短期利益

摘要： 实现共同富裕需要具备两个根本前提,即社会生产力的高度发展以及未来社会主义和共产主义生产资料公有制的建立。社会主义市场经济体制既包含了社会主义体现出的公有制,也包含了市场经济体现出的生产力,社会主义市场经济体制符合共同富裕的目标要求。居民收入中一次分配的占比最大,因此一次分配会对共同富裕起到基础支撑作用。一次分配过程中平衡效率与公平的方案之一是员工持股计划。同时,要素自由流动既体现一次分配中的公平,又是经济运行效率的前提保障。一次分配过程中需在维持创富积极性的前提下,注重普惠性。财政的二次分配聚焦于公平,其对共同富裕起到关键调节作用。多国历史经验表明二次分配可以对缩小贫富差距起到重要作用,中国二次分配的力度有待提升。对于实施二次分配的税源,中国财产税方面存在明显短板。关于财政支出,基本公共服务和对灵活就业人员的保障是重点。三次分配最明显的短板在于慈善机构透明度较低,这加深了慈善伪善的形象,慈善机构的信息披露机制需要完善。慈善规模的增长点主要在个人和国企。慈善资金的落地需要体现出长期价值,而非短期利益,否则无法从根本上解决贫困问题,善款很好的去向之一是教育。国际上的社会保障经验可为中国提供参考价值。保障税收征管效率是提供社会保障的前提。国际上医药分离、三支柱养老等民生领域的具体实践值得中国借鉴。根据国际上人均GDP水平与福利支出水平的对应关系,中国福利支出处于较低水平。贫富差距更多体现为城乡差距,城乡差距的重点在于财产性收入的差距,提高农村财产性收入的落脚点在于农村土地以及农村的绿水青山。缩小城乡差距需要践行三产融合和城乡融合的道路,农村基建和公共服务的完善将促进这一融合过程。

摘要： 农业是我国立国之本,是其他产业得以正常发展的重要基础,而随着时代发展,农业也要“革新换代”,既借助先进科技不断提升粮食等基础生产资料数量与质量,也要在生态层面“做文章”,立足于“可持续发展”战略重塑农业面貌。发展生态农业迫在眉睫,但在现实情况下却存在诸多阻碍因素。其中最为显著的当属短期利益与长期利益之争。要想推动生态农业切实落地,构建完善的生态农业政策和法律体系至关重要。东北林业大学朱文玉、宋妍合著的《我国生态农业政策和法律研究》一书在研究国外生态农业政策和法律的基础上对我国当前现状进行分析探讨,所得研究成果可以为我国生态农业政策和法律体系完善提供参考和借鉴。

摘要： 美国心理学家安德斯·艾利克森发现,决定伟大水平和一般水平的关键因素,既不是有非一般的天赋,也不是有丰富的经验,而是刻意练习的程度。他认为,简单重复的动作并不能让我们取得更好的训练结果,就像我们天天吃饭,也并不能让我们每个人都成为美食家一样。他提倡的刻意练习,包括五个方面:第一,避免自动完成;第二,离开舒适区;第三,牺牲短期利益;第四,大量重复性训练;第五,持续地获得反馈。

摘要： 老师您好,我是宋烁,读小学三年级。我爸爸经常让我做选择。比如,每天放学回到家,他就会让我选择先完成作业还是先玩会儿游戏。如果我选择先完成作业,那我就可以玩二十分钟的游戏;如果我选择先玩游戏,那我就只能玩十五分钟的游戏。我总是会选择先玩游戏,但是这样玩游戏的时间就少了。我希望能有更多的选择,比如先玩游戏,但玩游戏的时间也能有二十分钟。可是我爸爸不同意啊,他说要让我理解一下什么是短期利益,什么是长期利一益。在我看来,好像没什么区别啊!

