基于RBF-HMM模型的时间序列在线预测

针对非线性非高斯时间序列,提出观测噪声服从隐马尔可夫模型(HMM)的径向基函数(RBF)神经网络预测模型—RBF-HMM模型,该模型具有如下两个特点:(1)用隐节点数可变的RBF神经网络对时间序列进行非线性建模;(2)用HMM对非高斯噪声进行建模.并采用序列蒙特卡罗(SMC)方法实现RBF-HMM模型参数的动态调整和时间序列的在线预测.最后采用南京禄口国际机场日旅客吞吐量数据进行实证研究,结果表明该模型的有效性.     

基于EKF与UKF的利率期限结构模型估计及对比

在CKLS广义模型框架下,引入基于扩展卡尔曼滤波(EKF )和无损卡尔曼滤波(UKF )的利率期限结构均衡模型的估计方法,并使用加拿大国债数据对EKF和UKF的模型估计效果进行了对比实证研究.结论表明,引入的基于UKF的模型估计方法相对于文献中普遍采用的基于EKF 的估计方法的估计效果有明显改善,尤其存在强非线性和非正态分布的模型条件下,基于 UKF 的模型估计方法相对于基于EKF的估计方法有很大优势.进一步,基于UKF 估计方法对Vasicek 模型和CIR模型的数据拟合性进行了对比研究.结果表明,Vasicek 模型和 CIR 模型均具有较好的数据拟合性,而Vasicek 模型相对更好.     

半马氏市道轮换利率期限结构模型——基于最小Tsallis熵鞅测度

基于Ho-Lee模型,讨论零息债券价格的演变,应用无套利原理和鞅测度的方法,建立了一个离散时间半马氏过程控制的市道轮换下的二叉树期限结构模型.运用最小Tsallis熵鞅测度(the minimal Tsallis entropy martingale measure,MTEMM)处理上述模型,并在马氏和半马氏市道下给出在欧式债券期权定价方面的应用.研究发现模型结果与最小熵鞅测度下的结果具有一致性.     

Robust estimation of parameters in nonlinear ordinary differential equation models

Ordinary differential equation (ODE) models are widely used to model dynamic processes in many scientific fields. Parameter estimation is usually a challenging problem, especially in nonlinear ODE models. The most popular method, nonlinear least square estimation, is shown to be strongly sensitive to outliers. In this paper, robust estimation of parameters using M-estimators is proposed, and their asymptotic properties are obtained under some regular conditions. The authors also provide a method to adjust Huber parameter automatically according to the observations. Moreover, a method is presented to estimate the initial values of parameters and state variables. The efficiency and robustness are well balanced in Huber estimators, which is demonstrated via numerical simulations and chlorides data analysis.     

基于结构转换PTTGARCH模型沪深股市波动率的估计

考虑股市收益率波动存在结构转换特征以及描述波动非线性和非对称特征的幂变换门限GARCH(PTTGARCH)模型,本文提出结构转换PTTGARCH模型.选取沪深300指数日对数收益率作为研究对象,将股指的波动变化分为下跌、上涨和盘整三个状态:选用2013年7月1日至2015年12月17日以及2015年12月18日至2016年1月8日作为样本内和样本外时期:分别应用GARCH,EGARCH,APGARCH,PTTGARCH模型及具有结构转换的相应模型对沪深股市波动率进行估计和预测,利用高频数据得到的已实现波动率作为股指实际波动率的估计.采用平均平方误差(MSE_1,MSE_2),平均绝对误差(MAE_1,MAE_2)对估计与预测的波动率进行评价,并采用模型信度集(MCS)检验比较各模型估计和预测能力.研究结果表明:单状态和具有马尔可夫结构转换PTTGARCH模型在样本内和样本外的拟合和预测结果均更为准确.     

Vasicek状态空间模型与上交所国债利率期限结构实证

在分析现有多因子V asicek利率模型基础上,通过改进模型状态因子非相关性假定,推导出新的单、双因子V asicek状态空间利率模型及相应参数估计方法。最后利用上交所国债隐含的收益率数据估计了单因子及双因子V asicek状态空间利率模型。实证表明改进的双因子V asicek利率模型,比较准确地描述了利率期限结构的动态变化特征。     

含时间周期项的离散灰色DGM(1,1,T)模型及其应用

针对系统行为序列的周期性波动特征，将三角函数引入离散灰色预测模型，提出含时间周期项的离散灰色DGM（1，1，T）模型，其还原公式可表示为三角函数和指数函数的耦合形式，从而表明该模型适用于既存在周期性又具有趋势性的复合型序列.基于最小二乘思想，将DGM（1，1，T）模型的参数估计转化为非线性优化问题，并提出PSO-LM混合算法进行数值求解；通过数值实验对模型的适用范围和参数估计方法的有效性进行验证；最后将该模型应用于河南省安阳市、洛阳市、许昌市和商丘市的农业干旱预测，结果表明2019年四个地市的土壤湿度将呈现出下降态势.     

