一种确定自回归滑动平均模型最小阶次的新方法

针对经典Akaike信息准则(AIC)在模型定阶时缺少阶次范围下界而引起的模态遗漏问题,根据稳态图和AIC准则,提出了一种自回归滑动平均模型在模态参数辨识中的定阶方法.该方法先利用稳态图能够鉴别真假模态的特点,进行各阶模态频率的估计和均值的求取,进而根据模态稳定性判定准则计算出阶次范围下界,最后利用AIC准则确定最优的模型阶次.仿真结果表明,与经典AIC准则相比,所提出的方法定阶后进行模态参数的辨识,不仅识别出了经典AIC准则遗漏的第3阶模态参数(误差为0.18%),而且使第1、2阶模态参数的精度分别提高了2.31%和6.31%.对悬臂梁的模态实验结果表明:该方法不仅辨识出了经典AIC准则遗漏的第1阶模态参数,使其误差仅为0.62%,而且也大大提高了其他各阶模态参数的精度.     

时间序列模型在我国财政收入分析中的应用

利用全国1978年至2005年间的28个财政收入数据,选择四个时间序列模型和一个混合指数函数—AR模型进行拟合。依据AIC准则、BIC准则和MAPE准则分别对模型预测精度进行评价,选择恰当模型。以2006、2007和2008年的数据作为检验数据验证模型的预测效果,进一步证实ARMA模型预测效果较好。     

基于小波分解与重构算法多维系统辨识

在多元小波分解和重构算法的基础上结合AIC信息准则建立多维线性系统点扩展函数的小波基优化模型。仿真结果表明该算法具有较高的精确度和稳定性。     

调速阀故障诊断的AR双谱定阶方法比较

为解决故障诊断中确定最优的自回归(AR)模型阶数的问题,运用最终预测误差(FPE)、阿凯克信息准则(AIC)、贝叶斯信息准则(BIC),以及奇异值分解(SVD)的切片法和Frobenius法共5种定阶方法对调速阀的故障进行自回归模型定阶实验.结果表明,FPE,AIC,BIC及SVD切片法确定的阶数较低,而用SVD Frobenius法确定的阶数较高.通过不同阶数、不同故障的调速阀故障诊断实验可知,用SVD Frobenius法建立的AR模型效果优于其他方法.     

应用赤池信息量准则优选多项式高程拟合模型

文章以多项式高程拟合模型为研究对象,采用赤池信息量准则(Akaike information criterion,AIC)优选多项式模型。模拟产生一组高程异常数据,将其分为估计组和检核组,对于任一备选阶数,采用最小二乘法求解模型参数,并计算相应的AIC,备选模型中AIC最小者即为所选的高程转换模型。对检核组数据进行交叉检验试验,结果显示AIC最小所对应模型预测的高程异常与检核组的数据符合最好,表明了文中所采用方法的有效性。     

交通流的时间序列建模及预测

采用时间序列ARMA模型进行交通流量趋势预测，建模时利用现场测得的交通流非平稳时间序列进行差分变换及标准化处理，从而转化成标准正态平稳时间序列；模型参数估计采用极大似然估计法，并根据AIC准则为模型定阶；最后通过实测数据进行验证．结果表明该ARMA模型能够较好地拟合交通流时间序列并可获得较高的中短期预测精度，因而可用于动态交通信号控制．     

基于ARMA模型的股票开盘价分析及预测

以建设银行2018年1月2日至2019年12月26日的每个股票交易日开盘价的时间序列为研究对象，通过差分方法对原始序列进行平稳化处理，再采用AIC和HQ最小准则确定原始序列所满足的ARIMA模型.为了检验该模型的效果，利用模型对建设银行短期的股票开盘价进行预测，结果表明预测值与实际值较吻合，短期误差较小.     

时间序列分析技术在GDP增长预测中的应用

综合运用了判别时间序列平稳性的方法，建立了1952-2004年中国GDP的时间序列模型。为了消除虚假回归，利用单位根方法检验了时间序列的单整阶数；在判别差分序列的平稳性之后，利用AIC和SC准则判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q))；然后用OLS法对时间序列模型的回归参数进行了估计，对估计模型进行了白噪声检验，并对通过检验的回归结果进行了分析。     

基于多维AR模型的桥梁随机风场模拟

基于自然风特性,通过考虑结构节点间风速时程的空间相关性,采用多维AR模型模拟主梁和桥墩节点随机脉动风速时程,利用FPE准则和AIC准则确定模型阶数,并对模拟过程中的自回归顺序、功率谱密度等问题进行研究.对兰新二线铁路白杨河大桥采用多维AR模型模拟各节点的脉动风速时程,结果表明:当AR模型阶数为4时,模拟功率谱与目标功率谱吻合较好;当自回归顺序颠倒时,模拟功率谱明显偏离目标功率谱.     