摘要： 老师您好,我是宋烁,读小学三年级。我爸爸经常让我做选择。比如,每天放学回到家,他就会让我选择先完成作业还是先玩会儿游戏。如果我选择先完成作业,那我就可以玩二十分钟的游戏;如果我选择先玩游戏,那我就只能玩十五分钟的游戏。我总是会选择先玩游戏,但是这样玩游戏的时间就少了。我希望能有更多的选择,比如先玩游戏,但玩游戏的时间也能有二十分钟。可是我爸爸不同意啊,他说要让我理解一下什么是短期利益,什么是长期利一益。在我看来,好像没什么区别啊!

摘要： “村容村貌大改观,翻天覆地见新颜。各级领导来支持,帮扶成员功在先。”字字真情,道不尽前进村老党员李武对市政府研究室驻村帮扶干部的感激。前进村位于津南区北闸口镇西南端,绿色生态屏障一级管控区内。早些年,村里片面追逐短期利益,280亩土地上聚集了27家“散乱污”加工企业,人居环境每况愈下,村民对村庄前途一片迷茫。

摘要： 加强地域农产品包装设计,一方面有助于农产品价值的增加,提高农民收入水平,另一方面能够强化农产品品牌意识,提高市场竞争力。时下国内在地域文化农产品包装设计上存在着质量参差不齐的问题,趋同化较为严重。导致这一情况的主要原因是人们对地域农产品包装设计人才的培养不够重视。作为该领域的从业者往往不够深入理解地域文化,缺乏对农产品设计、品牌的充分认识。为了短期利益。

摘要： 在面临行业发展困境时,那些表现得好的企业通常是保持以客户为中心,同时能够处理复杂的不确定性和风险的企业。“企业要探究隐藏在全球客户群体中的风险和机会来源、要能找到接触客户的新途径——少关注那些为短期利益所驱动的客户交易,转而关注培养那些基于长期信任关系而存在的商业机会。”埃森哲在《客户中心为何重要》一书中引用道。

摘要： 衡量企业的价值包括经济价值和社会价值两个方面。企业目标从过去的追求利润最大化,到追求股东价值最大化,演进为追求企业价值最大化,再到最近几年的“相关者利益最大化”。在当前以科技创新和绿色发展为核心发展目标的新形势下,企业需要把股东利益和社会利益充分结合,需要把企业利益和员工利益相结合,需要把企业利益与上下游企业利益相结合,需要把短期利益与长期利益相结合,可以说,不追求和投资社会价值,就没有企业和股东长期价值的最大化。

摘要： 对于高校教师来说,如何适应并处理“学者”与“创业者”的双重身份之间的联系与转化,其职业行为如何既适应高校传统教学和科研的要求,又顺应知识市场化的要求,如何避免教师角色演变的不利影响,成为迫在眉睫的现实问题。一、高校教师创业的角色冲突及影响(一)“公共科学家”转为“企业研究员”。国家和高校促进科研成果转化的政策会满足市场的短期利益,而牺牲科学积累进步的长期利益。

摘要： 本文以2009年至2012年间我国中小板与创业板上市公司为研究样本,利用倾向值配比（propensity score matching）对风险投资、风投机构声望及资金来源对其参股企业发行定价效率的影响进行了实证研究。并且首次使用与二级市场“火热”程度无关的机构投资询价阶段报价区间离散程度作为衡量IPO定价效率的替代解释变量,对本文研究目的进行了稳健性检验。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于长短期记忆网络的风电功率短期预测方法，包括长短期记忆神经网络训练算法、短期风电预测误差分布算法和风电机组发电功率短期预测模型设计。本发明从深度学习网络出发，建立基于长短期记忆网络算法(LSTM)风电功率预测模型，以高斯混合模型(GMM)分析短期风电功率预测的误差分布特点。本发明通过GMM模型可以得到二台机组不同的置信区间。证明了LSTM方法具有更高的精确度和更快的收敛速度，GMM方法对于风电调度具有实际应用价值。

