基于链路预测模型的国际铜资源潜在贸易关系研究
发布时间：2022-01-13 18:01
各国对铜资源需求的攀升及铜资源地理分布不均,促进了铜资源贸易的开展与增长。铜资源潜在贸易关系对明确未来贸易的发展趋势具有重要意义。本论文在分析铜资源供需现状及贸易网络演化过程的基础上,将局部朴素贝叶斯算法引入链路预测模型对铜资源潜在贸易关系进行预测研究,并结合相关理论对预测结果进行时效特征及前景分析。本文的主要研究工作及创新性成果如下:融合资源地理学、古典及新贸易等理论,建立全球铜资源贸易的理论分析框架。基于复杂网络方法,构建全球铜资源贸易网络模型,从贸易网络紧密程度、各国贸易关系数量、各国对贸易网络影响能力三个角度对铜资源贸易网络演化进行分析。在全球铜资源贸易网络中的国家及贸易联系的基础上,构建链路预测模型,通过引入局部朴素贝叶斯算法,将两国间的共同贸易伙伴数量及贸易伙伴影响力同时用于两国间潜在贸易关系的预测。基于2000-2014年铜资源贸易网络,逐年进行潜在贸易关系预测,共得到300对铜矿石潜在贸易关系与450对精铜矿石潜在贸易关系。通过与2001-2015年铜资源实际贸易关系进行对比,有231对铜矿石潜在贸易关系和408对精炼铜潜在贸易关系被准确预测。针对被准确预测的潜在贸易关...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：185 页
【学位级别】：博士
【部分图文】：
链路预测相似性分析方法体系当前在链路预测研究领域存在八个较为经典的应用对象，分别是美国航空网络、科学家合作网络、社交网络、蛋白质相互作用网络、线虫的神经网络、食物
图 1-2 研究理论框架1.4 研究内容与科学问题.4.1 研究内容本文研究内容可概括为，在对全球铜资源供需现状进行分析的基础上，对源贸易网络演化过程进行分析，并对铜资源潜在贸易关系进行预测及分析，是基于研究成果提出政策建议。具体来说：（1）分析全球铜资源供需现状。结合全球及区域铜资源储量、生产及消14
时对全球铜资源贸易网络演化过程、铜资源潜在贸易关系进行物理统计分析（2）复杂网络模型根据复杂网络理论，将参与铜资源贸易的国家作为节点，国家之间的贸易作为连边，构建全球铜资源网络模型，并通过网络密度、节点度、中介中心三个网络参数对铜资源贸易网络演化过程进行分析。（3）链路预测模型根据贝叶斯决策理论构建链路预测模型，在铜资源历史贸易网络结构的基，通过引入局部朴素贝叶斯算法，同时考虑两国共同贸易伙伴数量和共同贸伴的重要性，对两国间的潜在贸易关系进行预测。1.5.2 技术路线本研究的技术路线具体如图 1-3 所示。
【参考文献】：
期刊论文
[1]基于朴素贝叶斯轨道交通网络客流分配模型[J]. 翁小雄,汪周盼,黄靖翔. 重庆交通大学学报(自然科学版). 2018(06)
[2]基于朴素贝叶斯网页分类的用户行为推衍[J]. 秦鹏,曹天杰. 沈阳工业大学学报. 2018(01)
[3]朴素贝叶斯算法在女童体型判别中的应用[J]. 景晓宁,李晓久. 纺织学报. 2017(12)
[4]基于朴素贝叶斯算法的船舶异常行为监测[J]. 魏照坤,谢新连,潘伟,赵瑞嘉. 交通运输系统工程与信息. 2017(06)
[5]一种基于多关系的朴素贝叶斯空间分类算法[J]. 赵秦怡,王丽珍. 云南民族大学学报(自然科学版). 2017(06)
[6]基于朴素贝叶斯网络的微博话题追踪技术研究[J]. 冯军军,贺晓春,王海沛. 计算机与数字工程. 2017(11)
[7]基于灰色马尔科夫链预测模型的广西边境小额贸易预测研究——灰色系统理论应用系列论文之三[J]. 朱念,甘海忠,冯玮玮,黄丽珊. 数学的实践与认识. 2017(03)
