Level 1 初始化工作通常是临时的，环境也不稳定，反映组织内个人能力，而不作为成熟度管理。该阶段尽管组织内会生成产品和服务，但往往会超出预算和项目时间； Level 2 已管理基于项目或单业务职能的有效管理，能够跟踪成本和时间表，可以基于项目实践的计划和执行的经验开展复用，但仍缺乏组织内整体的管理，仍然存在预算超支和实践逾期等风险； Level 3 已定义组织内形成覆盖整个组织的标准、流程和规程管理，能够适应组织内业务职能或项目； Level 4 量化管理组织通过统计技术和量化分析，对所开展的质量目标进行量化管理； Level 5 持续改进量化的目标被明确建立且持续修订反映业务目标的变化。 模型介绍

民族地区基础教育信息化城乡均衡发展绩效评估模型及指标体系构建研究.docx

Features of Random Forests It is unexcelled in accuracy among current algorithms. It runs efficiently on large data bases. It can handle thousands of input variables without variable deletion. It gives estimates of what variables are important in the classification. It generates an internal unbiased estimate of the generalization error as the forest building progresses. It has an effective method for estimating missing data and maintains accuracy when a large proportion of the data are missing. It has methods for balancing error in class population unbalanced data sets. Generated forests can be saved for future use on other data. Prototypes are computed that give information about the relation between the variables and the classification. It computes proximities between pairs of cases that can be used in clustering, locating outliers, or (by scaling) give interesting views of the data. The capabilities of the above can be extended to unlabeled data, leading to unsupervised clustering, data views and outlier detection. It offers an experimental method for detecting variable interactions.

改进的AdaBoost-SVM算法用于对等网络贷款平台的安全性和风险进行分类。 由于SVM算法难以处理稀有样本并且训练缓慢，因此使用规则采样来减少分类噪声。 然后，通过学习机的组合，可以识别P2P风险。 结果表明，IAdaBoost算法可以提高风险平台分类的准确性。 分类误差可控制在5％以内。

StoragetVET 2.0 StorageVET 2.0是一种评估模型，用于分析储能技术以及与储能配对的其他一些能源。 由于其开源的Python框架，该工具可以用作独立模型，也可以与其他电源系统模型集成。 下载可执行环境，并在了解更多信息。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 有关如何在实时系统上部署项目的注释，请参阅部署。 先决条件和安装 1.为Python 3。**安装 。 2.打开Anaconda提示 3.激活Python 3.6环境 在Linux / Mac上请注意，pip应该与python 3.6安装相关联 pip install virtualenv virtualenv storagevet-venv source storagevet-venv/bin/activate 在Windows上请注意，pip应该与python

论文研究-气候变化综合评估模型研究新进展.pdf,  本文在总结全球29个典型的气候变化综合评估模型(integrated assessment models, 简称IAM)的基础上, 围绕模型框架, 不确定性, 公平性, 技术进步和减排机制等五个关键科学问题, 系统总结并评述了气候变化综合评估模型的新进展. 气候变化综合评估模型主要的模型框架有最优化模型, 可计算一般均衡模型和模拟模型等三类. 针对气候变化不确定性, 气候变化综合评估建模中需要解决气候变化影响的概率分布, 人类对气候变化的风险厌恶程度, 人类对社会福利的时间偏好等问题. 在代际公平性方面, 伦理派支持较低的贴现率, 在气候政策上主张立即大幅减排; 市场派支持较高的贴现率, 在气候政策上主张渐进式采取行动. 在区域公平性方面, 应当给予欠发达地区高于发达地区的社会福利权重. 综合评估模型对技术进步的处理有从外生到内生的趋势, 技术进步内生的主要途径包括直接价格诱导, 研发诱导和学习诱导三种类型. 在减排机制方面, 从成本效益角度分析的学者普遍认为价格机制比数量机制更有效.

信用评等模型/信用评估模型之12堂课，非常好的一本书。

DCMM-数据管理能力成熟度评估模型

建模题目： 改革开放30 年来，以北京、上海和广州为中心的京津冀、长三角、珠三角 三大经济圈领跑全国经济，为全国其它地区创造了经验，并产生了巨大的辐射 带动作用。请你们在北上广中选择一个城市和感兴趣的某个侧面，建立数学模 型，利用互联网数据，定量评估该城市近十年在其所在经济圈的作用和影响力。 摘要部分： 本文选取了上海和长三角地区经济发展的相关性以及上海市城市辐射力这一角度，来研究上海对长三角地区的作用及影响力。为了科学有效地定量评估，我们依照区域经济学的相关理论并结合实际的数据获取能力选取了合理的指标，通过Matlab软件进行了相关统计处理，深入研究了上海对长三角地区的作用与影响力。 模型一为上海和长三角其他城市GDP的相关性以及上海和江苏、浙江各行业相对增长率的相关性研究。此模型主要研究上海与长三角地区经济发展的相关性以及上海对长三角地区各行业发展和产业结构调整的作用。通过分析，最终得出上海与长三角其他地区经济增长具有很强的相关性，并且上海产业结构转型等方面对长三角地区有着积极地带动作用。 模型二为上海辐射范围模型，在此模型中我们选取长三角地区16个城市14个经济指标作为城市辐射力评价指标体系，通过PCA主成分分析法对上述指标的量化值进行处理，最终得到城市辐射力的得分。并通过威尔逊模型计算得出城市辐射力的衰减因子，从而确定相应的阀值计算各城市的辐射半径。最后运用ArcGIS软件进行了空间数据的拓补处理，以获得辐射半径的空间分析模型。 模型三为基于断裂点的城市辐射模型，在此模型中我们选取长三角地区5个城市7个方面31个指标最为城市辐射力评价指标，运用AHP综合评价法对数据的量化值进行计算，得出城市各个方面辐射能力的得分与综合得分。进而通过断裂点模型计算城市各方面的辐射范围，以细化研究上海市在长三角地区具体的带动作用，同时研究了上海市辐射范围随时间的变化。最后运用ArcGIS软件研究了断裂点的分布情况，以分析上海市对长三角地区的辐射在空间上的不均匀性。 关键词：上海 长三角 线性回归 AHP PCA 威尔逊模型 断裂点理论ArcGIS Matlab 1

Moody RiskCal Model是一系列评估非上市公司违约风险的模型。每个模型针对某个地理区域或行业，并体现了当地贷款、监管操作和会计准则