基于复合微粒群算法的非线性系统模型参数估计

在系统辨识理论的实际应用中根据不同的对象和建模的不同目的去选择合适的辨识算法是一件不容易的事。针对非线性系统模型的多样性,提出了适应于多种不同模型的基于复合微粒群优化算法(HPSO)的系统参数估计方法,并对多种模型实例进行了仿真研究。实验结果表明,该算法是一种有效的系统模型参数估计方法。     

基于级差格式的GM(2,1)模型参数估计优化研究

参数估计的优化是提高灰色模型精度的一个重要途径,级差格式的提出避免了背景值的复杂构造.现有的GM(2,1)模型计算较为复杂,且参数估计基于目标函数是原始序列一次差分序列的拟合误差平方和最小化来确定,同时,参数估计中微分到差分的转换以及背景值构造存在较大误差.针对这些问题,本文基于GM(2,1)模型微分方程的时间响应函数推导了级差格式,给出了最小二乘法的参数估计方法,然后基于原始序列误差平方和最小的目标函数,优化了模型的两个初始条件,同时,推导出GM(1,1)回归模型和GM(1,1,exp)模型是该模型的特殊情况,最后通过实例比较本文优化方法与现有方法估计的GM(2,1)模型拟合精度与预测精度.实例结果显示,本文的优化方法估计的GM(2,1)模型具有较好的效果.     

被动定位跟踪中的非线性滤波技术

针对被动定位跟踪中状态空间模型非线性程度较高所引发的滤波精度偏低的问题,分析和总结了已有的包括推广卡尔曼滤波(EKF)、修正增益的推广卡曼滤波(MGEKF)、二阶滤波、自适应推广卡尔曼滤波(AEKF)等各种次优递推滤波算法的特点。在此基础上重点论述了一种基于贝叶斯原理的序贯蒙特卡罗粒子滤波技术,该方法通过粒子的加权和表征后验概率密度,获得状态估值,在处理非线性非高斯系统的状态估计问题时精度逼近最优,鲁棒性更好。     

Optimization-based particle filter for state and parameter estimation

In recent years, the theory of particle filter has been developed and widely used for state and parameter estimation in nonlinear/non-Gaussian systems. Choosing good importance density is a critical issue in particle filter design. In order to improve the approximation of posterior distribution, this paper provides an optimization-based algorithm (the steepest descent method) to generate the proposal distribution and then sample particles from the distribution. This algorithm is applied in 1-D case, and the simulation results show that the proposed particle filter performs better than the extended Kalman filter (EKF), the standard particle filter (PF), the extended Kalman particle filter (PF-EKF) and the unscented particle filter (UPF) both in efficiency and in estimation precision.     

Parameter estimation for dual-rate sampled Hammerstein systems with dead-zone nonlinearity

The identification of nonlinear systems with multiple sampled rates is a difficult task.The motivation of our paper is to study the parameter estimation problem of Hammerstein systems with dead-zone characteristics by using the dual-rate sampled data.Firstly,the auxiliary model identification principle is used to estimate the unmeasurable variables,and the recursive estimation algorithm is proposed to identify the parameters of the static nonlinear model with the dead-zone function and the parameters of the dynamic linear system model.Then,the convergence of the proposed identification algorithm is analyzed by using the martingale convergence theorem.It is proved theoretically that the estimated parameters can converge to the real values under the condition of continuous excitation.Finally,the validity of the proposed algorithm is proved by the identification of the dual-rate sampled nonlinear systems.     