[8]“一带一路”背景下中国铜行业的发展[J]. 何金碧. 中国有色金属. 2017(01)
[9]基于朴素贝叶斯的Web文本分类及其应用[J]. 包小兵. 电脑知识与技术. 2016(30)
[10]基于朴素贝叶斯分类器的校园信息智能推荐算法[J]. 贾志鹏. 软件工程. 2016(12)
博士论文
[1]新常态下中国铜资源供需前景分析与预测[D]. 周平.中国地质大学(北京) 2015
[2]基于复杂网络的大宗矿产品国际贸易格局及演变规律研究[D]. 王永辉.中国地质大学（北京） 2014
[3]中国铜矿企业对外直接投资研究[D]. 赵云峰.中国地质大学 2012
[4]大宗重要矿产资源安全研究[D]. 李铭.中国地质大学（北京） 2011
[5]我国外汇储备的商品资产配置研究[D]. 张海亮.昆明理工大学 2010
[6]朴素贝叶斯分类器及其改进算法研究[D]. 蒋良孝.中国地质大学 2009
[7]矿产资源价格理论及调控政策研究[D]. 吴元元.中国地质大学（北京） 2008
[8]金属矿产资源安全与发展战略研究[D]. 马伟东.中南大学 2008
[9]战略矿产资源供应安全研究[D]. 牛建英.中国地质大学（北京） 2007
硕士论文
[1]基于改进朴素贝叶斯算法的Android恶意软件检测[D]. 居友道.南京邮电大学 2016
[2]基于多模型混合的贝叶斯网络结构的研究与改进[D]. 于龙江.吉林大学 2016
[3]中国有色矿业集团对外直接投资的经验研究[D]. 张玉兰.辽宁大学 2016
[4]朴素贝叶斯与决策树混合分类方法的研究[D]. 李冬梅.大连海事大学 2016
[5]基于朴素贝叶斯的假指纹检测方法研究[D]. 方珊珊.浙江工业大学 2015
[6]多维贝叶斯网络分类器学习算法[D]. 陈胜民（SEIN MINN）.华侨大学 2015
[7]朴素贝叶斯分类算法的研究与应用[D]. 阿曼.大连理工大学 2014
[8]基于改进朴素贝叶斯的蛋白质提纯方法选择[D]. 李忠波.大连理工大学 2014
[9]基于属性加权的选择性朴素贝叶斯分类研究[D]. 孙秀亮.哈尔滨工程大学 2013
[10]中韩FTA对两国钢铁产品贸易结构带来的影响预测[D]. 曹诚模.山东大学 2012
本文编号：3586893
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：185 页
【学位级别】：博士
【部分图文】：
链路预测相似性分析方法体系当前在链路预测研究领域存在八个较为经典的应用对象，分别是美国航空网络、科学家合作网络、社交网络、蛋白质相互作用网络、线虫的神经网络、食物
图 1-2 研究理论框架1.4 研究内容与科学问题.4.1 研究内容本文研究内容可概括为，在对全球铜资源供需现状进行分析的基础上，对源贸易网络演化过程进行分析，并对铜资源潜在贸易关系进行预测及分析，是基于研究成果提出政策建议。具体来说：（1）分析全球铜资源供需现状。结合全球及区域铜资源储量、生产及消14
时对全球铜资源贸易网络演化过程、铜资源潜在贸易关系进行物理统计分析（2）复杂网络模型根据复杂网络理论，将参与铜资源贸易的国家作为节点，国家之间的贸易作为连边，构建全球铜资源网络模型，并通过网络密度、节点度、中介中心三个网络参数对铜资源贸易网络演化过程进行分析。（3）链路预测模型根据贝叶斯决策理论构建链路预测模型，在铜资源历史贸易网络结构的基，通过引入局部朴素贝叶斯算法，同时考虑两国共同贸易伙伴数量和共同贸伴的重要性，对两国间的潜在贸易关系进行预测。1.5.2 技术路线本研究的技术路线具体如图 1-3 所示。