摘要： 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。

摘要： 本发明提供一种基于长短期记忆神经网络(Long Short‑TermMemory，LSTM)的规模风电超短期功率预测误差修正方法，包括：首先利用改进的核密度估计得出误差的概率密度曲线；其次，采用LSTM对预测误差数据进行深度学习，以风电的预测误差为输入，以下一时刻的误差为输出，得到误差的预测值；最后，根据粒子群算法得到合适的置信区间对误差进行合理分层，根据分层区间和误差预测值，结合风电预测误差的时序特征，制订预测误差的分层补偿策略，得到一种具有较强泛化性的预测误差补偿模型。

摘要： 本发明公开了一种基于长短期记忆网络的短期负荷预测方法，采集短期负荷数据，将所采集的短期负荷数据作为训练样本进行VMD分解，得到n个随机分量IMF；对于分解出的n个分量，每个分量构建对应的WOA‑LSTM模型，利用WOA对模型中的LSTM参数寻优，找出最合适的参数；采用最优参数的LSTM分别对分量数据IMF进行训练，得到各个分量的预测结果；基于分别寻优后构建的LSTM模型，分别利用LSTM模型对短期负荷数据进行测，每个LSTM模型输出相应的预测结果；通过将所有预测结果进行相加得到最终的负荷预测结果。

摘要： 本发明公开了一种基于改进长短期记忆神经网络的短期光伏发电预测方法，该方法对短期光伏发电预测需要数据进行数据分析得到训练数据集；构建长短期记忆神经网络，并将训练数据集输入长短期记忆神经网络进行训练；采用麻雀算法优化长短期记忆神经网络参数，得到优化后的长短期记忆神经网络，优化后的长短期记忆神经网络输出短期光伏发电功率预测值。即通过历史多维度、多时间尺度、高关联的数据进行短期光伏发电功率预测，从而缓解配电网中光伏发电的不确定性；采用麻雀算法优化长短期记忆神经网络参数，进一步提高预测效果。通过本发明的实施，能够较好的利用气象数据并提高短期光伏功率的预测精度，实现电网的经济和稳定运行。

摘要： 本发明专利公开一种基于长短期记忆神经网络的燃气短期负荷预测方法，该方法运用主成分相关分析(PCCA)算法、小波阈值去噪(LMD)算法及局部均值分解优化(WTD)算法优化长短期记忆神经(LSTM)网络模型，并运用该种新的燃气负荷组合预测方法，对城市燃气负荷量进行预测分析，PCCA‑LMD‑WT D‑LSTM预测模型在城市燃气负荷预测中，采用该种模型获得的最终MAPE精度均属于高精度水平，该模型预测结果优于单一的LSTM模型、BPNN模型和GRU模型。本发明解决了传统循环神经网络中的长时期依赖问题，适用于数据长度大的时间序列预测，且稳定性更高，可靠性更强。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于深度长短期记忆网络的短期负荷预测方法，解决了现有技术的不足，该方法包括以下步骤：步骤10)，获取样本特征变量历史数据，建立历史样本数据集；步骤20)，建立预测模型嵌入维输入数据集；步骤30)，建立深度长短期记忆神经网络预测模型并初始化网络权重；步骤40)，更新训练步骤30)建立的深度长短期记忆神经网络预测模型内部状态参数；步骤50)，计算输出本轮负荷预测值；步骤60)，引入本轮负荷真实值，计算损失函数；步骤70)，更新深度长短期记忆神经网络网络权重；步骤80)，根据判别函数判别迭代是否结束；步骤90)，迭代结束，输出深度长短期记忆神经网络预测模型。

摘要： 本发明涉及一种基于长短期记忆网络的光伏发电功率短期预测方法，包括:使用Pearson相关系数确定与发电功率高度相关的天气数据特征，使用LSTM网络模型建立了输入天气数据特征与输出发电功率之间的非线性关系，并捕捉了时间序列的相关性，针对季节和天气类型划分原始输入数据集，提高模型预测精度，对基于季节和天气类型的LSTM模型预测结果进行线性拟合处理，进一步提高模型预测的准确度。