǎn)在中控室隔壁的交接班室的暖氣管道突出的連接頭處。這兩次的現(xiàn)象相同，但都沒有對設(shè)備造成任何損壞，也沒有導(dǎo)致設(shè)備停止運(yùn)行。
3 原因分析
雷擊主要分兩種情況，直擊雷和感應(yīng)雷，由于現(xiàn)場沒有任何燒損的痕跡，首先排除了直擊雷。感應(yīng)雷也稱為雷電感應(yīng)或感應(yīng)過電壓。分兩種情況，它分為靜電感應(yīng)雷和電磁感應(yīng)雷。一種是指當(dāng)雷云來臨時(shí)地面上的一切物體，尤其是導(dǎo)體，由于靜電感應(yīng)，都聚集起大量的雷電極性相反的束縛電荷，當(dāng)雷云對地或?qū)α硪焕自崎W擊放電后，云中的電荷就變成了自由電荷，從而地面上的物體聚集的電荷所產(chǎn)生出很高的靜電電壓（感應(yīng)電壓）馬上得到釋放，其過電壓幅值可達(dá)到幾萬到幾十萬伏，這種過電壓往往會(huì)造成建筑物內(nèi)的導(dǎo)線，接地不良的金屬物導(dǎo)體和大型的金屬設(shè)備放電而引起電火花，從而引起火災(zāi)、爆炸、危及人身安全或?qū)╇娤到y(tǒng)造成的危害。
另一種情況是，在雷電閃擊時(shí)，由于雷電流的變化率大而在雷電流的通道附近就形成了一個(gè)很強(qiáng)的感應(yīng)電磁場，對建筑物內(nèi)的電子設(shè)備造成干擾、破壞，又或者使周圍的金屬構(gòu)件產(chǎn)生感應(yīng)電流，從而產(chǎn)生大量的熱而引起火災(zāi)。另外，當(dāng)架空線遭受直擊雷或產(chǎn)生感應(yīng)雷，高電位便會(huì)沿著導(dǎo)線電源線以及信號(hào)侵入變電站或建筑物內(nèi)，這種雷電波侵入也會(huì)對電氣設(shè)備造成危害或使建筑物內(nèi)的金屬設(shè)備放電，引起破壞作用。
再結(jié)合變電站發(fā)生的現(xiàn)象，技術(shù)人員共同分析最終得出結(jié)論認(rèn)為是靜電感應(yīng)雷所導(dǎo)致，不是電磁感應(yīng)雷，更不是直擊雷。雖然儀表盤柜柜殼有接地，可能是接地電阻還是不足夠小，電荷釋放還不夠及時(shí)。不過事故沒有造成柜內(nèi)電子設(shè)備損壞，封閉的柜殼對內(nèi)部電子元件也有很強(qiáng)的屏蔽作用，電荷沒有感應(yīng)到內(nèi)部電子元件上，否則后果很嚴(yán)重。如果靜電感應(yīng)雷的電場再強(qiáng)一些，不排除柜內(nèi)損壞電子元件的可能性。因此應(yīng)該采取進(jìn)一步加強(qiáng)鞏固措施，避免以后類似雷擊事件的發(fā)生。
4 改進(jìn)措施
前文提到變電站遭受的雷擊不是直擊雷，說明包括接閃器和防雷接地極在內(nèi)的保護(hù)系統(tǒng)還是可靠的，著重防護(hù)的是感應(yīng)雷擊，主要是進(jìn)一步減小保護(hù)接地電阻阻值達(dá)到增加多余電荷瀉放通道的目的。變電站內(nèi)電子設(shè)備都有鋼制柜體，滿足電磁屏蔽的要求。
測試了保護(hù)接地電阻，在合適的土壤和氣象條件下，多次測得的平均接地工頻電阻為3.1Ω，阻值合格。
從兩方面改進(jìn)，一方面補(bǔ)充保護(hù)接地極和防雷接地極，減小接地電阻；另一方面，室內(nèi)配電室墻壁邊緣內(nèi)安裝一圈40×4鍍鋅扁鋼連接到室外接地極，室內(nèi)的盤柜外殼通過槽鋼基礎(chǔ)也連接到40×4鍍鋅扁鋼上面，增加感應(yīng)雷所產(chǎn)生電荷的瀉放通道。
根據(jù)圖片對比原設(shè)計(jì)，增加了2組保護(hù)接地極，增加了2組防雷接地。接地極深度為0.7米，接地極間距為5米?？刂剖液团潆娛覂?nèi)在距離室內(nèi)地板200mm高處安裝一圈-40×4鍍鋅扁鋼，室內(nèi)電纜橋架、水暖管道、電纜穿線金屬管就近焊接到這一圈鍍鋅扁鋼上，鍍鋅扁鋼和室外保護(hù)接地極相連，組成一個(gè)新的接地網(wǎng)，和原來已有的接地網(wǎng)連接組成一個(gè)更可靠的保護(hù)接地系統(tǒng)。有的金屬構(gòu)件之前已經(jīng)焊接到原來的接地網(wǎng)上了，為了可靠起見，這次設(shè)備外殼等金屬構(gòu)件又增加了和新接地網(wǎng)的連接點(diǎn)。
新增的防雷接地極分別通過10鍍鋅圓鋼與屋頂?shù)谋芾讕нB接。利用屋面上的金屬欄桿作為避雷帶，檢查金屬欄桿焊接是否可靠，不可靠再補(bǔ)焊。
5 實(shí)施效果
工程完工之后，在合適的土壤和氣象條件下，多次測得的防雷接地極平均工頻電阻為2.8Ω，保護(hù)接地電阻2.3Ω，換算成沖擊接地電阻也合格。2013年雨季沒有出現(xiàn)過雷擊現(xiàn)象，證明已經(jīng)初步產(chǎn)生了一定的實(shí)際效果，如果要證明是否徹底解決了防雷問題，還需以后兩年雷雨季節(jié)的實(shí)際運(yùn)行情況驗(yàn)證。
6 結(jié)論
接地是避雷技術(shù)最重要的環(huán)節(jié)，不管是直擊雷，感應(yīng)雷或其它形式的雷，都需要將電荷通過接地裝置導(dǎo)入大地。因此，沒有合理而良好的接地裝置，就不能有效地防雷。從避雷的角度講，通過接地裝置把雷電對接閃器閃擊的電荷盡快地瀉放到大地，使其與大地的異種電荷中和，避免了設(shè)備遭受雷擊損壞。本工程改造通過增加變電站的防雷接地極和保護(hù)接地極，又增加了接閃器的接地引下線的數(shù)量，使得直擊雷和感應(yīng)雷產(chǎn)生的電荷迅速釋放到大地，從實(shí)踐方面取得了預(yù)期效果。
參考文獻(xiàn)
[1]邵培新.電氣設(shè)備接地防雷措施[J].中小企業(yè)管理與科技，2011（4）：297.