【参考文献】：
期刊论文
[1]基于朴素贝叶斯轨道交通网络客流分配模型[J]. 翁小雄,汪周盼,黄靖翔. 重庆交通大学学报(自然科学版). 2018(06)
[2]基于朴素贝叶斯网页分类的用户行为推衍[J]. 秦鹏,曹天杰. 沈阳工业大学学报. 2018(01)
[3]朴素贝叶斯算法在女童体型判别中的应用[J]. 景晓宁,李晓久. 纺织学报. 2017(12)
[4]基于朴素贝叶斯算法的船舶异常行为监测[J]. 魏照坤,谢新连,潘伟,赵瑞嘉. 交通运输系统工程与信息. 2017(06)
[5]一种基于多关系的朴素贝叶斯空间分类算法[J]. 赵秦怡,王丽珍. 云南民族大学学报(自然科学版). 2017(06)
[6]基于朴素贝叶斯网络的微博话题追踪技术研究[J]. 冯军军,贺晓春,王海沛. 计算机与数字工程. 2017(11)
[7]基于灰色马尔科夫链预测模型的广西边境小额贸易预测研究——灰色系统理论应用系列论文之三[J]. 朱念,甘海忠,冯玮玮,黄丽珊. 数学的实践与认识. 2017(03)
[8]“一带一路”背景下中国铜行业的发展[J]. 何金碧. 中国有色金属. 2017(01)
[9]基于朴素贝叶斯的Web文本分类及其应用[J]. 包小兵. 电脑知识与技术. 2016(30)
[10]基于朴素贝叶斯分类器的校园信息智能推荐算法[J]. 贾志鹏. 软件工程. 2016(12)
博士论文
[1]新常态下中国铜资源供需前景分析与预测[D]. 周平.中国地质大学(北京) 2015
[2]基于复杂网络的大宗矿产品国际贸易格局及演变规律研究[D]. 王永辉.中国地质大学（北京） 2014
[3]中国铜矿企业对外直接投资研究[D]. 赵云峰.中国地质大学 2012
[4]大宗重要矿产资源安全研究[D]. 李铭.中国地质大学（北京） 2011
[5]我国外汇储备的商品资产配置研究[D]. 张海亮.昆明理工大学 2010
[6]朴素贝叶斯分类器及其改进算法研究[D]. 蒋良孝.中国地质大学 2009
[7]矿产资源价格理论及调控政策研究[D]. 吴元元.中国地质大学（北京） 2008
[8]金属矿产资源安全与发展战略研究[D]. 马伟东.中南大学 2008
[9]战略矿产资源供应安全研究[D]. 牛建英.中国地质大学（北京） 2007
硕士论文
[1]基于改进朴素贝叶斯算法的Android恶意软件检测[D]. 居友道.南京邮电大学 2016
[2]基于多模型混合的贝叶斯网络结构的研究与改进[D]. 于龙江.吉林大学 2016
[3]中国有色矿业集团对外直接投资的经验研究[D]. 张玉兰.辽宁大学 2016
[4]朴素贝叶斯与决策树混合分类方法的研究[D]. 李冬梅.大连海事大学 2016
[5]基于朴素贝叶斯的假指纹检测方法研究[D]. 方珊珊.浙江工业大学 2015
[6]多维贝叶斯网络分类器学习算法[D]. 陈胜民（SEIN MINN）.华侨大学 2015
[7]朴素贝叶斯分类算法的研究与应用[D]. 阿曼.大连理工大学 2014
[8]基于改进朴素贝叶斯的蛋白质提纯方法选择[D]. 李忠波.大连理工大学 2014
[9]基于属性加权的选择性朴素贝叶斯分类研究[D]. 孙秀亮.哈尔滨工程大学 2013
[10]中韩FTA对两国钢铁产品贸易结构带来的影响预测[D]. 曹诚模.山东大学 2012
本文编号：3586893
本文链接：https://www.wllwen.com/gongshangguanlilunwen/3586893.html
