基于MCMC算法的贝叶斯面板单位根检验

针对面板单位根检验存在检验势不稳定和原假设设置主观选择的问题,提出基于面板数据分位自回归模型,选择非对称Laplace分布的似然函数对模型进行贝叶斯分位回归分析.结合参数的完全条件分布设计MCMC抽样算法,进行贝叶斯分位单位根检验,并利用Monte Carlo模拟实验研究了贝叶斯分位单位根检验的有效性与可行性.研究结果表明,基于面板数据分位自回归模型的贝叶斯单位根检验方法解决了检验势不稳定以及原假设主观设置的问题,能够给出更全面稳健的单位根检验判断.     

基于AR和TAR模型的变点问题分析

在正态分布下,Perreault等刻画了水文时间序列4种情形的变点问题,但没有利用到具体的模型.本文设定自回归(AR)和门限自回归(TAR)模型对应均值的变化,利用贝叶斯推断法,完成这4种情形下变点问题的分析.模拟实验的结果比较理想.     

基于MH算法的贝叶斯分位自回归模型

针对时间序列分布特征多样性的问题,不考虑序列本身的分布特征而选择非对称Laplace分布的似然函数对模型进行贝叶斯分位回归分析.利用Metropolis-Hastings算法模拟参数的后验边缘分布,解决了参数估计过程遇到的高维数值积分的问题.仿真分析中,参数的迭代轨迹是收敛的,说明MH抽样有效地模拟了参数的后验边缘分布;并且应用该方法估计出了不同分位数下模型参数的后验均值,标准差,MC误差和95%的置信区间.非对称和局部持续性数据的数值模拟,证实了贝叶斯分位自回归模型可以更全面有效地描述滞后变量对响应变量变化范围和条件分布形状的影响.     

基于时间序列分析的电容器退化模型

针对高温下电容器电容值下降的问题,基于差分自回归移动平均(ARIMA)模型及分数阶自回归移动平均(ARFIMA)模型,引入时间序列分析法预测电容值的退化轨迹.对于ARIMA模型,当电容器的退化过程服从Wiener分布时,利用过差分预判法(OPM)预判原时间序列的过差分阶数;根据单位根检验、自相关及偏自相关函数的计算结果确定经过一阶差分后的时间序列的平稳性.对于ARFIMA模型,利用重标极差法判定退化数据是否具有长期记忆性;通过最小准则及极大似然法估计模型阶数及其相关参数值.最后,通过残差检验验证OPM-ARIMA及ARFIMA模型在提取有效信息与准确预测两方面的能力,并进一步分析了这两种模型的可行性与有效性.     

移动通信用户选择3G增值服务的预测分析研究

移动通信用户由2G服务转向3G服务是通信行业的热点问题,在分析2G和3G电信用户话费信息的基础上,提出2G用户转换为3G用户的倾向性问题.研究利用贝叶斯模型和逻辑回归模型分别分析该问题.实验结果表明,逻辑回归模型在平均召回率、平均正确率以及平均精确率分别比贝叶斯模型高2.93、3.32、2.72个百分点,在正确率上表现尤为出色.     

改进的差分自回归移动平均模型的共轭梯度参数估计法

为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。     

DCT车辆起步数据驱动预测控制

针对双离合自动变速器(DCT)车辆起步过程建模困难及参数不确定等问题,提出了基于输入输出数据的数据驱动预测控制方法(DDPC).首先,将DCT起步过程等效为自回归移动平均外生模型(ARMAX),基于系统输入输出数据利用最小二乘法实现数据驱动建模过程,并通过MATLAB/Simulink平台验证了建模方法的有效性;其次,结合获得的ARMAX模型与DDPC,对不同意图下的起步过程进行仿真分析.结果表明,所提控制策略可以很好地控制起步过程,并有效反映起步意图;与传统的恒转速控制方法相比,所提控制方法可有效改善起步性能;改变起步工况,所提控制方法仍可较好地控制起步过程,证明其具有一定的鲁棒性.     

DCT车辆起步数据驱动预测控制

针对双离合自动变速器(DCT)车辆起步过程建模困难及参数不确定等问题,提出了基于输入输出数据的数据驱动预测控制方法(DDPC).首先,将DCT起步过程等效为自回归移动平均外生模型(ARMAX),基于系统输入输出数据利用最小二乘法实现数据驱动建模过程,并通过MATLAB/Simulink平台验证了建模方法的有效性;其次,结合获得的ARMAX模型与DDPC,对不同意图下的起步过程进行仿真分析.结果表明,所提控制策略可以很好地控制起步过程,并有效反映起步意图;与传统的恒转速控制方法相比,所提控制方法可有效改善起步性能;改变起步工况,所提控制方法仍可较好地控制起步过程,证明其具有一定的鲁棒性.     