基于干扰补偿的拦截弹新型反演姿态控制

针对同时具有未知干扰以及输入饱和与死区特性的大气层内拦截弹姿态控制系统,提出了一种基于干扰补偿的自适应动态面控制器设计方法。该方法通过设计改进的非线性干扰观测器(nonlinear disturbance observer, NDO)对未知干扰进行抑制,利用径向基函数(radial basis function,RBF)神经网络逼近输入饱和引起的非线性项,通过设计参数自适应律在线估计未知死区边界。通过构造合适的Lyapunov函数,证明闭环系统状态一致终结有界。仿真结果表明,所提方法鲁棒性良好,在输入非线性和未知干扰作用下,依然能良好地跟踪指令信号。     

Generalized weighted functional proportional mean combining forecasting model and its method of parameter estimation

1 .INTRODUCTIONCombiningforecastinghasbroughtgreatattentiontobytheforecastingcirclessince 196 9whenJ .M .BatesandC .W .J .Grangerproposeditstheoryandmethod[1] .Thetheoryandmethodsofcombiningforecastinghavebeendevelopedwidelyinrecentyears .Forpracticalcase…     

FMCW雷达周期非线性相位估计与矫正

为获取高质量距离像,解线频调接收体制的调频连续波雷达通常需要进行非线性矫正。传统基于多项式模型的方法虽然能够矫正系统中绝大部分的非线性失真,但难以抑制由周期非线性引起的成对回波,距离压缩质量仍有较大提升空间。本文将剩余的周期非线性误差建模为多分量正弦调频信号,提出一种匹配初值与非线性最小二乘相结合的参数估计方法。所提算法仅采用傅里叶变换以及一维相位搜索即可实现正弦调频参数的快速估计,然后利用非线性最小二乘进一步提高估计精度,最后利用匹配傅里叶变换进行空变非线性矫正。仿真以及实测数据均表明,本文所提算法能够有效消除周期相位误差,抑制成对回波,显著改善距离压缩质量。     

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。     

基于跳辨识-MCMC组合算法的人民币汇率跳扩散模型参数估计问题

针对人民币汇率收益率时间序列数据存在的跳变特征,采用跳扩散模型对其时间序列数据进行描述.为识别跳变规律并解决模型的参数估计问题,提出了基于跳辨识-MCMC的组合算法:即结合Lee-Mykland的跳辨识方法与MCMC(蒙特卡罗马尔可夫链)方法形成组合算法,利用仿真实验,通过误差分析得出组合算法在跳扩散模型参数估计方面效果明显优于单一MCMC方法.以人民币/美元日汇率数据为样本进行实证分析,结果表明组合算法不但能较为准确地识别出汇率收益率的跳变时刻及规律,而且其模型参数估计的有效性大大提高.     

上证综指马尔可夫转换模型的MCMC估计和分析

引入结构突变,对上证综指马尔可夫转换-ARCH模型通过马尔可夫蒙特卡罗方法(MCMC方法)进行估计。在30000次参数模拟之后,本文得到稳健、可靠的结果,似然比检验显示本文模型好于几乎所有GARCH族模型。本文结论:(1)相对于世界主要股市,中国股市各波动状态的持续时间短、波动幅度大;(2)不像其他股市,中国股市的波动不能反应国内外的政治经济状况的变化;(3)中国股市中等波动状态的收益率显著大于0。这些结论提供了一个认识中国股市波动性的全新视角,还揭示了一种基于模型的实用数量投资方法,最后本文提出了完善中国股市的相关建议。     

基于结构方程模型的天基信息系统效能评估

针对天基信息系统各项作战能力耦合交互所形成的效能非线性涌现问题,提出基于SEM(structural equation modeling)的作战效能评估模型。从能力需求、系统构成角度出发,分析各分系统内在联系,建立效能评估指标体系;在考虑系统内协同交互的基础上,构建度量效能涌现的线性与非线性SEM;根据对应参数方程建立作战效能评估解析模型。以天基信息支援下的海上方向一体化联合作战为背景,通过MATLAB与STK联合仿真获取效能数据,采用LISREL进行参数估计,获得线性与非线性模型下的评估结果,验证了模型有效性。相较于线性SEM,非线性模型更加贴近作战效能实际。     

一种T-S模糊系统建模方法

T-S模糊系统被广泛应用于基于数据的建模应用中。模糊规则作为系统的核心,是影响系统性能的重要因素。在分析常见模糊系统建模方法的基础上,提出一种简单有效的建模方法。该算法基于变结构模糊建模思想,均匀选择模型的初始结构,以绝对误差为建模指标,通过增加模糊规则来提高T-S模糊系统的精度。为降低规则参数辨识的计算量,提高建模速度,将规则参数分为线性和非线性两部分,分别采用不同方法进行辨识。实例证明文中所提出的建模方法规则分布合理,收敛速度快,建模精度高,具有很好的实际应用价值。