导读:本文包含了预警变量论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,风险,财务,变量,盈余,调压器,算法。
预警变量论文文献综述
喻旻昕[1]（2019）在《统计类单变量预警模型在国有资本投资运营公司财务风险预警中的运用》一文中研究指出面对经济全球化浪潮的冲击,面对知识经济时代的竞争压力,企业所面临的各种风险不断增加。为了在激烈的市场竞争中立于不败之地,使企业健康有序发展,防范财务风险成为当务之急,建立一套有效的财务风险预警系统成为企业发展的内在需要。一、财务风险预警的含义企业财务风险预警也称财务失败(危机)预警,它和我们财务管理工作中的企业财务分析和财务评价既相同也不同,相同的是它们都是利用财务数据进行分析和(本文来源于《审计与理财》期刊2019年07期）
闵行博[2]（2019）在《高中压燃气调压器多变量预警系统优化与应用》一文中研究指出在城镇燃气管网系统中,燃气调压器作为最常见的调压设备之一,在保障城市安全、社会稳定和民生工程建设等方面发挥着重要作用。良好的调压性能可以充分保证下游用户的用气需求,但实际运行过程中,调压器出现故障将会大大影响其性能的稳定性,尤其是高中压燃气调压器,一旦发生故障,将严重影响下游用气安全。因此及时发现调压器运行时产生的故障并进行安全预警,可提高燃气管网系统的智能化程度和运行可靠性。本文首先对调压器的运行机理进行剖析,论述不同结构的调压器运行机理和连接方式,从压力特性、流量特性和调压性能指标叁个方面对调压特性展开理论分析;其次,通过对135台高中压燃气调压器进行性能检测实验,以稳压精度等级和关闭压力等级作为量化指标对调压性能的影响因素展开实验分析,实验结果表明:调压器性能下降主要是弹簧疲劳和气体不纯引起部件磨损造成的;然后,基于统计学中的相关系数法研究了高中压燃气调压器多变量参数之间的相关关系,总结了阀位开度、压力和流量彼此之间的相关程度;最后,对基于小波包分析算法开发的预警系统进行了优化,提高了系统运行界面的可视化程度和安全性,通过增加新的故障类型和修改已有故障判断依据,重点对预警软件流程进行了优化升级。同时,利用历史运行数据和模拟故障数据对优化后程序进行验证,能够大大降低误报和漏报故障的概率。针对后续示范站的建设要求,在此基础上提出了新的诊断预警预选方案,为进一步优化高中压燃气调压器多变量预警系统提供借鉴。(本文来源于《北京建筑大学》期刊2019-06-01）
刘帅,刘长良,甄成刚[3]（2019）在《风电机组齿轮箱的多变量时间序列故障预警》一文中研究指出针对风电机组故障预警中,原始动态时间规整(DTW)算法无法有效度量风电机组多变量时间序列数据之间距离的问题,提出一种基于犹豫模糊集的动态时间规整(HFS-DTW)算法。该算法是原始DTW算法的一种扩展算法,可对单变量和多变量时间序列数据进行距离度量,且精度与速度较原始DTW算法更优。以子时间序列相似度距离为目标函数,使用帝国竞争算法(ICA)优化了HFS-DTW算法中的子序列长度和步距参数。算例研究表明与仅DTW算法和非参数最优的HFS-DTW算法相对比,参数最优的HFS-DTW可挖掘更多的多维特征点信息,输出的多维特征点相似序列具有更丰富细节;且基于所提算法可提前10天预警风电机组齿轮箱故障。(本文来源于《计算机应用》期刊2019年04期）
曹国清,张晓明,陈亚峰[4]（2018）在《基于PCA-LSTM的多变量矿山排土场滑坡预警研究》一文中研究指出针对矿山排土场滑坡的过程是一个动态、大延迟、情况复杂的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,而关于排土场滑坡预警并没有严格的划分标准,本文提出主成分关联长短期记忆(PCA-LSTM)网络模型,利用主成分分析和关联性分析,挖掘出所有特性指标当中的第一主成分,与第一主成分关联性较强的其它特性指标,将得到的其它特性指标和第一主成分作为预测排土场滑坡的主要特性指标,利用长短期记忆网络(LSTM)在处理时间序列问题能够将现有输入的信息与历史信息相互结合的特点;采用LSTM网络模型通过多个其它特性指标对第一主成分地表位移指标进行预测,并取得了较好的效果.(本文来源于《计算机系统应用》期刊2018年11期）
