(h,φ)-伪单调函数和(h,φ)-拟单调函数

定义 (h ,) 伪单调函数和 (h ,) 拟单调函数 ,给出了其及 (h ,) 伪凸函数和 (h ,) 拟凸函数相关的充要条件 ,从而推广了S .Schaible的相应结果 .     

多目标局部残差平方和的定阶方法

基于实践应用的需要，通过对自回归模型中的残差方差图定阶方法进行研究，提出了局部残差平方和的定阶方法，这种定阶方法把多目标规划理论与事物局部特征结合起来，实例表明：对自回归模型进行定阶时，运用局部残差平方和的定阶方法，能有效地提高自回归模型的预测精度，对自回归模型阶数的取值上限作了重新界定，并在理论上给出了证明。     

灰色GM(0,h)模型应用于台风预报

应用灰色系统理论,建立了我国华南沿海登陆台风预报模型。该模型在对前期因子数据序列和预报量的前期数据的映射序列,分别作累加生成的基础上,应用灰色GM(0,h)建模,建立前期因子与后期预报变量之间的量化关系,并通过残差辨识提高了拟合率。     

SCGM(1,h)_c残差修正预测模型及其在柳州市总体规划中的应用

针对隐含动态系统特征的关联多因子灰色系统,提出了SCGM(1,h)_c残差修正预测模型.将该模型用于柳州市总体规划,对相互关联的社会总产值、工业总产值和农业总产值进行了预测.结果表明,模型精度高、适应性强,预测效果令人满意.     

我国货币供给函数的协整与误差校正模型

传统的线性回归建模常假定时间序列是平稳的,以保证普通最小二乘法得到的估计量一致.而多数经济时间序列却是非平稳的,对其做线性回归可能产生所谓的“伪回归”.在协整理论基础上,借助统计和整理的经济数据,运用计量经济学的Eviews统计软件对我国货币供给进行实证分析,建立了误差校正模型.对误差校正模型残差的自相关性、异方差性进行检验,结果表明该模型在我国货币供给中是有效的,克服了“伪回归”现象,且具有很好的经济解释意义.     

关于方程x~n (x 1)~n … (x h)~n=(x h 1)~n

1900年,E.B.Escott证明了方程(1)x~n (x 1)~n … (x h)~n=(x h 1)~n在2≤n≤5时,只有正整数解(A)n=2,h=1,x=3;n=3,h=2,x=3.在此前后,F.Hromadko和L.Aupry也证明了②方程在(1)在n=3的情形。本文得出了解方程(1)的一般方法,并且证明了方程(1)在:     

σ(m)=h为素数时m的形式

通过对σ(nl)的讨论,得出σ(m)=h为素数时(h=3除外)m的形式,同时也得到几类σ(nl)的一些性质.     

监视过程均值变化的残差控制图检测能力分析

对过程实施统计质量控制的基本假设前提是观测值彼此独立,但实际工作中经常出现过程的观测值存在自相关的现象.若自相关过程的残差满足独立同分布条件,对残差实施控制图监视是解决自相关过程控制的方法之一.应用检测能力指数和平均运行长度两种衡量指标,分析了自相关过程由时间序列模型AR(1)描述时,残差控制图对过程均值变化的检测能力.结果表明,残差EWMA(φ≤1-λ)控制图对过程均值小偏移较灵敏,当φ<0时,残差EWMA控制图对过程均值大偏移的检测能力略差于残差Shewhart控制图.     

基于灰关联度的IGOWLA算子中国楼市库存的预测分析

在回顾灰关联度和诱导广义有序加权对数平均算子(IGOWLA)等概念的基础上,构建了基于灰关联度的IGOWLA算子最优组合预测模型。分别利用多元线性回归模型、残差自回归模型、GM(1,1)模型对我国商品房待售面积进行了单项预测,建立了基于灰关联度的IGOWLA算子组合预测。     

动态可控残差卷积神经网络的低剂量 CT 图像处理

针对计算机断层扫描(Computed Tomography, CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其 是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet) 算法。 DC-ResNet 的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加 权和,从而实现残差特征的动态可控。 所设计的 DC-ResNet 网络是一种包括两个子网络的组合型结构,一个是作 为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量 CT 图像质量的提 高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的 学习。 通过 Mayo 与 UIH 数据实验验证,其视觉结果表明:处理后的不同部位 CT 图像噪声伪影均能够得到较好的 抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的 CT 图像峰值信噪比( Peak-Signal to Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)均优于对比方法。     

