The application of the ARCH model for the assessment of transport routes in Northern Europe and Southeast Asia
Notice bibliographique
Résumé
Abstract The article proposes the method of comparison of future transport routes to connect North Europe and Southeast Asia. Two transport routes can pass through the expanses of the Arctic Ocean, along the shores of Russia and Canada. The Southern Sea Route on the Suez Canal and the Trans-Siberian Railway are the alternative transport routes. The Northern Sea Route is the shortest waterway between Northern Europe and Southeast Asia and has many advantages of goods transportation in the future. Compared to the Northwest Route along the Canadian coast, the Northern Sea Route has a greater number of competitive advantages. The authors outline the stages of transport routes comparison method. At the first stage, the goal of the analysis is set and the mathematical model is chosen. The second stage determines the resulting and influential indicators. The third stage involves collecting the information on selected indicators with each indicator being a time series. At the fourth stage, time invariance of each time series is analyzed. At the fifth stage, model is selected that displays the transport corridor. The sixth and seventh stages deal with autocorrelation and multicollinear analysis. At the eighth stage the coefficients of the equations are calculated. At the ninth stage, the conditional variance of the series of the resulting indicator is estimated and the decision is made whether to use the model of autoregressive conditional heteroscedasticity (Arch – Auto Regressive Conditional Heteroscedasticit) for prediction. The paper describes the results of comparison of various international transport routes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».