顾晓安,王炳蕲,李文卿[5]（2018）在《Logistic财务预警模型预警正确率提升研究——引入盈余管理变量的分析》一文中研究指出将应计盈余管理变量与真实盈余管理变量引入Logistic财务预警模型,可以对由盈余管理行为导致的财务信息偏差进行纠正,以减少因财务信息失真造成的预警模型误判。以2012—2016年A股上市公司为样本进行的实证研究表明:ST公司与正常经营公司盈余管理行为存在显着差异;与传统Logistic财务预警模型相比,引入盈余管理变量后的Logistic财务预警模型拟合程度与预警正确率均有所提高,且这一改进对ST公司预警正确率提高的程度高于对正常经营公司预警正确率提高的程度。(本文来源于《南京审计大学学报》期刊2018年04期）
王莉[6]（2018）在《引入股权结构变量的化工行业上市公司财务危机预警研究》一文中研究指出化工行业作为国民经济的支柱和先导产业,对国民经济的发展作出了重大贡献。但是,由于受到宏观经济的影响,原材料价格不断上涨,市场需求低迷,使得许多化工行业上市公司连年亏损,导致公司很可能发生财务危机。如何加强化工行业上市公司财务危机的管理成为各方关注的话题。财务危机预警能够对危机进行事前预测,通过分析公司的内外部环境,对公司的财务状况进行跟踪、监控和预测,从而最大程度上保障公司的利益。因此,本文有必要针对化工行业上市公司进行财务危机预警研究。本文深入研究企业财务危机预警的相关理论,同时详细分析了化工行业上市公司财务危机的现状,识别出导致化工行业上市公司发生财务危机的内外部环境因素,并提出财务危机预警指标体系与模型的构建流程。本文选取2014年至2016年我国沪深两市A股117家化工行业上市公司作为建模样本,并选取23个财务变量和7个股权结构变量指标,利用二元Logistic回归模型分别构建叁个年度的仅包含财务变量的Logistic财务危机预警模型,以及引入股权结构变量的Logistic财务危机预警模型。通过建模样本和检验样本验证,股权结构变量对化工行业上市公司财务危机的预警效果是否有显着影响。研究结果表明,国有股持股比例与化工行业上市公司发生财务危机的概率呈正相关;股权集中度与化工行业上市公司发生财务危机的概率呈正相关;股权结构变量对化工行业上市公司财务危机的预警效果有显着影响。最后,根据实证研究结果,提出相关的对策建议。本文的创新点包括:第一,在传统财务变量的基础上,引入股权结构变量,构建引入股权结构变量的化工行业上市公司Logistic财务危机预警模型;第二,本文考虑了具体行业间的差距,分析股权结构变量对化工行业上市公司发生财务危机的预警能力的影响。旨在为化工行业上市公司构建预测准确率更强的财务危机预警模型,监测公司发生财务危机的征兆,使公司能够及时采取防范措施改善经营状况和财务状况,降低化工行业上市公司发生财务危机的风险。(本文来源于《武汉理工大学》期刊2018-06-01）
王小燕,袁欣[7]（2018）在《基于惩罚组变量选择的COX财务危机预警模型》一文中研究指出随着市场竞争的日益激烈,上市公司生存压力不断增大,如何从繁多的财务指标中选择重要指标,建立有效的财务危机预警模型显得尤为重要。COX模型具有对因变量分布无假设并可以对公司生存时间进行动态预测等优点,因此本文引入COX模型,并加入惩罚组变量选择CMCP方法,对具有分组结构的财务指标进行筛选。本文根据实际的财务危机数据特征设置模拟实验,并将CMCP-COX模型与Lasso-COX模型、逐步COX模型、COX模型和逐步Logistic相比,结果表明在不同的自变量相关性下CMCP-COX模型的指标筛选和预测效果均更优。实证分析中,CMCP-COX模型在测试集上的预测准确率高于80%,尤其在"危机"类别中预测准确率高于90%,其预测准确性和AUC值均优于传统的逐步Logistic回归和其他COX模型,并呈现出了理想的时点预测效果。综合对比认为CMCP-COX模型对于财务危机预测的综合表现较好,更具有现实意义。(本文来源于《系统工程》期刊2018年03期）
