一种简单的确定ARMA模型结构的方法

研究了ＡＲＭＡ模型的建模问题，把正交最小二乘算法用于确定ＡＲＭＡ模型的结构，同时也辨识了ＡＲＭＡ模型的相应参数，最后给出了一些算例说明算法的可行性。     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法．重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较．结果表明，采用积分求解法所得的ＡＲ模型参数的估计精度比最小二乘法的高．     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法，重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较，结果表明，有用积分求解法所得ＡＲ模型参数的估计精度比最小二乘法的高。     

快速采样数据建模的最小二乘算法

由于传统的ＡＲ模型不适于快速采样数据的建模，提出了基于增量差分算子建模的递推最小二乘算法，讨论了这种模型与相应连续模型的关系．数据仿真表明这种模型较之于ＡＲ模型有较好的适用性．     

快速采样数据建模的最小二乘算法

由于传统的ＡＲ模型不适于快速采样数据的建模，提出了基于增量差分算子建模的递推最小二乘算法，讨论了这种模型与相应连续模型的关系，数据仿真表明这种模型较之于ＡＲ模型有较好的适用性 。     

NARMAX模型辨识的直交化最小二乘新算法

基于实际中常用的ＣＧＳ（ＣｌａｓｓｉｃａｌＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＭＧＳ（ＭｏｄｉｆｉｅｄＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＨＴ（ＨｏｕｓｅｈｏｌｄｅｒＴｒａｎｓｆｏｒｍａｔｉｏｎ）及Ｇｉｖｅｎｓ算法，给出了１类改进的直交化最小二乘新算法，分别称之为改进的ＣＧＳ、ＭＧＳ、ＭＨＴ及ＭＧＶ算法，改善了原算法的数值稳定性．将改进算法用于非线性ＮＡＲＭＡＸ模型辨识，构造出了１种新的模型结构与参数辨识的一体化算法．新算法基于逐步回归进行模型选项并消去模型中的冗余项，保证了最终模型的结构优化，并可给出比Ｂｉｌｉｎｇｓ等算法精度更高的参数估计．仿真结果证明了文章中算法的优越性     

非等权观测的Householder参数估计方法

当设计矩阵Ａ“病态”（ 强复共线） 时，正则矩阵ＡＴＡ 亦“病态”，而且更为严重，导致参数的最小二乘解极不稳定。Ｈｏｕｓｅｈｏｌｄｅｒ 方法，是用一镜像映射矩阵Ｈ（ 对称、正交） 对误差方程（ 等权） 进行正交变换，将Ａ变换为上三角阵Ｒ，直接解算参数，避免了ＡＴＡ 的“病态”性对参数最小二乘解的影响。本文解决了在非等权观测情况下，如何应用Ｈｏｕｓｅｈｏｌｄｅｒ 方法进行参数估计的问题。因而，本文扩展了Ｈｏｕｓｅｈｏｌｄｅｒ 方法，并使其在测绘数据处理中更具有实用价值。     

电力系统短期负荷预测

应用经济学中市场需求预测的季节性交乘趋势模型预测城市电网的电力短期负荷，与线性递推最小二乘法估计的ＡＲ模型ＡＲＭＡ模型，分解组合模型和基于卡尔曼滤波的状态空间法比较的结果表明，其计算精度和效率均较优，在此基础上，结合我国电网运行的实际情况，提出一种新的法定节假日的预测方法－基础年选择法，获得满意计算结果。     

具有观测噪声的AR模型参数的无偏估计

本文研究了带未知白色观测噪声的ＡＲ模型参数的无偏估计问题，提出了一种实现ＡＲ模型参数无偏估计的偏差补偿最小二乘法，这种方法通过对预测数据预滤波，将一个已知零点嵌入被辨识系统，并利用该零点提供的信息，从普通最小二乘估计中提出出噪声引起的偏差并予以消除，从而得到无偏估计，文中给出的数值仿真例子说明了所提算法的有效性。     

SUR 回归模型中最小二乘估计与 Gauss-Markof 估计及两步估计重合的条件

讨论了（１）如何确定ＳＵＲ回归模型的协方差参数矩阵的列展空间;（２）在什么条件之下,ＳＵＲ回归模型的最小二乘估计,Ｇａｕｓｓ－Ｍａｒｋｏｆ估计,及Ｚｅｌｎｅｒ的两步估计可以相等。此外,也得到了关于最小二乘估计在线性无偏估计类中的容许性的某些结果。     