第5篇：古詩的分類范文
【關(guān)鍵詞】 突發(fā)性耳聾；類固醇激素；鼓室內(nèi)注射；Meta分析
突發(fā)性耳聾是耳鼻喉科臨床的常見病，是指72小時(shí)內(nèi)突然發(fā)生原因不明的非波動(dòng)性的感音神經(jīng)性聽力損失[1]。在臨床治療上通常使用靜脈激素、血管擴(kuò)張劑、溶栓藥物、能量合劑及高壓氧等治療方法，但療效仍不理想，有相當(dāng)一部分的患者聽力不能恢復(fù)到有效聽閾。類固醇鼓室內(nèi)注射治療突發(fā)性耳聾是近年來逐漸開展的一種治療方法，有研究表明這種方法可以提高類固醇激素在內(nèi)耳外淋巴中的聚集率并能避免許多因全身大劑量應(yīng)用類固醇激素而產(chǎn)生的副反應(yīng)。本文運(yùn)用系統(tǒng)評(píng)價(jià)的方法，對設(shè)有對照組的鼓室內(nèi)注射類固醇激素治療突發(fā)性聾的文獻(xiàn)進(jìn)行系統(tǒng)分析， 旨在評(píng)價(jià)該療法的療效
1 材料與方法
1.1 納入標(biāo)準(zhǔn) （1）研究對象突發(fā)性耳聾患者。（2）必須是比較類固醇鼓室內(nèi)注射和安慰劑的報(bào)道。（3）研究類型：隨機(jī)對照臨床實(shí)驗(yàn)、回顧性和非隨機(jī)對照研究均可納入。（4）原始文獻(xiàn)需治療組、對照組的總?cè)藬?shù)、治療有效人數(shù)、評(píng)估方法及標(biāo)準(zhǔn)。
1.2 資料收集方法 （1）計(jì)算機(jī)檢索：檢索年限為2001年～2011年10月。檢索的外文數(shù)據(jù)庫包PubMed、MedLine、EMBASE、Web of Science、循證醫(yī)學(xué)數(shù)據(jù)庫（EBMR）；中文數(shù)據(jù)庫則包括中國生物醫(yī)學(xué)文獻(xiàn)光盤數(shù)據(jù)庫（CBM-disc）、中國生物醫(yī)學(xué)期刊文獻(xiàn)數(shù)據(jù)庫（CMCC）、中國期刊網(wǎng)全文數(shù)據(jù)庫（CNKI）和中文科技期刊全文數(shù)據(jù)庫（VIP）。（2）檢索策略及檢索詞：經(jīng)咨詢圖書館參考館員共同制訂檢索策略，由2名評(píng)價(jià)員同時(shí)進(jìn)行獨(dú)立非盲法檢索并做初步篩選，英文數(shù)據(jù)庫以［（sudden deafness）or（sudden sensorineural hearing loss） or（sudden hearing loss］AND［intratympanic］AND［（steroid）or（corticosteroid）］為檢索詞，中文數(shù)據(jù)庫以“突發(fā)性耳聾、鼓室內(nèi)注射、類固醇激素、激素”為主要檢索詞。（3）手工檢索：手工檢索國內(nèi)外有關(guān)外科學(xué)的核心期刊現(xiàn)刊。通過相關(guān)文獻(xiàn)（包括綜述）的引文進(jìn)一步擴(kuò)大檢索范圍，查找所需文獻(xiàn)。（4）其他檢索途徑：檢索中山大學(xué)購買的國內(nèi)外各大出版社的外文電子期刊。
1.3 檢索結(jié)果篩選 閱讀檢索初始得到的文獻(xiàn)文摘，排除明顯不合格的文獻(xiàn)，由兩名評(píng)價(jià)員獨(dú)立選擇研究并進(jìn)行質(zhì)量評(píng)價(jià),按預(yù)先設(shè)計(jì)的表格提取資料。
1. 4 統(tǒng)計(jì)學(xué)分析 統(tǒng)計(jì)分析借助Review Manager 5.1統(tǒng)計(jì)軟件。計(jì)數(shù)資料采用相對危險(xiǎn)度( relative risk, RR )為療效分析統(tǒng)計(jì)量；計(jì)量資料采用加權(quán)均數(shù)差(weighted mean difference,WMD)，區(qū)間估計(jì)采用 95%可信區(qū)間，納入Meta分析的研究先作異質(zhì)性檢驗(yàn)，多個(gè)獨(dú)立研究的結(jié)果不具有同質(zhì)性時(shí)采用隨機(jī)效應(yīng)模型( D模型)；無統(tǒng)計(jì)學(xué)異質(zhì)性研究結(jié)果的合并分析選擇固定效應(yīng)模型(F模型)。對無法合并的相關(guān)的研究參數(shù)僅作描述性分析評(píng)價(jià)。
2 結(jié)果
有7項(xiàng)對照研究共964例患者被納入進(jìn)行系統(tǒng)評(píng)價(jià)，見表1。其中1項(xiàng)研究為RCT，6項(xiàng)研究為非隨機(jī)對照研究。文獻(xiàn)具體信息見表1。
表1 納入研究文獻(xiàn)信息
療效分析：
7篇納入研究的文獻(xiàn)共收入患者338例患者。Meta 分析的結(jié)果顯示，鼓室內(nèi)注射類固醇激素后治療組共有75例患者有效，對照組共有49例患者有效，與對照組相比，OR合并值的點(diǎn)估計(jì)為4.25,95%CI為（2.35,7.69）（圖1）。表明類固醇激素鼓室內(nèi)注射治療突發(fā)性耳聾是一種有效的治療手段。
圖1 類固醇鼓室內(nèi)注射治療突發(fā)性耳聾的meta分析
3 討論
內(nèi)耳中同時(shí)存在糖皮質(zhì)激素和鹽皮質(zhì)激素受體，類固醇激素能與細(xì)胞內(nèi)受體結(jié)合, 抑制一氧化氮合酶和細(xì)胞因子、黏附分子、血小板因子的轉(zhuǎn)錄，從而抑制炎癥過程， 因而類固醇在耳蝸功能的調(diào)節(jié)中發(fā)揮著重要作用。同時(shí)類固醇可改善耳蝸血流，防范耳蝸缺血，防止噪聲性聽力下降，調(diào)節(jié)內(nèi)耳的蛋白質(zhì)合成。近年來國外相繼出現(xiàn)的一些前瞻性、隨機(jī)對照的臨床研究，證明了鼓室灌注糖皮質(zhì)激素治療突發(fā)性聾的療效，Ho 等和Choung 等對常規(guī)治療無效的難治性突聾患者給予鼓室局部注射地塞米松，結(jié)論認(rèn)為全身應(yīng)用糖皮質(zhì)激素等綜合治療效果欠佳的突聾患者，地塞米松鼓室注射給藥能明顯提高療效。
但目前鼓室內(nèi)激素治療目前尚未得到公認(rèn)，把其作為突聾一線治療藥物的研究較少，大多數(shù)研究同時(shí)合并全身激素給藥。本研究通過文獻(xiàn)檢索對鼓室類固醇激素注射治療突發(fā)性聾的療效做系統(tǒng)分析，初步的評(píng)價(jià)結(jié)果顯示，類固醇鼓室內(nèi)注射是是一種有效的治療手段。
本文納入分析文獻(xiàn)的病例數(shù)均較少，缺少多中心雙盲隨機(jī)對照研究，各位作者使用的療效評(píng)定標(biāo)準(zhǔn)、觀察時(shí)間等不盡一致， meta分析的質(zhì)量不高，仍需要更高詢證醫(yī)學(xué)質(zhì)量的文章做進(jìn)一步研究，以便為臨床提供更為確切的結(jié)論。
參考文獻(xiàn)
［1］ Fu Y, Zhao H, Zhang T, Chi F.Intratympanic dexamethasone as initial therapy for idiopathic sudden sensorineural hearing loss: Clinical evaluation and laboratory investigation. Auris Nasus Larynx. 2011 Apr;38(2):165-71.
［2］Li P, Zeng XL, Ye J, Yang QT, Zhang GH, Li Y.Intratympanic methylprednisolone improves hearing function in refractory sudden sensorineural hearing loss: a control study. Audiol Neurootol. 2011;16(3):198-202. Epub 2010 Oct 18.
［3］Wu HP, Chou YF, Yu SH, Wang CP, Hsu CJ, Chen PR. Intratympanic steroid injections as a salvage treatment for sudden sensorineural hearing loss: a randomized, double-blind, placebo-controlled study. Otol Neurotol. 2011 Jul;32(5):774-9.
［4］Lee JB, Choi SJ, Park K, Park HY, Choo OS, Choung YH.The efficiency of intratympanic dexamethasone injection as a sequential treatment after initial systemic steroid therapy for sudden sensorineural hearing loss. Eur Arch Otorhinolaryngol. 2011 Jun;268(6):833-9. Epub 2011 Jan 8.