高熙[8]（2018）在《基于多变量灰色预测的房地产业预警研究》一文中研究指出随着国民经济发展,房地产业由于其产业关联度高、带动性强等特点,已成为拉动我国经济增长的重要产业。近年来房地产市场发展迅速,但也出现了不少问题,如:房地产市场价格增长过快、房屋空置量居高不下和住房供求矛盾突出等。为了促进房地产市场持续稳定和健康发展,避免房地产市场剧烈波动,需要建立一个科学、实用的房地产市场灰色模型预警系统。通过黑色预警法、灰色预警法、红色预警法、绿色预警法和白色预警法这五个预警方法的对比突出了灰色预警法中模型预警法的优势,并确定为本文的预警方法。房地产市场灰色系统中包含多个变量,各变量相互关联。本文利用多变量灰色模型找到了相关指标,通过传统灰色模型与经过调整的新陈代谢灰色模型的相对误差结果对比分析以及模型检验,得出经过调整的新陈代谢灰色模型的误差更小,预测结果更具有准确性和参考价值。本文收集到我国2001年至2016年房地产的相关数据,并从预警基本要素出发,通过叁个方面的分析来确定预警指标。一是房地产市场稳定与社会经济调整能力指标,这样考虑两者的相对性,避免混杂于两者的关联性,判断其能否促进经济的可持续发展。二是体现房地产业自身结构的发展情况,考察其内部关系是否合理,内部结构是否稳定。叁是体现房地产市场供需关系的指标,由于供需关系成为房地产业的一大难题,以此来反应房地产是否存在矛盾。最后利用构建的灰色变量预警模型,对我国房地产市场的预警指标进行了数据标准化,利用主成分分析法对多个指标进行化简,在化简成复合指标的基础上利用其特征值与特征向量确定权重,建立多变量灰色预测模型来计算预警度,并利用本文提出的自调整新陈代谢灰色模型预测了未来两年的预警值,通过预警区间的界定规则得出了未来两年我国房地产市场有转冷的趋势。(本文来源于《沈阳建筑大学》期刊2018-03-01）
李忠旺[9]（2017）在《重症患者抗生素使用现状调查与脓毒症多变量早期预警模型（EPMMS）的构建》一文中研究指出第一部分重症患者抗生素使用现状调查研究目的:广谱抗生素过度使用所致的多重耐药菌已经严重威胁到全球公共卫生安全。抗生素的过度暴露是抗生素耐药产生及感染增加的重要诱因。重症监护室(ICU)高强度的抗生素使用和随之而来高发的多重耐药菌感染,业已经成为重症患者死亡率增加及医疗负担加重的重要原因。尽管我国2012版《抗菌药物临床应用管理办法》已正式实施多年,然而临床上抗生素耐药情况依然十分严峻。因此,急需了解实际的临床抗生素使用情况。本部分的目的是为了获得ICU重症患者的抗生素使用及病原学耐药情况的多中心数据,为抗生素治疗的相关临床决策和研究提供依据。研究方法:根据纳入与排除标准,我们调查了自2014年3月1日到2014年7月30日入住8家ICU的重症患者。主要调查内容为重症患者抗生素的使用与病原学耐药情况,采用卡方检验或非参数检验比较了脓毒症与非脓毒症重症病例的差异,并且采用多变量Logistic回归法分析脓毒症重症患者住院死亡的危险因素。研究结果:本研究共纳入644例重症病例,其中脓毒症患者为230例(35.7%),非脓毒症患者414例(64.3%)。共有577例重症患者入ICU首日即接受了抗生素治疗(89.6%),其中非脓毒症重症患者为347例(60.1%)。β内酰胺/β内酰胺酶抑制剂的复合制剂(BLICs,如舒普深)是使用率最高(47.0%)与用量最大(2540.49 DDD,43.8%)的抗菌药物。非脓毒症病例首日BLICs类(43.5%vs.52.2%,P=0.051)、叁代及叁代以上头孢菌素(13.5%vs.8.3%,P=0.061)、氟喹诺酮类抗生素(4.0%vs.8.3%,P=0.129)使用率与脓毒症病例比较无显着性差异;非脓毒症病例人均碳青霉烯类{4.0[四分位区间(IQR),2.0-10.0]vs.4.5[IQR,2.0-10.0],P=0.936}、叁代及叁代以上头孢菌素{3.8[IQR,2.4-7.0]vs.3.0[IQR,1.5-4.0],P=0.057}、二代及二代以下头孢菌素{2.0[IQR,1.5-3.4]vs.1.5[IQR,1.0-9.5],P=0.839}、抗 MRSA 抗生素{4.0[IQR,2.5-9.5]vs.4.5[IQR,2.6-9.8],P=0.642}、抗真菌药{8.0[IQR,3.8-41.0]vs.12.0[IQR,4.0-18.0],P=0.904}使用量与脓毒症病例比较差异不明显。