(一)项目研究的主要进展和成果
动态多区域投入产出部分:
在本阶段科研立项过程中,团队成员于以下几方面对项目进行推进:
1.多区域动态投入产出(dynamic MRIO)数据完善
目前多区域动态投入产出的方法部分大体研究完毕,利用Python编写代码,综合运用Shift-Share和SDA方法进行分解研究,计算出中国国内、一带一路与世界其他地区互相间的经济影响;对代码进行进一步的检验,查找时候有编写错误情况发生;在改善完代码之后,抽取一部分数据并利用其他方式进行计算,与通过代码得出的计算结果之间进行校对,检验代码的正确性,确认无误之后利用编写的代码对数据进一步完善。
2.加入环境变量
团队成员基于之前研究并以此作为跳板对DMRIO进行研究创新:先前的DMRIO研究主要针对经济产出进行,小组成员在DMRIO中加入环境变量——污染物排放量与流量,来探究一带一路倡议下二氧化碳等污染物在中国国内、一带一路国家和世界其他地区国家这三大区域之间的流量关系,并探究随着时间变化,排放量与流量关系发生的变化及其影响因素。
机器学习部分:
1.深入了解图挖掘算法
针对机器学习方面,团队成员考虑到对研究项目而言,社区发现和关系挖掘是分析一带一路国家间碳流动关系的可行方向,因此经过资料的查找和文献的阅读,选定了图挖掘算法作为实现的基础。为了深入了解图挖掘算法,我们向来自阿里巴巴的孙丽老师进行了请教和学习,摒除了部分对于研究没有价值的内容,确立了几个方法的研究方向,分别是K-Core进行社区发现、密集子图挖掘等;同时学习到了一些研究上的细节,比如针对经济水平高的国家数据较大的情况,利用归一化先对数据进行处理等。
2.寻找便于学习的相应代码以及程序包
经过对图挖掘算法的初步了解后,小组成员了解到图挖掘算法中的频繁子图和密集子图对于项目的研究有一定帮助,并初步选定应用密集子图进行一带一路中国家之间的社团划分、寻找主要社团关系;应用频繁子图来确定长期情况下国家和集团之间关系的变化。由此,团队选定频繁子图与密集子图作为下一步的算法重点研究对象。为了便于使用频繁子图挖掘与密集子图挖掘进行研究,团队成员找到了图挖掘算法的C、Java或Python对应代码或计算图挖掘算法的Python算法包。
(二)是否完成预期研究计划
团队成员综合考虑自身情况及科研状况,稳步推动科研进程,完成预期研究计划。
(三)项目过程中的重难点
本阶段科研立项的重难点如下:
重点:
1.数据的确认
想完成一篇质量好的论文,在论文撰写之前,对于数据的确认与计算是十分必要的。在确定研究方法之后,根据方法的研究过程来编写Python代码是一项非常重要的工作。
2.环境变量的完善
本项目的创新点在于引入了环境变量来进行研究,怎样恰当的引入并对其结果进行合适的分析是完成论文的重要基石。
难点:
1.代码和数据正确性检验
代码编写完成后需要对其进行数据检验,并验证其是否可以实现预期的功能;针对可能出现错误的数据,团队成员主要通过代码检查、数据计算与代码运算结果核对等方式对代码进行检验。
2.环境变量的加入
代码检验完成后,数据需要引入环境变量,用与未引入环境变量前相似的方法对其进行计算,并对得出的结果做出合理的解释与分析。
|