［5］趙遠(yuǎn)新,周曉娓,姚清華. 地塞米松鼓室內(nèi)灌注治療突發(fā)性聾. 聽力學(xué)及言語疾病雜志2010 年第18 卷第4 期:391-392
第6篇：古詩的分類范文
關(guān)鍵詞：雷擊開關(guān) 爆炸 避雷器
中圖分類號(hào)： O643.2+21文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：
一、引言
避雷器能釋放雷電以及系統(tǒng)中操作過電壓能量，保護(hù)電氣設(shè)備免受瞬時(shí)過電壓影響，又能截?cái)嗬m(xù)流，不致引起系統(tǒng)接地短路的一種電氣設(shè)備。目前避雷器內(nèi)部采用良好伏安特性氧化鋅電阻片作為主要元件。正常時(shí)避雷器電阻值很大，無電流流過，一旦線路上傳來危機(jī)被保護(hù)設(shè)備絕緣的過電壓波時(shí)，避雷器在納秒（ns）級(jí)呈低值擊穿動(dòng)作，呈現(xiàn)低阻狀態(tài)，使過電壓電荷釋放，流入大地，將過電壓鉗制在一定的水平。所以說避雷器對于系統(tǒng)設(shè)備有著極其重要的作用，現(xiàn)對一起因雷擊線路側(cè)未裝避雷器而造成線路開關(guān)爆炸的案列進(jìn)行分析。供同行參考。
二、事故經(jīng)過：
事故前運(yùn)行方式：
220kV部分全接線、全保護(hù)運(yùn)行。#1、#2主變及三側(cè)開關(guān)運(yùn)行。110kV母聯(lián)開關(guān)運(yùn)行，仙山1781、仙豐1783、仙賀1787、仙常1789、仙特1791（特色變主送電源，保護(hù)及重合閘投入）、110kV旁路開關(guān)、#1主變110kV開關(guān)接正母運(yùn)行；仙中1780、仙江1782、仙白1786、特仙1792（特色變備用電源，保護(hù)及重合閘投入）、#2主變110kV開關(guān)接付母運(yùn)行；110kV旁路開關(guān)由正母對旁母充電；110kV正、付母線、旁路母線及壓變運(yùn)行。35kV I、II段母線分列運(yùn)行，35kV母分開關(guān)熱備用。#1所用變帶全所所用電負(fù)荷，#2所用變運(yùn)行。
事故經(jīng)過：
11：48：40仙特1791零序Ⅰ段動(dòng)作、距離Ⅰ段動(dòng)作，重合閘動(dòng)作，重合成功；“合閘”燈亮；故障相別C相，故障測距1.3km；
11：48：41：925#2主變第一套、第二套110kV側(cè)零序Ⅰ段Ⅰ時(shí)限保護(hù)動(dòng)作；
11：48：41特仙1792零序Ⅰ段動(dòng)作、距離Ⅰ段動(dòng)作、距離加速段動(dòng)作，重合閘未動(dòng)作，裝置報(bào)“控回?cái)嗑€”；故障相別C相，故障測距1.3km；
保護(hù)裝置動(dòng)作報(bào)文如下：
保護(hù)裝置故障錄波波形如下：
11：48：42 110kV母差動(dòng)保Ⅱ母差動(dòng)護(hù)動(dòng)作，故障相別B相；跳開110kV副母線上所有開關(guān)，經(jīng)檢查，發(fā)現(xiàn)現(xiàn)場特仙1792開關(guān)C相爆炸并掉落，C相開關(guān)與CT之間引線掉落。
三、原因分析：
1、特仙1792線路受雷擊，發(fā)生C相瞬時(shí)性故障，保護(hù)零序Ⅰ段動(dòng)作、距離Ⅰ段動(dòng)作，開關(guān)跳閘后，等待重合閘動(dòng)作。
2、大約100ms后，線路雷擊閃絡(luò)開關(guān)跳閘后重合前，呈現(xiàn)開口狀態(tài)，開關(guān)線路側(cè)與母線避雷器失去連接，失去了母線避雷器的保護(hù)，此時(shí)后續(xù)雷擊入侵波在開關(guān)斷口處發(fā)生全反射，大幅度超出了開關(guān)設(shè)備的雷電沖擊耐受水平標(biāo)準(zhǔn)，由此導(dǎo)致特仙1792線C相開關(guān)發(fā)生斷口擊穿，此時(shí)特仙1792線線路故障依然存在，C相有故障電流流過，特仙1792相對時(shí)間198ms零序過流I段保護(hù)動(dòng)作，206ms距離加速保護(hù)動(dòng)作，211ms距離I段保護(hù)動(dòng)作，272ms零序加速保護(hù)動(dòng)作，472ms零序過流II段保護(hù)動(dòng)作, 482ms距離II段保護(hù)動(dòng)作, 770ms零序過流III段保護(hù)動(dòng)作, 781ms距離III段保護(hù)動(dòng)作,而此時(shí)特仙1792開關(guān)已處于分閘狀態(tài)，特仙1792保護(hù)雖然動(dòng)作，已不能切除故障，與此同時(shí)#2主變第一套、第二套110kV側(cè)零序Ⅰ段Ⅰ時(shí)限保護(hù)啟動(dòng)。
相對時(shí)間1787ms特仙1792開關(guān)爆炸，爆炸過程中造成在110kV母差保護(hù)范
圍內(nèi)的B、C相相間短路，在1836ms#2主變第一套、第二套110kV側(cè)零序Ⅰ段Ⅰ時(shí)限保護(hù)動(dòng)作，跳110kV母聯(lián)開關(guān)，幾乎相同時(shí)間1860ms母差保護(hù)動(dòng)作，跳110kV母聯(lián)開關(guān)級(jí)110kV副母上包括#2主變110kV開關(guān)在內(nèi)的所有開關(guān)，故障切除。
三、 防范措施
第7篇：古詩的分類范文
關(guān)鍵詞:電器行業(yè);標(biāo)準(zhǔn)化;聚類分析
中圖分類號(hào):TD611+.3 文獻(xiàn)標(biāo)識(shí)碼:B 文章編號(hào):1009-9166(2009)020(c)-0205-02
目前常用的對上市公司的分類中包括按照板塊分類,這種分類大大地減輕了投資者在繁復(fù)的對象中搜尋的工作量。然而各板塊內(nèi)部的公司實(shí)質(zhì)上質(zhì)量參差不齊,許多指標(biāo)上存在較大的層次差別。為進(jìn)一步對上市公司的業(yè)績進(jìn)行綜合而科學(xué)的評(píng)估,在板塊內(nèi)部進(jìn)一步細(xì)分顯得猶為重要。
考慮到我國長期以來拉動(dòng)內(nèi)需的政策與實(shí)際需求,同時(shí)結(jié)合電器在拉動(dòng)內(nèi)需過程中所扮演的重要角色,本文以電器板塊作為切入點(diǎn),選取其中2008年以前上市的37家公司為樣本,結(jié)合其多項(xiàng)財(cái)務(wù)指標(biāo)對其進(jìn)行聚類分析。
一、 聚類分析方法
(一)數(shù)據(jù)標(biāo)準(zhǔn)化。由于所選指標(biāo)性質(zhì)差異比較大,其量綱和數(shù)量級(jí)的差別會(huì)對分析結(jié)果產(chǎn)生一定影響,另一方面,本文所選取的歐氏距離的值與各指標(biāo)量綱有關(guān),因此需對原始觀測數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理, 并以標(biāo)準(zhǔn)化后的數(shù)據(jù)為依據(jù)進(jìn)行分析計(jì)算。
(二)系統(tǒng)聚類分析法。系統(tǒng)聚類法首先將各樣本各分為一類,再按照其距離的遠(yuǎn)近,逐次將距離近的類聚合,最終將所有樣本聚為一類。利用SAS軟件進(jìn)行系統(tǒng)聚類分析可以得到逐次聚類的過程,有利于保證分析的科學(xué)性和嚴(yán)密性。
本文采用歐式距離定義樣本之間距離,即:
采用離差平方和法(WARD法)定義類類距離。離差平方和法的主要思想是,當(dāng)所分類數(shù)固定時(shí),選擇使所有類總離差平方各達(dá)到最小的分類。先讓n個(gè)樣品各自成一類,然后縮小一類,每縮小一類離差平方和就要增大,選擇使其增加最小的兩類合并,直到所有的樣品歸為一類為止。WARD法把兩類合并后增加的離差平方和看成類間的平方距離。
