1、圍繞地區(qū)經(jīng)濟(jì)預(yù)測和中長期發(fā)展規(guī)劃中的若干定量模型、算法以及應(yīng)用等方面(其中定量方法主要包括投入產(chǎn)出分析、人工神經(jīng)網(wǎng)絡(luò)和系統(tǒng)優(yōu)化方法),該文進(jìn)行了一些研究和討論.主要研究成果如下:1.根據(jù)信息論中的最小叉熵原理,按照已知信息的多少,建立了幾個可用于修訂直接消耗系數(shù)的熵優(yōu)化模型,分析了最小叉熵優(yōu)化模型與NAIVE方法、最大熵優(yōu)化模型、RAS方法以及改進(jìn)的RAS方法的關(guān)系.2.深入研究了動態(tài)投入產(chǎn)出系統(tǒng)的漸近穩(wěn)定性和均衡增長解問題.利用矩陣特

2、征值理論和廣義系統(tǒng)理論,在相對弱的條件下(不需要直接消耗系數(shù)矩陣不可分解),證明了動態(tài)投入產(chǎn)出系統(tǒng)不是漸近穩(wěn)定的.3.對動態(tài)投入產(chǎn)出模型的解及其靈敏度問題進(jìn)行了分析.給出了基年的總產(chǎn)出向量和各期的最終凈需求向量發(fā)生變動時,對計劃期內(nèi)國民經(jīng)濟(jì)各部門總產(chǎn)出可能產(chǎn)生的影響的計算公式.4.將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于地區(qū)經(jīng)濟(jì)預(yù)測領(lǐng)域,設(shè)計了一個"基于人工神經(jīng)網(wǎng)絡(luò)的地區(qū)經(jīng)濟(jì)預(yù)測系統(tǒng)",并利用HS-FR共軛梯度算法對網(wǎng)絡(luò)的學(xué)習(xí)算法進(jìn)行了改進(jìn).5.以地區(qū)

3、經(jīng)濟(jì)預(yù)測和規(guī)劃為實際背景,提出了一個地區(qū)經(jīng)濟(jì)智能預(yù)測系統(tǒng)框架,以人工神經(jīng)網(wǎng)絡(luò)方法、動態(tài)投入產(chǎn)出技術(shù)和系統(tǒng)優(yōu)化方法為核心,結(jié)合實際建立了地區(qū)經(jīng)濟(jì)智能預(yù)測模型體系,分析了綜合集成技術(shù)在構(gòu)建地區(qū)經(jīng)濟(jì)智能預(yù)測系統(tǒng)中的應(yīng)用.6.給出了一個混合的HS-FR共軛梯度算法,在無充分下降條件下,得到了關(guān)于HS-FR算法的兩個收斂性定理.討論了一類共軛梯度算法的收斂性,推廣了1992年Gilbert和Nocedal的收斂性結(jié)果.7.討論了進(jìn)化策略的收斂性.