在所有重症病例中,共分离获得364株病原体,其中190株(52.2%)为多重耐药病原体(MDROs),碳青霉烯类/万古霉素耐药的MDROs有103株(28.3%)。在分离到的菌株中,非脓毒症与脓毒症病例的总MDROs及对碳青霉烯类/万古霉素耐药MDROs感染/定植无显着性差异。多变量分析显示,脓毒症(OR=1.855,95%CI 1.161-2.963,P=0.010)是重症病例住院死亡的独立危险因素,而有效首次抗生素治疗(OR=0.171,95%CI 0.107-0.272,P<.001)是重症病例住院死亡的保护因素。研究结论:在ICU内,非脓毒症重症患者广谱抗生素使用过度,增加了整体重症患者抗生素使用率,可能与重症患者多重耐药病原体感染/定植比例高有关。脓毒症是重症患者住院死亡的独立危险因素,而有效的首次抗生素治疗是住院死亡的保护因素。因此,脓毒症的早期诊断以及抗生素的合理使用对于改善重症患者的预后至关重要。第二部分重症患者脓毒症多变量早期预警模型(EPMMS)的构建研究目的:脓毒症,包括重症脓毒症和脓毒性休克,是重症患者中较为常见的一系列综合征,具有高死亡率、高医疗负担的特点。抗生素的合理使用是改善脓毒症患者预后的关键措施,其过度暴露可导致耐药菌的产生。前期“重症患者抗生素使用及抗生素耐药现状调查”的结果显示有效的首次抗生素治疗是重症患者住院死亡的保护因素。因此,早期甄别重症患者是否脓毒症就成了抗生素合理使用的重要环节。目前临床常用的细菌培养方法耗时长,敏感性低,而PCT等生物学标志物的诊断效能备受争议,因此,探寻临床早期快速准确诊断脓毒症的预警模型迫在眉睫。本部分研究的目的是在重症病人中,联合应用多个常规的临床变量构建脓毒症早期预警模型(EPMMS)。研究方法:在9个大学附属医院的重症监护室(ICU)中,我们开展病例对照研究,以脓毒症患者为病例组,非脓毒症患者为对照组。在其中8个ICU中,我们共纳入573个病例,构成人群1;而在第9个ICU中纳入200个病例,构成人群2。收集上述所有重症患者入科时的临床数据。在人群1中,采用多变量Logistic回归的分析方法建立预警模型,并用ROC(Receiver operation characteristic)曲线下面积(AUC)来评价模型的分辨能力,用Hosmer-Lemeshow试验来评价模型拟合优度。而后,在人群2中采用历史性队列研究的方法,对模型进行验证。研究结果:在人群1中,经协变量校正后,EPMMS模型显示中性粒细胞-淋巴细胞比值(NLR){优势比(OR)=1.023,95%可信区间(CI)1.009-1.038,P=0.002},C 反应蛋白(CRP)水平(OR=1.013,95%CI 1.009-1.017,P<0.001)及急性生理与慢性健康(APACHE)评分 Ⅱ(OR=1.339,95%CI 1.120-1.1601,P=0.001)是脓毒症发生的叁个独立危险因素。Hosmer-Lemeshow试验(χ2=5.886,P=0.660)显示模型拟合优良;同时,模型具有良好的区分脓毒症与非脓毒症的能力(AUC 0.801,95%CI:0.764-0.837)。将EPMMS模型在人群2中验证结果显示,EPMMS的预警能力良好(脓毒症-1:AUC 0.846,95%CI 0.792-0.900;脓毒症-3:AUC 0.848,95%CI 0.794-0.901)。EPMMS 评分=0.292×(ln APACHE Ⅱ 评分)+0.023×(ln NLR)+0.013×(lnCRP,mg/ml),ln代表自然对数。