二、 實(shí)證分析
1.指標(biāo)選取
為實(shí)現(xiàn)對所選上市公司業(yè)績的科學(xué)而公正的評(píng)估,本文選取了12個(gè)財(cái)務(wù)指標(biāo)構(gòu)成一個(gè)評(píng)估指標(biāo)體系,主要從流動(dòng)性指標(biāo)、效率指標(biāo)、杠桿率指標(biāo)、盈利性指標(biāo)等多方面進(jìn)行測評(píng),所選取的具體指標(biāo)如下:
表一:電器板塊上市公司業(yè)績綜合評(píng)價(jià)指標(biāo)體系
2.聚類分析
本文選取了37家電器板塊于2008年前上市的企業(yè),對其相關(guān)財(cái)務(wù)指標(biāo)2008年度值進(jìn)行分析,原始數(shù)據(jù)來源為銳思數(shù)據(jù),所用統(tǒng)計(jì)分析軟件為SAS。
在歐氏距離及離差平方各法之下,采用系統(tǒng)聚類法對37個(gè)12維變量進(jìn)行聚類分析,可以得到如下譜系聚類圖:
截取并類過程的一部分,得到
其中RSQ即R2k,該指標(biāo)越大,說明K個(gè)類越能夠區(qū)分開,聚類效果越好;SPRSQ即半偏R2統(tǒng)計(jì)量,是R2k+1與R2k的差值,其值越大,說明上一次合并為K+1個(gè)類后的效果好,可用于評(píng)價(jià)一次合并的效果,該指標(biāo)支持分為二類或三類。PSF即偽F統(tǒng)計(jì)量,Fk越大表示樣品可顯著地分為K個(gè)類,可見該指標(biāo)支持分為三、四或五類。PST2即偽t2統(tǒng)計(jì)量,該值大,表示合并后類內(nèi)離差平方各的增量相對于原來兩類的類內(nèi)離差平方各大,表明上一次聚類的效果是好的,該指標(biāo)支持分為三類或四類。結(jié)合各個(gè)統(tǒng)計(jì)指標(biāo)及譜系聚類圖,可以認(rèn)為分為三類或四類是較合適的。
三、 分析與結(jié)論
1.類一中包括了絕大多數(shù)電器板塊中的上市公司,且觀察其并類距離,可以發(fā)現(xiàn)該類中樣本距離并不大,即各樣本之間的差異并不大。從原始數(shù)據(jù)來看,類一中樣本具有各項(xiàng)指標(biāo)整體較優(yōu)良的性質(zhì),發(fā)展穩(wěn)定,收益較好,屬于板塊中的中堅(jiān)力量,其中也不乏板塊領(lǐng)跑者,總體來說,經(jīng)營績效較優(yōu)良。2.類二中只包括佛山照明。較之其他上市公司,佛山照明擁有較高的每股收益、速動(dòng)比率、流動(dòng)比率、營業(yè)利潤率等指標(biāo),凈資產(chǎn)增長率較低,因此其對短期債務(wù)的支付能力明顯高于其他同類企業(yè), 而股東所享受到的收益較其他公司也較高。3.類三中包括三支ST公司,且有兩支已受到退市預(yù)警,另一支亦連續(xù)兩年虧損,類三平均每股收益很低,流動(dòng)比率、速動(dòng)比率較低,短期負(fù)債支付能力有待提高,且債務(wù)比率相當(dāng)高,另一方面,收入方面表現(xiàn)不佳,經(jīng)營績效堪憂。4.類四只包括S*ST長嶺,擁有相當(dāng)高的每股收益,債務(wù)比率較高,營業(yè)利潤率較低,但是銷售凈利率相當(dāng)高,說明其費(fèi)用可能較高,管理經(jīng)營狀況不善。
作者單位:武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院
參考文獻(xiàn):
[1]陳志啟.煤炭行業(yè)上市公司的聚類分析.金融管理.No.5 2008
[2]高惠璇.應(yīng)用多元統(tǒng)計(jì)分析.北京大學(xué)出版社
第8篇：古詩的分類范文
【關(guān)鍵詞】經(jīng)營績效；股票價(jià)格；SFA
引言
隨著近期國家對房地產(chǎn)市場調(diào)控的不斷加強(qiáng)，人們對房地產(chǎn)市場以及房地產(chǎn)板塊股票的關(guān)注越來越多，房地產(chǎn)市場的變化和股票價(jià)格的波動(dòng)牽動(dòng)著千萬人的心。那么股票價(jià)格到底受什么因素影響呢？陳朝旭等（2006）、孫霄種等（2007）利用Granger因果關(guān)系檢驗(yàn)論證了我國股市存在依賴于經(jīng)濟(jì)周期的非對稱關(guān)聯(lián)關(guān)系，在經(jīng)濟(jì)繁榮時(shí)期我國股市與實(shí)體經(jīng)濟(jì)才表現(xiàn)出較好的關(guān)聯(lián)性。同時(shí)，也有學(xué)者從實(shí)證上論證我國股市與宏觀經(jīng)濟(jì)存在聯(lián)系。劉少波和丁菊紅（2005）分別用不同的方法驗(yàn)證了我國股市正走向漸進(jìn)有效，后者還利用線性回歸分析得出1997年之后我國股市與宏觀經(jīng)濟(jì)指標(biāo)之間存在弱相關(guān)性，其基本結(jié)論是我國股市與實(shí)體經(jīng)濟(jì)存在弱相關(guān)關(guān)系、協(xié)整關(guān)系和不顯著的Granger因果關(guān)系。李澤廣和高明生（2007）實(shí)證研究發(fā)現(xiàn)，我國股價(jià)和匯率之間存在穩(wěn)定的協(xié)整關(guān)系和雙向的因果關(guān)系。鄧和楊朝軍（2007）實(shí)證結(jié)果表明，匯率制度改革后中國股市和匯市之間存在長期穩(wěn)定的協(xié)整關(guān)系，人民幣升值是中國股市上揚(yáng)的單向原因。巴曙松、嚴(yán)敏（2009）實(shí)證研究則表明股價(jià)和匯市之間不存在長期均衡關(guān)系。
整體來看，對于股票價(jià)格影響的研究主要集中于各種外部條件，而股票作為上市公司自身募集資金的主要手段，其價(jià)格與上市公司自身經(jīng)營必然高度相關(guān)。股票之所以具有價(jià)值，是因?yàn)樗鼈兙哂型顿Y者所希望的某類屬性。按照通行的財(cái)務(wù)理論觀點(diǎn)，一家公司的股票價(jià)格是其未來的現(xiàn)金流量（即股利）按一定的貼現(xiàn)率進(jìn)行折現(xiàn)的現(xiàn)值。而公司經(jīng)營的好壞決定著該股票的未來價(jià)格，那么公司經(jīng)營的現(xiàn)狀就能夠?qū)ξ磥砉善眱r(jià)格造成影響?；诖耍疚膶姆康禺a(chǎn)類上市公司相關(guān)的經(jīng)營指標(biāo)出發(fā)，測算出公司經(jīng)營效率，進(jìn)而分析經(jīng)營效率對股票價(jià)格的影響。
一、研究方法及數(shù)據(jù)說明
1.隨機(jī)前沿生產(chǎn)函數(shù)模型
隨機(jī)前沿生產(chǎn)函數(shù)模型最早由Aigner和Chu（1968）年提出，將生產(chǎn)率分解為技術(shù)前沿和技術(shù)效率，前者描述一定要素投入組合與最大產(chǎn)出量之間的關(guān)系，后者則為單個(gè)生產(chǎn)者的實(shí)際產(chǎn)出與前沿產(chǎn)出的差距。本文采用柯布―道格拉斯生產(chǎn)函數(shù)，依照Battese和Coelli（1992）模型，本文的隨機(jī)前沿生產(chǎn)函數(shù)模型可以表示如下：
其中，、和分別為2010年各房地產(chǎn)類上市公司營業(yè)收入、資本投入、勞動(dòng)力投入，和是資本產(chǎn)出彈性和勞動(dòng)產(chǎn)出彈性；為我國房地產(chǎn)類上市公司的前沿技術(shù)進(jìn)步水平；為隨機(jī)擾動(dòng)項(xiàng)，指上市公司內(nèi)部系統(tǒng)的不可控因素造成的隨機(jī)誤差，包括統(tǒng)計(jì)誤差、自然災(zāi)害等，其服從對稱的正態(tài)分布，即：；為第i個(gè)上市公司的生產(chǎn)無效率項(xiàng)，其服從截尾正態(tài)分布，即：，則稱為技術(shù)效率。