生物发酵过程的温度控制模型研究

针对生物发酵过程中温度控制难以建模的问题,基于非线性自回归滑动平均(NARMA)模型,设计了神经网络自回归滑动平均(NN-NARMA)模型.利用径向基神经网络逼近NARMA模型中的映射关系,对神经网络的输出进行了二阶低通滤波,用变异率可调节的遗传算法优化了NARMA模型中的延时参数以及神经网络的输出滤波参数.应用该方法建立了生物发酵过程的温度控制模型,该模型在上温、中温和下温的误差相对于Elman神经网络模型分别减少了38 9%、13 5%和61 3%.该方法具有一定的可操作性,能够较好地解决生物发酵过程中的温度控制建模问题.     

多变点的AR模型估计的功效

对含有变点的不同数据生成过程,用蒙特卡洛方法模拟研究了自回归移动平均模型分析法检测变点的功效,实验表明,AR模型估计对均值变点检测有较高的势。给出了利用AR模型检验某企业微电子标准物质质量稳定性的实例。     

青岛市固定资产投资的统计分析

通过时间序列统计分析方法研究了青岛市1991～2011年固定资产投资状况,并对未来5年青岛市固定资产投资趋势进行了预测,为相关部门提供统计学依据.     

基于随机参数的贝叶斯统计质量控制模型

为了研究正态共轭参数先验分布和正态一逆Gamma共轭参数先验分布下产品质量特性的控制问题，应用贝叶斯统计推断方法，通过不同控制对象的预报分布密度函数，构造了方差已知时质量特性的贝叶斯均值控制图和方差未知时的贝叶斯均值一标准差控制图，结论表明：经典统计质量控制模型是贝叶斯质量控制模型的一类特殊情况。     

黄淮海平原历史旱涝灾害的时间序列分析

选用全国自然灾害历史数据库中黄淮海平原地区的旱涝灾害等级数据，运用时间序列分析方法，建立了该地区旱涝灾害的自回归－－移动平均混合模型（ＡＲＭＡ模型），并根据所建模型对旱涝灾害进行了后验预报，结果表明，用ＡＲＭＡ模型做年际旱涝变化趋势预报是有潜力的。     

混合周期自回归滑动平均时间序列的平稳性条件

为了描述周期时间序列中的偏倚和多峰现象,结合有限混合模型方法,将周期自回归滑动平均（Periodical Autoregression Moving Average——PARMA）模型推广,提出混合周期自回归滑动平均时间序列（MPARMA）模型,并讨论了MPARMA序列的一阶和二阶平稳性条件。     

带位置和速度观测的信息融合Kalman跟踪滤波器

应用基于ARMA模型的现代时间序列分析方法,和应用基于Riccati方程的经典Kalman滤波方法,对带位置和速度观测的两传感器系统,在线性最小方差信息融合准则下,分别提出了按矩阵加权、对角阵加权和标量加权的三种信息融合Kalman跟踪滤波器,其中,按标量加权可明显减少计算负担,便于实时应用。一个仿真例子说明了两种方法引出相同的结果,但构造ARMA新息模型时必须进行左素分解,且说明了三种加权融合滤波器的精度无显著差异。     

多变量时序模型的典则型研究

本文从多项式矩阵理论入手，指出多维时序模型的自回归部分多项式矩阵与滑动平均部分的多项式矩阵右互质，只是保证模型为典则型的必要条件，而不是充分条件，因此，为了获得多变量时序模型的典则型，必须限制模型的部分参数表达形式，因此提出了一种形式简单的多变量时序模型的典则型，并给出了实现的具体算法，还证明了该典则型自回归与滑动平均部分的多项式矩阵是右互质的．     

基于混合自回归滑动平均潜周期模型的短期电价预测

应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自回归滑动平均模型拟合残差随机分量,采用赤池信息准则确定模型的阶数,参数则由矩估计得到.该模型不要求预先假设电价序列的周期尺度,周期的个数和大小由模型计算确定,方法简单.采用美国宾夕法尼亚、新泽西、马里兰电力市场的实际电价数据对模型进行了检验,验证了模型的有效性.     

GARCH型相关过程及其质量控制图

化工等连续生产过程，质量指标常常表现出自相关性，违返了常规控制图的独立性假定，一般的修正方法都是基于ARMA模型表示质量过程，本文应用GARCH时间序列模型，建立了GARCH型自相关的质量过程，并提出了GARCH型控制图，为条件异方差的质量自相关过程控制提供了处理工具，可以解决实际工作中因设备，原材料或操作因素等使质量波动幅度变化的过程控制问题。     

基于小波分析的铁矿石运价预测

在分析了小波分析对铁矿石海运价格非平稳数据序列预测优势的基础上,介绍了多分辨率分析理论和奇异性检测,借助于MATLAB和EVIEWS软件,建立自回归移动平均（ARMA）和Holt-Winters非季节组合模型,对经过处理的高频和低频数据进行静态和动态预测.预测结果表明,小波分析在非平稳时间序列预测方面具有很大的优势.