肿瘤放疗并发症概率预测模型参数拟合方法

为了建立具有群体特异性的肿瘤放疗NTCP预测模型,提出了一种模型参数拟合方法.首先,基于NTCP模型的特点构建最大似然函数;然后,分别采用确定性优化方法和随机性优化方法对最大似然函数进行优化,分析优化过程的时间成本及优化结果,探讨用于拟合NTCP模型参数的最优方法.实验结果表明,用于拟合NTCP模型参数的最大似然函数是非凸的,存在局部最优解;遗传算法是一种最稳定的最大似然函数优化方法,其运行时间比模拟退火算法短,而且可以在每次优化结束后给出全局最优解,以作为NTCP模型参数.所提方法可以帮助肿瘤放疗工作者在临床随访数据的基础上建立具有群体特异性的放疗并发症预测模型.     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型.本文首先利用APdMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型.预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势.     

低渗煤中氮气与二氧化碳气体吸附的表征模型

地质领域常以等温吸附试验为研究方法,探究煤中气体之间的吸附行为。以刘庄矿13煤为研究对象,开展了N₂、CO₂气体吸附实验,在综合分析拟合回归系数平方R²、模型计算值与实验值的残差平方和v与相对误差s的基础上,选出低渗煤中气体吸附的最佳吸附模型。结果表明：对于低渗煤中N₂吸附的模型拟合精度由高到低为：优化L模型>优化D-A模型>优化D-R模型>D-A模型>L模型>D-R模型>F模型;对于低渗煤中CO₂吸附的模型拟合精度由高到低为：优化L模型>优化D-A模型=优化D-R模型>D-A模型>L模型>D-R模型>F模型。实验结果可作为低渗煤层中气体吸附及CO₂封存提供地质依据。     

线性神经网络模型在新上证综指的预测

利用线性神经网络模型对"新上证综指(000017)"进行拟合预测,选取从"新上证综指"开始发行月份(2006年1月)开始到2011年6月的月度数据,共计66个,用前62个做训练组,最后4个数据做预测组,通过比较不同滞后窗口模型的误差平方和,选择适当的窗口数为最优模型,为了提高模拟的效果,对模型的初始数据进行优化,然后进行预测分析;结果显示,拟合效果很好,除6月份股市波动稍大,其他月份拟合误差不到3%,阐释了股票市场的短期可预测性。     

基于BP神经网络优化的灰色线性回归组合模型应用分析

在分析灰色线性回归组合预测模型基本原理的基础上,利用MATLAB强大的计算功能,实现组合预测模型算法。通过实例分析发现拟合结果对实测值出现一定的波动性,故通过建立实测值与模拟值之间的比值序列,再利用BP神经网络模型对该比值序列进行建模优化,以进一步优化组合模型的预测精度。最后实例证明了该优化模型具有较高的拟合和预测精度,是一种可行、有效的优型变形数据分析模型。     

用灰色理论模型预测供电量

应用灰色理论，建立GM（1，1）分段优化模型，对新会市1986－2000年供电量进行模型拟合计算，两者能较好的吻合。运用此建立分段优化GM（1，1）模型的方法对新会市2001－2010年的供电量进行了预测。     

用灰色理论模型预测供电量

应用灰色理论 ,建立GM( 1 ,1 )分段优化模型 ,对新会市 1 986～ 2 0 0 0年供电量进行模型拟合计算 ,两者能较好的吻合。运用此建立分段优化GM( 1 ,1 )模型的方法对新会市 2 0 0 1～ 2 0 1 0年的供电量进行了预测     

优化背景值的GM(1,1)模型组合改进

针对提高模型的拟合效果.在GM(1,1)模型基础上,提出改进方案生成紧邻生成序列.利用组合预测思想,结合BP神经网络预测算法对改进后的灰色模型做进一步的优化修正,同时引用新陈代谢灰色模型理论成为BP-GM(1,1)等维新息模型.该模型充分利用了两种预测方法的优势,适当的减小了单个模型预测时的误差.数据拟合结果表明:BP-GM(1,1)模型具有更好的拟合精度,该模型应用范围更广.     