對（1）式取對數(shù)，得：
在得出生產(chǎn)無效率項(xiàng)的估計(jì)值后，取得各房地產(chǎn)類上市公司經(jīng)營效率值。本文將使用回歸分析法分析各房地產(chǎn)類上市公司經(jīng)營效率是否對其股票價(jià)格及變動(dòng)產(chǎn)生顯著性影響。
2.數(shù)據(jù)說明
（1）房地產(chǎn)類上市公司產(chǎn)出。本文選取能夠反映上市公司基本經(jīng)營水平的營業(yè)收入作為其產(chǎn)出指標(biāo)，原始數(shù)據(jù)來源于潛龍軟件，采用2010年年報(bào)的數(shù)據(jù)。
（2）房地產(chǎn)類上市公司資本投入。本文選取2010年房地產(chǎn)類上市公司年報(bào)中的股東權(quán)益作為資本投入的指標(biāo)，其能夠很好的反應(yīng)上市公司原始資本投入水平，原始數(shù)據(jù)來源于潛龍軟件，采用2010年年報(bào)的數(shù)據(jù)。
（3）房地產(chǎn)類上市公司勞動(dòng)力投入。本文采用2010年房地產(chǎn)類上市公司年報(bào)中的管理費(fèi)用作為勞動(dòng)力投入這一指標(biāo)，原始數(shù)據(jù)來源于潛龍軟件，采用2010年年報(bào)的數(shù)據(jù)。
（4）股票價(jià)格。本文選取了兩類股票價(jià)格進(jìn)行分析，一是股票價(jià)格的極差，即股票最高價(jià)與最低價(jià)的差值；二是股票收盤價(jià)的均值。原始數(shù)據(jù)來源于潛龍軟件，采用2010年年報(bào)的數(shù)據(jù)。
二、實(shí)證結(jié)果
1.使用Stata10.0軟件，可得出本文所采用隨機(jī)生產(chǎn)函數(shù)模型（2）的各項(xiàng)參數(shù)為：
其中，說明了使用BC（1992）隨機(jī)前沿生產(chǎn)函數(shù)的合理性，也說明了在我國房地產(chǎn)類上市公司經(jīng)營中存在著嚴(yán)重的低效率。在表1中，>，即資本產(chǎn)出彈性小于勞動(dòng)投入產(chǎn)出彈性，說明了在上市公司經(jīng)營中同比例的勞動(dòng)力投入較資本投入提升的產(chǎn)出水平更大。也就是說，在資金投入力度不斷加大的同時(shí)，應(yīng)該適當(dāng)增加房地產(chǎn)類從業(yè)人員的工資水平，增加人力資本投入，使得上市公司的產(chǎn)出得到更快的增長。
2.運(yùn)用Stata10.0測算的房地產(chǎn)類上市公司經(jīng)營效率值及其排名見表2。
從表2可以看出，（1）我國房地產(chǎn)類上市公司經(jīng)營效率值總體偏低，只有0.4714，說明了上市公司經(jīng)營水平較低。（2）經(jīng)營效率的均值為0.4714，標(biāo)準(zhǔn)差達(dá)到了0.2813，表明上市公司之間經(jīng)營效率存在巨大的差異性。（3）房地產(chǎn)類上市公司經(jīng)營效率排名前4的分別為天宸股份、保利地產(chǎn)、華業(yè)地產(chǎn)和美都控股，這4家房地產(chǎn)公司為本樣本的最優(yōu)效率組團(tuán)，其經(jīng)營效率遠(yuǎn)遠(yuǎn)高于均值；經(jīng)營效率排名后3的分別為綠景地產(chǎn)、運(yùn)盛實(shí)業(yè)和ST中房，這3家房地產(chǎn)公司為本樣本的最差效率組團(tuán)，其經(jīng)營效率遠(yuǎn)遠(yuǎn)低于均值。
3.利用Stata10.0軟件進(jìn)行回歸分析，因變量分別為股票價(jià)格的均值（Y1，對應(yīng)模型1）、極差（Y2，對應(yīng)模型2），自變量為房地產(chǎn)類上市公司技術(shù)效率（TE）。回歸結(jié)果如表3。
從表3我們發(fā)現(xiàn)：（1）以股票價(jià)格均值作為因變量的模型1，不論從模型整體的顯著性和擬合優(yōu)度還是從參數(shù)的估計(jì)值大小及顯著性水平，都較以股票價(jià)格極差作為因變量的模型2結(jié)果要好，且模型1具有統(tǒng)計(jì)意義上的顯著性。（2）股票價(jià)格確實(shí)受到了公司經(jīng)營效率的影響。經(jīng)營效率每提高一個(gè)百分點(diǎn)，其股票價(jià)格就會(huì)較其他公司高39.76個(gè)百分點(diǎn)。
三、結(jié)論
根據(jù)前文研究的結(jié)果，本文的結(jié)論如下：（1）我國房地產(chǎn)類上市公司技術(shù)效率值總體偏低，行業(yè)內(nèi)部經(jīng)營效率差異大。（2）房地產(chǎn)類上市公司未來股票價(jià)格確實(shí)受到了公司經(jīng)營效率的影響。經(jīng)營效率越高的公司，其股票價(jià)格越高。（3）房地產(chǎn)類上市公司人力資本投入較少，沒有滿足經(jīng)營規(guī)模不斷擴(kuò)大下對人才的要求，人力投入與資本投入沒有實(shí)現(xiàn)最優(yōu)匹配。為了提高房地產(chǎn)公司運(yùn)營效率，使股東權(quán)益最大化，應(yīng)該下大力氣引進(jìn)高端管理人才，加大人力資本投入，提高經(jīng)營效率。
參考文獻(xiàn)
[1]李澤廣,高明生.近期匯率體制改革后股價(jià)與匯率的聯(lián)動(dòng)效應(yīng)及其檢驗(yàn)[J].現(xiàn)代財(cái)經(jīng),第213期.
[2]劉少波,丁菊紅.淺析資本市場的兩大功能[J].經(jīng)濟(jì)論壇,2005(4).
[3]陳朝旭,劉金全.我國股市收益率與宏觀經(jīng)濟(jì)非對稱性的關(guān)聯(lián)分析[J].工業(yè)技術(shù)經(jīng)濟(jì),第157期.
[4]嚴(yán)敏,巴曙松,吳博.我國股指期貨市場的價(jià)格發(fā)現(xiàn)與波動(dòng)溢出效應(yīng)[J].系統(tǒng)工程,第190期.
第9篇：古詩的分類范文
Abstract： The method of multi-fractal detrended fluctuation analysis（MF-DFA） can not only be able to remove the fluctuations of the long-term trend in the stock market time series， but also be able to describe the multi-fractal characteristics. First of all， this paper uses the MF-DFA to analyze the multi-fractal characteristics of the stock market time series and the result shows that the method of MF-DFA is more efficient. Secondly， it defines a similarity measure function of clustering which use the parameters of multi-fractal spectrum as their parameters on the stock time series clustering. Finally， based on the Markowitz proposed the rule of expected mean and the variance of return （M-V rule）， it applies the clustering results into the stock portfolio. According to the experiment result， a portfolio with more return and lower risk is reached.