基于半连续两部模型的保险损失预测

【目的】提高保险领域中保单累积损失预测的准确率。传统的Tweedie回归模型只能对非零均值建立回归模型,却不能对零概率建立回归模型,从而导致该模型的拟合效果并不理想。【方法】考虑到保单损失数据中往往包含着大量的零索赔,此时可视其为一种半连续型数据。因此,基于半连续两部模型,并考虑到累积损失中非零连续部分的分布类型,提出3种不同的累积损失预测模型,并结合一组实际损失数据进行模型对比分析。【结果】与Tweedie回归模型相比,本研究所提出的半连续两部回归模型的赤池信息准则值(Akaike information criterion, AIC)和贝叶斯信息量准则值(Bayesian information criterion, BIC)更小,具有较好的拟合效果。【结论】本研究结果可为保险领域中的保单累积损失预测提供参考。     

基于半参数估计的W-CIC Copula函数选择准则

基于全参数极大似然估计的AIC准则是常用的模型选择标准.在实际应用中,往往将其用于半参数伪极大似然估计,其中存在模型选择的偏差.CIC准则适用于半参数伪极大似然估计,但对于大部分在边界处增长过快的Copula密度函数该准则失效.基于此,对原有的CIC准则进行改进建立W-CIC准则,即降低Copula密度函数在边界处的权重,是CIC准则的加权版本.W-CIC准则打破了原准则的局限性,适用于更多的Copula函数模型.     

线性/非线性时间序列模型一般表达式及其工程应用

提出一种线性/非线性时间序列模型的一般表达式(GNAR),论述其线性和非线性特性.对3种典型的非线性、非平稳时间序列进行试验及应用研究.将样本数据分成训练集和测试集,在训练集上建立GNAR模型,采用最小二乘方法以及结合预测误差的修正AIC准则实现其参数估计和模型定阶.在测试集上进行预测,进而验证模型.结果表明该模型对3组数据跟踪性能良好,预测预报精度优于传统时序模型,因此该模型有良好的适应性和有效性,能应用于工程实际.     

线性模型下基于AIC准则的Bayes变量选择

讨论了线性模型下Bayes变量选择问题。通过用AIC准则来修正经典的Bayes变量选择方法,构造修正后的子模型后验分布,并且通过仿真计算验证,修正后的后验分布可以提高变量选择精度。     

线性模型下基于AIC准测的Bayes变量选择

讨论了线性模型下Bayes变量选择问题。通过用AIC准则来修正经典的Bayes变量选择方法,构造修正后的子模型后验分布,并且通过仿真计算验证,修正后的后验分布可以提高变量选择精度。     

基于AR模型和SVM的果蝇振翅声分类

分别对3个不同品系果蝇的振翅声建立了AR模型,提取AR系数和白噪声序列的方差作为特征,然后用支持向量机(support vector machine,SVM)分类同种内的3个不同品系果蝇的振翅声。使用AIC准则确定AR模型的阶数,用Burg方法估计AR模型的参数,用重尾径向基函数作为支持向量机的核函数,实现对不同品系果蝇振翅声的特征提取和分类。实验结果表明3个品系的果蝇振翅声的分类正确率均达到了88%以上。     

一种基于时间序列参数的癫痫脑电分类

时间序列分析是一种采用参数模型对所观测的随机数据进行分析和处理的数据处理方法,具有简便高效的应用特点,因此应用广泛。该文采用时间序列分析方法对癫痫脑电分析,采用基于AIC准则和FPE准则进行适用性检验并建立AR模型,其中模型参数应用Burg算法和Marple算法进行估计,建立时间序列模型后,采用RBF神经网络依据模型参数对脑电信号进行分类。     

F检验临界值和模型定阶

模型类型选择和模型适用性检验是时序建模的两个基本问题。时序模型适用性检验的核心是模型阶数确定问题。本文以统计学中的F检验和AIC准则为基础,推导出模型定阶F检验临界值。用它定阶简便实用。举例计算表明其结果和其他定阶方法相一致。     

基于AIC准则优化的径向神经网络微地形曲面重构

采用RBF网络模型进行复杂微地形曲面重构,建立了适应于曲面重构的RBF网络模型.在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC量,再根据赤池信息量准则确定最优结构的RBF神经网络模型,从而进行复杂微地形的曲面重构.实验结果表明:该方法能较好地反映原始地形;这种基于AIC准则将样本输入信息与样本输出信息同时考虑,进行RBF网络结构优化的方法,为确定最优RBF网络模型的隐节点数目及相应参数提供了途径.     

油松光合光响应曲线的模型拟合比较研究

在田间实验条件下,对河北平泉,山西太行山和陕西黄陵3个油松种源的光响应曲线进行了测定。采用4种典型光响应经验模型(直角双曲线模型、直角双曲线修正模型、非直角双曲线模型和指数模型)对光响应曲线进行了拟合,并将决定系数(R2)与均方根误差(RMSE)、平均绝对误差(MAE)和赤池信息量准则(AIC)值相结合,探讨了不同模型对光响应过程的拟合优度。结果表明,对各个种源而言,这4种模型的R2均大于0.990(0.993-0.999)。与其他3种模型相比,直角双曲线修正模型的R2并列最大或最大,RMSE、MAE和AIC值普遍较小,整体上拟合效果最佳。根据直角双曲线修正模型获得3个油松种源的最大净光合速率(Pnmax)、光饱和点(LSP)、光补偿点(LCP)和暗呼吸速率(Rd),河北平泉种源的Pnmax最大,LSP居中,LCP和Rd最低;显示这一北部种源的光合潜力总体上较高。     

建筑能耗分析用气象数据的构成研究

建筑能耗分析需要首先构成有代表性的全年气象数据，气象数据可以根据一定规则从以往数据中选取，也可以用以往数据建立气象数学模型，生成可以代表未来的气象数据。对F检验法与AIC准则建模进行了比较，表明F检验法建模是合理的，用F检验逐步回归法建立了13维疏系数混合回归气象数学模型，对模型残差进行了残差独立性、正态性及零均值检验，结果表明模型是成功的，并且维数增高可以为模型提供更多的信息，用所得模型构成了建筑能耗计算用气象数据。