依据EPMMS评分将人群1划分的4个危险等级,随着危险等级升高,脓毒症-1/-3的发生率(中、高及极高风险组发生脓毒症的概率分别是低风险组2.468/3.369、3.544/5.514及6.991/11.515倍)与患者的死亡率(中、高及极高风险组发生脓毒症的概率分别是低风险组3.450,12.267及15.300倍)均随之升高。结论:包含NLR、CRP及APACHE Ⅱ评分的EPMMS模型能够早期准确预警ICU内重症患者的脓毒症;EPMMS评分,即0.292×(lnAPACHE Ⅱ评分)+0.023×(ln NLR)+0.013×(lnCRP,mg/ml),对重症患者28天死亡率也有一定预测能力。第叁部分亮氨酸拉链基序ATF样转录因子(BATF)联合多变量改良EPMMS模型及其应用研究目的:前期研究“重症患者脓毒症EPMMS模型的构建”中构建的EPMMS模型具有较好地识别重症患者中脓毒症的能力,但纳入指标均基于常规临床数据。鉴于脓毒症病理生理过程仍未完全阐明,引入新的候选指标有望进一步提高模型的预警效能。既往Timothy等通过生物信息学研究方法发现,11个基因在早期重症感染与非感染性炎症患者之间的表达存在显着性差异。本部分研究拟以其中表达显着升高的6个基因作为候选生物学标志物进行筛选,并与前期的EPMMS模型联合,以进一步优化脓毒症预警模型。而后,将改良的EPMMS模型在重症患者人群中进行应用,验证其预测脓毒症的能力。研究方法:本项研究在浙江大学医学院附属第一医院重症监护室(ICU)及急诊重症监护室(EICU)中开展,共纳入166例重症患者,分为人群1(32人)、人群2(75人)和人群3(61人)。人群1用于验证生物学标志物在脓毒症与非脓毒症白细胞中表达的差异。人群2用于改良EPMMS模型,即在EPMMS模型中加入有差异表达的生物学标志物,以logistic回归进行筛选,并采用Hosmer-Lemeshow试验来评价改良模型的拟合优度、采用AUC评价改良模型对脓毒症的分辨能力。最后,在人群3中进一步验证改良EPMMS模型的脓毒症预测能力。研究结果:各生物标志物在人群1中的表达结果显示,癌胚抗原相关细胞粘附分子1(Carcinoembryonic Antigen Related Cell Adhesion Molecule 1,CEACAM1)(P=0.010)与亮氨酸拉链基序 ATF 样转录因子(Basic leucine zipper transcription factor ATF-like,BATF)(P=0.024)mRNA在脓毒症与非脓毒症重症病人中表达存在显着性差异。而在人群2中,单因素分析结果显示,BATF(P<0.001)mRNA在脓毒症与非脓毒症重症病人中表达存在显着性差异,而CEACAM1 mRNA在脓毒症与非脓毒症重症病人中表达差异不显着。故在单因素分析后,将BATF变量纳入logistic回归模型。多变量分析显示,急性生理和慢性健康评估(APACHE)Ⅱ 评分{优势比[Oddsrate,OR]=1.192,95%可信区间[CI]0.997-1.425,P=0.054}、中性粒细胞-淋巴细胞比值(Neutrophil-to-lymphocyteratio,NLR)(OR=1.057,95%CI 1.009-1.106,P=0.019)、C 反应蛋白(C-reactiveprotein,CRP)水平(OR=1.011,95%CI 1.000-1.023,P=0.043)水平及 BATF 表达水平(OR=5.344,95%CI 1.410-20.246,P=0.014)是脓毒症发生的危险因素。Hosmer-Lemeshow检验结果显示改良的EPMMS模型具有良好的拟合优度(χ2=11.077,P=0.197)。同原EPMMS模型相比,加入生物学标志物BATF后的改良EPMMS模型区分脓毒症与非脓毒症的能力有所提高(AUC:0.905 vs.0.856;敏感度 84.6%vs.84.6%;特异度 82.4%vs.67.6%;Youden指数0.670 vs.0.523)。