關(guān)鍵詞： 時(shí)間序列；多重分形消除趨勢波動(dòng)分析；聚類；投資組合
Key words： time series；MF-DFA；clustering；Portfolio
中圖分類號(hào)：F830.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2013）26-0137-04
0 引言
對于許多的時(shí)間序列，例如股指時(shí)間序列，股票價(jià)格序列等，由于其形成過程中受到眾多復(fù)雜的非線性因素的影響，因此在不同局部區(qū)域和不同層次往往呈現(xiàn)出不同的特征和復(fù)雜性。作為一種重要的非線性方法，多重分形分析方法將復(fù)雜對象分成多個(gè)奇異程度不同的子區(qū)域，并借助統(tǒng)計(jì)物理的方法描述對象在不同子區(qū)域的分形特征以及各子區(qū)域?qū)φw對象的影響。由于多重分形分析方法能夠描述資產(chǎn)價(jià)格在不同時(shí)間標(biāo)度，不同波動(dòng)幅度方面的精細(xì)的信息，從而全面真實(shí)的反應(yīng)資產(chǎn)價(jià)格波動(dòng)的復(fù)雜統(tǒng)計(jì)[1]，因此近年來國內(nèi)外許多學(xué)者對金融證券市場的多重分形特征及其應(yīng)用進(jìn)行了研究。對眾多國家和地區(qū)的實(shí)證研究表明，多重分形特性在全球證券市場中廣泛存在[2-4]。
多重分形消除趨勢波動(dòng)分析（MF-DFA）是Kantelhardt（2002）在DFA方法的基礎(chǔ)上首次提出的[5]，用來刻畫時(shí)間序列在不同時(shí)間標(biāo)度下的多重分形特征。胡雪明、宋學(xué)鋒[6]在國內(nèi)最早把MF-DFA方法引入滬深股市的實(shí)證對比研究當(dāng)中發(fā)現(xiàn)兩市均具有多重分形特征，深圳成指比上證綜指的廣義Hurst指數(shù)要大，表明其具有更強(qiáng)的持久相關(guān)性。宛瑩、莊新田[7]利用多重分形消除趨勢波動(dòng)分析法，對國際上3種主要的國際匯率收益序列進(jìn)行實(shí)證分析，發(fā)現(xiàn)國際匯率存在多重分形特性，且有兩個(gè)因素共同作用。劉維奇、牛奉高[8]運(yùn)用MF-DFA方法對上證指綜指和深圳成指的多重分形特征進(jìn)行比較，結(jié)果表明前者多重分形特征比后者更加明顯。萬濤[9]等運(yùn)用該方法對對上證指綜指和深圳成指的日對數(shù)收益序列進(jìn)行比較分析，也得到相同的結(jié)論。綜上所述，目前現(xiàn)有文獻(xiàn)都是運(yùn)用MF-DFA方法對大盤指數(shù)、匯率等數(shù)據(jù)進(jìn)行多重分形分析，而把MF-DFA方法應(yīng)用到單個(gè)股票多重分形特性的分析當(dāng)中還比較少。同時(shí)，大多數(shù)文獻(xiàn)都是針對金融證券市場的多重分形特性進(jìn)行實(shí)證分析，把多重分形運(yùn)用到股票的投資組合構(gòu)建中還沒涉及。
聚類是一種重要的數(shù)據(jù)挖掘方法，即將數(shù)據(jù)劃分成有意義的多個(gè)簇，使得每個(gè)簇中的數(shù)據(jù)盡可能相似，而不同簇中的數(shù)據(jù)具有明顯的差別。對于金融時(shí)間序列這類復(fù)雜序列來說，利用多重分形譜進(jìn)行聚類是非常有利的，因?yàn)槎嘀胤中巫V的各項(xiàng)參數(shù)能夠表征序列的整體到局部的豐富信息，黃超等[10]提出了基于多重分形特征參量的聚類方法。鐘維年等[11]運(yùn)用小波分解與重構(gòu)技術(shù)消除股票序列的趨勢項(xiàng)后再進(jìn)行聚類。由于多重分形消除趨勢波動(dòng)分析法在去除趨勢項(xiàng)上與小波分解與重構(gòu)技術(shù)的作用等同，甚至某些情況下優(yōu)于小波分解與重構(gòu)技術(shù)[5]，同時(shí)比小波分解與重構(gòu)技術(shù)的過程更簡單，本文采用多重分形消除趨勢波動(dòng)分析法消除股票價(jià)格序列的長期趨勢項(xiàng)。聚類分析能夠根據(jù)不同的特征參量發(fā)現(xiàn)對象在不同方面的相似性程度，近年來被廣泛應(yīng)用于金融資產(chǎn)價(jià)格預(yù)測、投資組合以及風(fēng)險(xiǎn)分析等許多方面，因此，基于多重分形特性的聚類在金融領(lǐng)域有著重要的意義和應(yīng)用價(jià)值。
本文先采用消除趨勢波動(dòng)分析法對股票價(jià)格序列進(jìn)行多重分形特性分析，然后基于多重分形特征參量進(jìn)行股票價(jià)格時(shí)間序列聚類，最后根據(jù)股票聚類結(jié)果選擇合適的股票進(jìn)行投資組合。
1 相關(guān)理論
1.1 多重分形消除趨勢波動(dòng)分析法（MF-DFA）
Kantelhardt（2002）提出的MF-DFA方法是檢驗(yàn)一個(gè)非平穩(wěn)時(shí)間序列是否具有多重分形特征的有效方法，并通過計(jì)算機(jī)模擬驗(yàn)證了該方法對非平穩(wěn)時(shí)間序列進(jìn)行多重分析的有效，同時(shí)通過MF-DFA方法還能過渡到標(biāo)準(zhǔn)的多重分形分析。
設(shè){xi}為長度為N的序列，i=1，2，3，…，N，MF-DFA方法的計(jì)算過程如下：
①通過計(jì)算次均值累計(jì)離差把原序列變成一個(gè)新的序列：Y（i）=■x■-■，t=1，2，…，N （1）
式中xi為時(shí)間序列，■為{xi}的均值。
②把序列Y（i）分割成長度為s的Ns個(gè)互不重疊的等長區(qū)間（Ns=int（N/s）），由于時(shí)間序列的長度N常常不會(huì)是時(shí)間段s的整數(shù)倍，時(shí)間序列尾部通常會(huì)有剩余部分，為了不至于丟失尾部，從序列的尾部重復(fù)上述分割過程，因此得到2Ns的區(qū)間。
③利用最小二乘法擬合每一個(gè)子區(qū)間v（v=1，2，…，2Ns）的局部趨勢函數(shù)yv（j），這里yv（j）為第v個(gè)子區(qū)間的擬合多項(xiàng)式，消除子區(qū)間v中的局部趨勢序列得到殘差序列Zv（j），當(dāng)v=1，2，…，Ns時(shí)
Zv（j）=■■Y[（v-1）s+i]-y■（j） （2）
當(dāng)v=Ns+1，…，2Ns時(shí)
Zv（j）=■■Y[N-（v-Ns）s+i]-y■（j） （3）
④分別計(jì)算2Ns個(gè)消除趨勢子區(qū)間序列的平方均值，即：F■（s，v）=■■Z■■（j） （4）
其中v=1，2，…，2Ns，進(jìn)而求出序列的q階波動(dòng)函數(shù)，即：F■（s）=■■F■（s，v）■■ （5）
公式中的指數(shù)變量q的取值可以是任何值（q不等于0），當(dāng)q=0時(shí)F0（s）=exp■■lnF■（s，v）■ （6）
當(dāng)q=2時(shí)時(shí)標(biāo)準(zhǔn)的DFA過程。易知Fq（s）與s成正方向關(guān)系，因此對于不同的s，就可得到相應(yīng)的分形時(shí)間序列Fq（s）。
⑤確定波動(dòng)函數(shù)的標(biāo)度指數(shù)，先固定階數(shù)q，通過在雙對數(shù)圖中分析Fq（s）與s的關(guān)系：Fq（s）～sh（q） （7）
