党的历史方位的改变与党建理论的创新

从革命时期、执政时期来说明,党在党的先进性、党的阶级和群众基础、党的领导和执政方式等党的建设的重大问题上实行与新形势、新任务相适应的一系列转变是党的历史方位变化的必然要求。     

基于信号分解和深度学习的农产品价格预测

农产品价格的稳定对社会经济与农业发展有重要意义,但农产品价格的波动具有非平稳、非线性、波动性大的特性,较难精确预测。该研究基于信号分解和深度学习,提出一种分解-重构-提取-关联-输出的农产品价格预测模型（CT-BiSeq2seq）,并且加入平均气温、养殖成本（大猪配合饲料与尿素价格）、群众关注度等多维度数据来提高模型的预测精度。首先,采用互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）方法把复杂的原始价格序列分解为简单序列。其次,分析皮尔逊相关系数及分解后的子序列,把原始价格序列重构为高频项、低频项、残差项。再经过时间卷积网络（Temporal Convolutional Network,TCN）提取重构序列的数据特征。随后,构建Biseq2seq模型,解码器引入双向长短期记忆网络（Bi-directional Long Short-Term Memory,Bi-LSTM）加强序列数据间的全局关联。最后,通过解码器的LSTM网络输出预测值。以北京丰台区批发市场的白条猪肉价格进行实证分析,该研究提出的CT-BiSeq2seq模型的预测性能显著优于其他价格预测基准模型,在滞后天数为11 d达到最优效果。在其他数据集也有精确和稳定的预测效果,菠菜、苹果,鸡蛋的均方误差分别为0.627 7、0.463 2、0.552 6元2/kg2,平均绝对误差分别为0.543 1、0.442 5、0.533 9元/kg,平均绝对百分比误差分别为3.204 7%、2.236 1%、2.231 4%。同时根据不同数据集的结果发现,价格波动大的农产品适合采用较大的滞后天数,价格波动小的农产品适合采用较小的滞后天数。该模型可以为预测农产品的价格波动提供参考。