在人群3中,改良EPMMS模型显示了良好的区分脓毒症与非脓毒症的能力(AUC:0.813,95%CI:0.691-0.935;敏感度:70.8%;特异度:86.5%;约登指数:0.573),并且其预测危险等级的增加与脓毒症发病率增加的趋势相关(中、高及极高风险组发生脓毒症的概率分别是低风险组1.625、5.056 及 26.000 倍)。研究结论:在6个候选基因中,BATF在脓毒症与非脓毒症病人血白细胞中表达存在显着性差异,是重症患者脓毒症发生的独立危险因素。包含BATF、NLR、CRP水平及APACHE Ⅱ评分的改良EPMMS模型提高了脓毒症预警能力,并且,能够通过危险分层预测重症患者脓毒症发生的风险程度。(本文来源于《浙江大学》期刊2017-04-01）
霍雨佳[10]（2016）在《公司债券违约的财务预警体系——基于单变量分析》一文中研究指出随着我国资本市场的进一步发展,公司债券已成为我国债券市场的重要组成部分,因此公司债券的违约风险成为投资者关注的重要因素。本文使用单变量分析方法,对我国公司债券的违约风险进行财务指标研究,得出样本公司的财务预警阀值,并对模型的有效性进行了验证。(本文来源于《现代营销(下旬刊)》期刊2016年09期）
预警变量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在城镇燃气管网系统中,燃气调压器作为最常见的调压设备之一,在保障城市安全、社会稳定和民生工程建设等方面发挥着重要作用。良好的调压性能可以充分保证下游用户的用气需求,但实际运行过程中,调压器出现故障将会大大影响其性能的稳定性,尤其是高中压燃气调压器,一旦发生故障,将严重影响下游用气安全。因此及时发现调压器运行时产生的故障并进行安全预警,可提高燃气管网系统的智能化程度和运行可靠性。本文首先对调压器的运行机理进行剖析,论述不同结构的调压器运行机理和连接方式,从压力特性、流量特性和调压性能指标叁个方面对调压特性展开理论分析;其次,通过对135台高中压燃气调压器进行性能检测实验,以稳压精度等级和关闭压力等级作为量化指标对调压性能的影响因素展开实验分析,实验结果表明:调压器性能下降主要是弹簧疲劳和气体不纯引起部件磨损造成的;然后,基于统计学中的相关系数法研究了高中压燃气调压器多变量参数之间的相关关系,总结了阀位开度、压力和流量彼此之间的相关程度;最后,对基于小波包分析算法开发的预警系统进行了优化,提高了系统运行界面的可视化程度和安全性,通过增加新的故障类型和修改已有故障判断依据,重点对预警软件流程进行了优化升级。同时,利用历史运行数据和模拟故障数据对优化后程序进行验证,能够大大降低误报和漏报故障的概率。针对后续示范站的建设要求,在此基础上提出了新的诊断预警预选方案,为进一步优化高中压燃气调压器多变量预警系统提供借鉴。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预警变量论文参考文献
[1].喻旻昕.统计类单变量预警模型在国有资本投资运营公司财务风险预警中的运用[J].审计与理财.2019
[2].闵行博.高中压燃气调压器多变量预警系统优化与应用[D].北京建筑大学.2019
[3].刘帅,刘长良,甄成刚.风电机组齿轮箱的多变量时间序列故障预警[J].计算机应用.2019
[4].曹国清,张晓明,陈亚峰.基于PCA-LSTM的多变量矿山排土场滑坡预警研究[J].计算机系统应用.2018
[5].顾晓安,王炳蕲,李文卿.Logistic财务预警模型预警正确率提升研究——引入盈余管理变量的分析[J].南京审计大学学报.2018
[6].王莉.引入股权结构变量的化工行业上市公司财务危机预警研究[D].武汉理工大学.2018
[7].王小燕,袁欣.基于惩罚组变量选择的COX财务危机预警模型[J].系统工程.2018
[8].高熙.基于多变量灰色预测的房地产业预警研究[D].沈阳建筑大学.2018
[9].李忠旺.重症患者抗生素使用现状调查与脓毒症多变量早期预警模型（EPMMS）的构建[D].浙江大学.2017
[10].霍雨佳.公司债券违约的财务预警体系——基于单变量分析[J].现代营销(下旬刊).2016
论文知识图