對每一個(gè)時(shí)間尺度s，可求出相應(yīng)的一個(gè)波動(dòng)函數(shù)數(shù)值Fq（s），做出ln[Fq（s）]～lns函數(shù)關(guān)系圖，其斜率為q階廣義Hurst指數(shù)h（q），當(dāng)h（q）為常數(shù)時(shí)，序列為單分形；當(dāng)h（q）與q相關(guān)時(shí)，序列為多重分形。
⑥通過MF-DFA得到的h（q）與Renyi指數(shù)τ（q）有如下關(guān)系τ（q）=qh（q）-1 （8）
⑦不同q值的分形維數(shù)，也即是廣義分形維
Dq=τ（q）/）（q-1） （9）
⑧用來描述多重分形時(shí)間序列的多重分形譜f（α）可通過（10）式得到，即：
α=h（q）+qh′（q） （10）
f（α）=q[α-h（q）] （11）
其中，奇異指數(shù)α為客戶復(fù)雜系統(tǒng)中各個(gè)子區(qū)間的奇異程度，α越大，奇異性越小；多重分形譜f（α）實(shí)際上是指具有相同奇異指數(shù)α的分形維數(shù)，且f′（α）=q；分形譜寬度Δα（αmax-αmin）代表最大最小概率間的差別，Δα值越大，分形時(shí)間序列分布越不規(guī)則，多重分形強(qiáng)度越強(qiáng)；相應(yīng)的分形維數(shù)差別Δf（fmax-fmin）反映了高低價(jià)位出現(xiàn)的頻率變化程度。多重分形譜本質(zhì)上是分形子序列的分形維。
1.2 均值-方差（M-V）模型
Markowitz[12]建立了投資組合理論作為不確定條件下的資產(chǎn)選擇方法。他提出的均值-方差（MV）模型被理論界和實(shí)際投資者廣泛接受。MV模型描繪了資產(chǎn)組合的最基本的框架。在Markowitz的MV模型中，收益率均值u和方差σ2是風(fēng)險(xiǎn)證券的兩個(gè)評(píng)價(jià)指標(biāo)。在不允許賣空的條件下，MV模型可以描述為一個(gè)二次規(guī)劃問題：
min imizeρ■■=x■Vx （12）
約束條件：X■I=1X■R=R■0？燮x■？燮1 （13）
其中，x=（x1，x2，…xp）′為p維列向量，表示p個(gè)資產(chǎn)在投資組合中的比例，V為各資產(chǎn)的相關(guān)系數(shù)矩陣，R為各資產(chǎn)的期望收益，MV模型以資產(chǎn)方差作為風(fēng)險(xiǎn)的度量，尋找在既定收益水平Rp下，風(fēng)險(xiǎn)最小的投資方案，I為列向量，其每個(gè)元素均為1。
2 基于多重分形聚類的投資組合分析
首先我們來分析多重分形譜的各個(gè)參數(shù)的聚類意義，由于廣義分形維Dq描述的是對象的精細(xì)結(jié)構(gòu)和復(fù)雜程度，對于時(shí)間序列而言，時(shí)間序列的廣義分形維數(shù)越接近，則表明這些時(shí)間序列波動(dòng)的精細(xì)結(jié)構(gòu)和復(fù)雜性從整體上而言是相似的。由于f（α）的物理意義是對象的粗糙程度、復(fù)雜度、不規(guī)則度以及不均勻程度的度量，所以，多重分形譜的寬度Δα（αmax-αmin）和Δf（fmax-fmin）就是該度量的具體數(shù)值表示，孫霞等對Δα和Δf的物理含義進(jìn)行了詳細(xì)的討論[13]。若時(shí)間序列的Δα類似說明時(shí)間序列在波動(dòng)均勻性方面比較相近，Δα越大則表示波動(dòng)幅度越大。時(shí)間序列的Δf越接近，則表明這些時(shí)間序列在圍繞較高數(shù)值或者較低數(shù)值產(chǎn)生波動(dòng)方面接近。
基于多重分形參量進(jìn)行聚類研究，一個(gè)主要的問題就是判斷對象間的相似性，也就是確定特征量之間的相似性度量函數(shù)。基于上述分析，我們可以定義基于多重分形譜的時(shí)間序列相似性函數(shù)。設(shè)股票時(shí)間序列A和B，其用多重分形譜參數(shù)分別表示為TS■=D■，D■，Vα■，Vf■和TS■=D■，D■，Vα■，Vf■其距離函數(shù)定義如下：
DW（A，B）=■ （14）
根據(jù)多重分形理論，兩個(gè)多重分形序列的多重分形譜一致，其所代表的物理特征的統(tǒng)計(jì)特性是一致的[7]，因而公式（14）的定義是合理的。p（i）代表了各個(gè)參數(shù)的權(quán)值，因而我們可以靈活的調(diào)整各個(gè)參數(shù)的權(quán)重，滿足不同的聚類需求。
投資組合是投資者同時(shí)投資于多種股票證券，以期獲得較好收益的一種投資方法。Markowitz模型要求采用收益行為差異較大的資產(chǎn)，從而更能有效的降低投資的風(fēng)險(xiǎn)。多重分形的各個(gè)特征量能夠在微觀上描述資產(chǎn)收益序列的特征，通過基于多重分形特征量的聚類，能夠選出差異顯著的資產(chǎn)組合。
本文采用最簡單的K-means聚類算法對金融股票時(shí)間序列進(jìn)行聚類，然后把聚類的結(jié)果運(yùn)用到投資組合的分析當(dāng)中，基于聚類的投資組合分析的步驟如下：
步驟1：由于收益波動(dòng)率及其時(shí)序過程是金融工程的首要問題，因此對每個(gè)股票時(shí)間序列Ti，首先計(jì)算他們的日對數(shù)收益序列：r■=lnp■/p■ （15）
其中p■，p■分別為第j支股票當(dāng)日和前一日的股票收盤價(jià)。
步驟2：根據(jù)MF-DFA方法計(jì)算它的分形維數(shù)D0i、信息維數(shù)D1i和多重分形譜參數(shù)Δαi、Δfi。同時(shí)為了盡量把收益率低的股票聚在一起，引入一個(gè)參數(shù)即為每支股票的平均對數(shù)收益率ej=■rji/（n-1），其中n為時(shí)間點(diǎn)個(gè)數(shù)。則A和B時(shí)間序列為：TS■=D■，D■，Vα■，Vf■，e■和TS■=D■，D■，Vα■，Vf■，e■。
步驟3基于公式（14）提出的加權(quán)歐式距離度量函數(shù)，使用K-means聚類算法，對股票時(shí)間序列進(jìn)行聚類，使簇間股票的收益率行為差異比較大。
步驟4：據(jù)步驟3到的聚類結(jié)果，從每個(gè)類中選擇一支股票為投資組合的候選股票，然后運(yùn)用Markowitz建立的均值方差（M-V）模型計(jì)算候選股票在給定收益率的情況下風(fēng)險(xiǎn)水平，評(píng)價(jià)基于聚類的投資組合的優(yōu)劣。
3 實(shí)證研究
3.1 實(shí)驗(yàn)數(shù)據(jù) 實(shí)驗(yàn)數(shù)據(jù)隨機(jī)選取2011年1月4號(hào)以后的472交易日的上海證券市場的28支股票的收盤價(jià)時(shí)間序列作為研究對象，選取這段時(shí)間的股票數(shù)是因?yàn)檫@是金融危機(jī)結(jié)束后的股票價(jià)格，不受金融危機(jī)單一因素影響。為了描述簡便，在聚類的時(shí)候我們用代號(hào)表示每支股票聚類的結(jié)果。
3.2 股票收盤價(jià)序列的多重分形分析 首先，我們采用標(biāo)準(zhǔn)多重分形的方法對這29支股票收盤價(jià)格進(jìn)行多重分形分析，由于篇幅有限，我們僅僅列出東風(fēng)汽車（600006）烽火通信（600498）工商銀行（601398）的質(zhì)量指數(shù)τ（q）與階數(shù)q的關(guān)系。
圖1分別是東風(fēng)汽車、烽火通信、工商銀行的質(zhì)量指數(shù)τ（q）與階數(shù)q的關(guān)系圖，從圖中可知，兩者在一定的程度上還是滿足線性關(guān)系的，說明用標(biāo)準(zhǔn)的多重分形方法進(jìn)行分析時(shí)，股票收盤價(jià)時(shí)間序列的多重分形特性不是很明顯，可能受到一定噪聲的影響。