线性连续回归模型基于Chebyshev多项式逼近的Markov参数估计

文中先提出了基于Ｃｈｅｂｙｓｈｅｖ多项式逼近，有连续Ｗｉｅｎｅｒ过程扰动的线性连续回归模型最小二乘参数估计算法，然后讨论了Ｗｉｅｎｅｒ过程的Ｃｈｅｂｙｓｂｅｖ多项式逼近值的相关性，在此基础上，提出了能获得参数估计误差方差为最小的Ｍａｒｋｏｖ参数估计（最小方基估计）算法。文中还将所提出的估计方法推广至控制领域中所讨论的随机连续动态系统的参数估计中，计算机仿真结果显示了本文方法的有效性。     

滑动平均噪声干扰双输入多率系统最小二乘迭代辨识

研究了滑动平均噪声干扰的双输入多率系统最小二乘迭代辨识算法.首先推导出2个输入通道采样周期不相等的多率系统的离散时间状态空间模型,得出对应的传递函数模型.针对辨识模型信息向量中存在不可测噪声项的困难,利用最小二乘迭代原理,将未知噪声变量用其迭代估计值来代替,提出了这类双输入多率采样数据系统的最小二乘迭代辨识算法.最后通过仿真例子比较了最小二乘迭代辨识算法与递推增广最小二乘算法的辨识效果,说明了所提出算法的参数估计精度较高.     

双线性模型参数估计及其在颤振分析中的应用

本文提出了一种全新的双线性模型参数递推估计算法，其机理是通过采用泰勒级数来逼近似然函数，因此复杂的非线性参数估计就变成了较容易的线性参数估计，两组仿真实例以及在颤振分析中的应用表明，本算法具有快，稳定及精度较高等特点。     

方差分量估计在三维七参数坐标转换中的应用

将方差分量估计应用于三维七参数坐标转换模型参数求解,并通过实例计算与传统的解算方法进行精度比较,实验结果表明,将方差分量估计用于三维七参数坐标转换模型参数求解,可有效提高坐标转换的精度.     

动力学参数估计的频域方法

本文讨论以谱估计为基础的动力学参数估计方法。它一般包括两步估计算法．即首先由线性系统的输入－输出信号估计其谱密度函数．再由第一步得到的频率响应数据估计系统的传递函数参数。文中从统一形式的性能指标出发，选用不同的加权项而导出不同的频率特性曲线拟合算法，如线性化算法、迭代法、非线性最优化方法以及基于若干基本环节的顺序迭代算法。文中还介绍了这种算法的几个应用实例。这种频域方法适用于一般线性系统的实验建模．具有通用性。     

交叉熵蝙蝠算法求解期权定价模型参数估计问题

期权定价模型的参数估计问题通常是非线性优化问题,且是非凸优化问题,经典的优化方法已不再适用。为此探寻用交叉熵蝙蝠算法来求解Merton跳-扩散模型、Heston随机波动模型和Bates带跳的随机波动模型的参数估计问题。实证结果表明该方法是有效可行的。     

基于遗传算法的河流水质模型参数估值系统

河流水质模型的参数最优化估值需要进行约束非线性规划的求解,遗传算法是一种高效的启发式随机搜索算法。将遗传算法应用于河流水质模型的参数估值问题的求解,开发了基于遗传算法的QUAL2E模型参数估值系统,并进行了算例验证,结果表明该系统具有较高的可靠性和搜索效率。     

一类时变时间序列模型的参数估计研究

根据对一类时变时间序列模型结构特点的研究,提出了一种时变ＡＲ模型的递推参数估计算法。其原理是将时变参数的估计转化为对状态方程的状态估计,采用卡尔曼滤波推导出参数估计递推公式,并研究了其渐近稳定的充分条件。     

Free Search Algorithm Based Estimation in WSN Location

This paper proposes a novel intelligent estimation algorithm in Wireless Sensor Network nodes location based on Free Search, which converts parameter estimation to on-line optimization of nonlinear function and estimates the coordinates of senor nodes using the Free Search optimization. Compared to the least-squares estimation algorithms, the localization accuracy has been increased significantly, which has been verified by the simulation results.     

A Modified Extended Bayesian Method for Parameter Estimation

This paper presents a modified extended Bayesian method for parameter estimation. In this method the mean value of the a priori estimation is taken from the values of the estimated parameters in the previous iteration step. In this way, the parameter covariance matrix can be automatically updated during the estimation procedure, thereby avoiding the selection of an empirical parameter. Because the extended Bayesian method can be regarded as a Tikhonov regularization, this new method is more stable than both the least-squares method and the maximum likelihood method. The validity of the proposed method is illustrated by two examples: one based on simulated data and one based on real engineering data.