精密单点定位的卡尔曼滤波新息与残差随机性对比

为了验证卡尔曼滤波新息和残差描述观测噪声的能力,根据精密单点定位载波相位和伪距观测值的先验方差,利用蒙特卡罗模拟等方差的随机噪声作为分析基准,研究描述信号随机性的平稳性、正态性、自相关性和功率谱指标。实验结果表明,新息只能正确描述伪距观测值噪声的随机性,残差能够同时描述载波相位和伪距观测值噪声的随机性。同时,两者描述伪距观测值噪声的能力相近。因此,不同精度观测值的精密单点定位应该以新息表示的残差为基础进行卡尔曼滤波模型的改进。     

融合AR模型和MCMC方法的水文模拟不确定性分析

为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好。分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测。     

脉冲时滞控制系统的(h0,h)-不稳定性

利用Lyapunov函数方法研究了一类脉冲时滞控制系统的(h0,h)-不稳定性,得到了一些判断不稳定的条件。     

基于ARIMA与信息粒化SVR组合模型的交通事故时序预测

该文基于自回归滑动平均(ARIMA)模型和支持向量回归机(SVR)模型,构建时间序列组合预测模型,对道路交通事故相关指标进行趋势预测。通过ARIMA预测模型进行线性拟合;基于模糊信息粒化方法,将ARIMA预测模型残差季度变化趋势映射为包含最小值Low、中值R、最大值Up三个参数的模糊信息粒;并以其为输入构建SVR模型,对季度残差变化趋势进行预测;最后根据SVR残差预测值修正ARIMA模型预测值。实证研究结果表明:时间序列组合预测模型精度优于单一ARIMA模型,由模糊信息粒子确定的预测区间较好描述了实证数据的季度变化趋势。     

微分系统的(h0,h,L)-稳定性及判别准则

将Lp-稳定性进行了推广,给出了非线性微分系统的(h0,h,L)-稳定性定义,并分别利用Lyapunov函数方法及比较方法给出了微分系统的(h0,h,L)-稳定性的几个判别准则。     

基于互相关系数的二元随机过程伪回归探讨

通过对样本互相关系数分布的讨论,特别是其方差的变化,分析了伪回归产生的原因.结论是二元随机过程X,Y存在自相关性或非平稳等情况,导致样本互相关系数的方差变大,从而以一定的规则来判定时产生错判;其次,针对伪回归产生的原因,提出了避免伪回归现象的办法;通过模拟分析和实证分析说明了方法的可行性及结论的正确性.     

关于临界h棱连通图和临界h连通图最大棱数的下界

记f_(p,h)和(?)_(p,h)分别为p阶临界h棱连通图和p阶临界h连通图的最大棱数。本文给出当h≥3时,f_(p,h)和(?)_(p,h)的下界,而且这个下界可以达到。     

基于残差的非线性自回归模型的拟合优度检验

时间序列模型中,考虑误差分布的拟合优度检验是很重要的．Lee和Na（2002）考虑了在线性自回归模型下,基于残差的Bickel—Rosenblatt检验问题．他们指出了在原假设条件下,检验统计量的极限分布与利用独立同分布观测值的经典Bickel—Rosenblatt检验相同．本文主要讨论无限阶的非线性自回归模型的基于残差的Bickel—Rosenblatt检验统计量的渐近性质．我们证明了在自回归函数未知的情况下,当满足一定条件时,检验统计量的渐近性质与基于真实误差的统计量的性质相同．     

伪轨跟踪性与几乎周期点

设(X,d)是紧致度量空间,f是X上的连续自映射,AP(f)、CR(f)分别表示f的几乎周期点集和链回归点集。证明了:如果f有伪轨跟踪性,那么f| ■:■→■也有伪轨跟踪性,并且CR(f)=■。     

(h,Φ)-变分不等式及其若干性质

定义了 (h ,) -变分不等式及 (h ,) -广义单调函数 ,并探讨了与 (h ,)-广义单调函数有关的 (h ,) -变分不等式的若干性质