運(yùn)用標(biāo)準(zhǔn)多重分形分析法并沒有考慮時(shí)間序列內(nèi)在趨勢的影響，現(xiàn)在運(yùn)用第二節(jié)描述的MF-DFA方法對原始序列做消除趨勢的處理，然后再判斷此序列的多重分形特性。我們?nèi)∽訁^(qū)間的劃分長度為s=[4：10：160]，波動(dòng)函數(shù)階數(shù)q=[-20：20]。結(jié)果如圖2所示，三種序列的質(zhì)量指數(shù)τ（q）與與階數(shù)q明顯不是線性關(guān)系，說明股票收盤價(jià)序列具有明顯的多重分形特性，這為后面的的聚類分析奠定了基礎(chǔ)。
通過上述的分析比較可知，沒有消除趨勢項(xiàng)之前的時(shí)間序列由于受到了長期趨勢項(xiàng)的干擾，多重分形特性有一定的不準(zhǔn)確性，因而也會(huì)影響到多重分形譜的準(zhǔn)確性，經(jīng)過MF-DFA方法消除趨勢項(xiàng)后，時(shí)間序列的多重分形特性表現(xiàn)得十分的明顯，從而證明了原序列的確具有多重分形特性，揭示了序列的本質(zhì)特征。
如圖3所示為利用多重分形消除趨勢波動(dòng)分析計(jì)算得到的多重分形譜，從圖中可知三支股票的多重分形譜寬度分別為0.9407、0.6757、0.8791，f的極大值分別為0.9991、0.9035、0.9659，這也體現(xiàn)了良好的多重分形特性，更進(jìn)一步說明了用多重分形消除趨勢波動(dòng)分析多重分形特性的準(zhǔn)確性。同時(shí)從圖中可以明顯看出烽火通信與工商銀行和東風(fēng)汽車的多重分形譜具有明顯的差異性，這樣也說明對股票的進(jìn)行多重分形譜參數(shù)聚類是有意義的。
3.3 基于聚類的股票市場投資組合實(shí)證 為了從待定的股票中選取差異較大的股票，借助K-means聚類的方法，將待定的股票進(jìn)行分類，然后挑選出不同的股票進(jìn)行組合。利用K-means算法對待選的股票進(jìn)行聚類，本實(shí)證選取5支股票作為候選股票，因此把股票分為K=5類，由于譜寬度能夠較大的反映每支股票收益率序列的收益率波動(dòng)的情況，因此Δα能夠極大的反應(yīng)股票間波動(dòng)率的差異，故取Δα權(quán)重最大。對28支股票進(jìn)行聚類分析，取權(quán)重p=（0.1，0.1，0.5，0.1，0.2），結(jié)果如表1。
從表1的5個(gè)聚類結(jié)果中各抽取兩組資產(chǎn)組合（差異抽取1，差異抽取2），與隨機(jī)抽取、在同一個(gè)聚類中的抽取結(jié)果利用MV模型進(jìn)行比較，結(jié)果如表2。從表2中可以看出，在不同的收益水平下，組合差異抽取1和差異抽取2具有風(fēng)險(xiǎn)都比較低。同時(shí)隨機(jī)抽取在不同收益水平下的風(fēng)險(xiǎn)也比類內(nèi)抽取低。從而說明我們的聚類結(jié)果是有效的。
任意給定各個(gè)不同的期望收益水平p，分別求出四個(gè)不同投資組合的12個(gè)收益-方差組合點(diǎn)，利用這12個(gè)點(diǎn)描繪的四個(gè)投資組合的有效前沿如圖4所示。從圖中可以看出，在同等收益水平下，差異抽取的風(fēng)險(xiǎn)要比隨機(jī)和類內(nèi)抽取的風(fēng)險(xiǎn)低得多，從而更進(jìn)一步說明了我們上一次聚類結(jié)果的有效性。實(shí)驗(yàn)表明本文定義的時(shí)間序列相似性度量具有特定的優(yōu)勢，相對傳統(tǒng)的隨機(jī)選擇，風(fēng)險(xiǎn)更小。
4 結(jié)束語
分別用標(biāo)準(zhǔn)多重分形和多重分形消除趨勢分析對上證市場28支股票的日收盤價(jià)數(shù)據(jù)進(jìn)行多重分形分析，結(jié)果表明28支股票序列都具有多重分形特性。同時(shí)MF-DFA方法由于消除了時(shí)間序列的長期趨勢項(xiàng)，因而比標(biāo)準(zhǔn)多重分形方法更能體現(xiàn)股票的多重分形特性。然后以多重分形譜參數(shù)以及每支股票的平均對數(shù)收益率作為時(shí)間序列相似性度量函數(shù)的參數(shù)，進(jìn)行聚類，借助聚類分析，股票間的差異進(jìn)一步加大，在相同的收益水平下，分散了投資風(fēng)險(xiǎn)。通過實(shí)證分析，更能說明多重分形譜參數(shù)分析股票市場的有效性。文中還存在許多不足之處，例如利用權(quán)重的選取以及多重分形譜參數(shù)的選擇是否是最好的，這幾個(gè)參數(shù)是否能夠全面的反應(yīng)收益率序列的波動(dòng)特征也值得我們進(jìn)一步的研究。
參考文獻(xiàn)：
[1]Mandelbrot B. B.A multiracial walk down wall street [J]. Scientific American， 1999（5）：20-23.
[2]Sun X， Chen H， Wu Z， Yuan Y Z. Multifractal Analysis of Hang Seng Index in Hong Kong Stock Market[J].Physica A： Statistical Mechanics and Its Applications，2001，291（1-4）：553-562.
[3]Cajueiro DO， Tabak B M. Multifractality and Herding Behavior in the Japanese Stock Market[J].Chaos， Solitons&Fractals，2009，40（1）：497-504.
[4]苑瑩，莊新田.金融間序列的標(biāo)度特性實(shí)證研究[J].管理工程學(xué)報(bào)，2008，22（2）：85-89.
[5]Kantelhardt J W， Zschiegner S A， Koscielny B E， et al. Multifractaldetrended fluctuation analysis of nonstationary time series[J].Physica A， 2002， 316（1/4）： 87-114.
[6]胡雪明，宋學(xué)鋒.深滬股票市場的多重分形分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2003（8）：124-127.
[7]苑瑩，莊新田.國際匯率的多重分形消除趨勢波動(dòng)析[J].管理科學(xué)，2007，20（4）：80-85.
[8]劉維奇，牛奉高.滬深兩市多重分形特征的成因及其變化[J].經(jīng)濟(jì)管理，2009，31（12）：138-143.
[9]萬濤，鄭婷婷，張琛，等.不同股市的多重分形特性分析—基于統(tǒng)計(jì)物理和MF-DFA方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010，20（12）：225-227.
[10]黃超，吳清烈，武忠，朱揚(yáng)勇.基于方差波動(dòng)多重分形特征的金融時(shí)間序列聚類[J].系統(tǒng)工程，2006，24（6）：100-103.
[11]鐘維年，高清維，陳燕玲.基于小波和多重分形的金融時(shí)間序列聚類[J].系統(tǒng)工程，2009，27（3）：58-61.