空问映射与响应面法相结合的改进优化算法

在空间映射与响应面法相结合的基础上修改了序列响应面的程序流程,从而改变了应用响应面方法优化时的迭代本质.改进方法无须每次迭代重新拟合低保真模型响应面,只在第一次迭代拟合响应面,在此基础上调整高低保真模型设计变量间的映射关系,优化收敛更迅速.由于避免了反复的试验设计和模型分析,改进方法的计算效率远高于原方法.数值算例表明了该方法的稳定性,此方法可以大大减少应用序列响应面进行优化或可靠性评价的计算量.     

空问映射与响应面法相结合的改进优化算法

在空间映射与响应面法相结合的基础上修改了序列响应面的程序流程，从而改变了应用响应面方法优化时的迭代本质。改进方法无须每次迭代重新拟合低保真模型响应面，只在第一次迭代拟合响应面，在此基础上调整高低保真模型设计变量间的映射关系，优化收敛更迅速。由于避免了反复的试验设计和模型分析，改进方法的计算效率远高于原方法。数值算例表明了该方法的稳定性，此方法可以大大减少应用序列响应面进行优化或可靠性评价的计算量。     

一类新的数据处理方法及其应用

本文从大量离散数据处理中,抽象出了一类优化模型,并对此模型探索出了一类求解方法.采用此方法可以得到不同光滑程度的拟合曲线和解析表达式,并能广泛地用于各种数据处理.     

基于ARMA-EGARCH-M模型的沪深股市波动性分析

文章讨论了ARCH模型族的拟合波动性的优缺点,建立ARMA-EGARCH-M模型,简要说明了此模型的优点;以2000年1月11日-2006年3月15日上证综指和深证成指收盘价为样本,对我国沪深股市收益率分布用ARMA-EGARCH-M模型进行拟合分析,结果表明该模型能更有效地拟合我国沪深股市的波动性;最后解释实证结果和分析了我国股市的行为。     

有机质生烃动力学模型对比

依据23块烃源岩样品生烃热模拟试验数据,建立不同动力学模型(总包反应、正态分布模型、韦布分布模型、离散分布模型)并对模型参数进行优化,对比分析优化效果和不同类型有机质生烃动力学参数特征.结果表明:高斯分布模型拟合效果最差,其次是总包反应模型和韦布分布模型,离散分布模型拟合效果最好;随着指前因子的增加,表观活化能呈增加趋势,且不同类型干酪根的表观活化能按EⅡ2-Ⅲ>EⅠ>EⅡ1的顺序排列;在应用生烃动力学方法评价油气资源量、研究生烃动力学特征以及同位素分馏动力学时推荐采用活化能符合离散分布的平行一级动力学模型.     

优化背景值的GM(1,1)

为了提高模型的拟合精度,提出了一种新的改进GM(1,1)模型.从优化GM(1,1)模型背景值的定义出发,推导出利用原始数据生成的背景值公式,将其与经过优化的初始条件结合,构造出改进的GM(1,1)模型.此模型将在很大程度上消除由于背景值的选取所产生的误差.对该模型进行数据模拟,通过与原模型中数据的比较、分析,验证出新的优化模型具有更好的模拟精度,说明该模型的有效性,可以将其应用于对其它数据的拟合预测.     

企业债券信用价差度量多参数优化模型

用多参数利率期限结构模型确定的利率期限结构为输入变量，利用Jarrow简化模型确定信用价差，从而给出一种新的企业债券的信用价差度量多参数集成优化模型。同时选取上海证券交易所多个交易日国债和企业债交易数据，通过遗传算法及两次最小二乘法联合估计得到相对精确的模型参数，由此拟合出企业债券发行主体的信用价差方程。最后选用基准方法作为对比，实证结果表明，以价格为输入变量所得信用价差更符合实际且拟合的模型参数更精确。该方法可以用于度量任何债券的信用价差，具有实用推广价值。     

电流互感器用超微晶磁芯的磁化曲线拟合模型研究

产品的高精度是产业发展的关键,准确的磁化曲线模型能够从源头上实现高精度设计.以往研究中的磁化曲线模型主要以B=f(H)曲线形式展示,其拟合精度不够高,并不适用于电流互感器磁芯的设计.结合实际生产数据,利用1stOpt 8.0软件设计了一种符合电流互感器实际设计需求的多参量H=f(B)曲线拟合模型.利用全局优化算法对模型拟合结果进行了分析,拟合模型准确度较为理想;通过单双区间不同结果的对比,也验证了拟合模型的优越性.多参量H=f(B)曲线拟合模型解决了LSSVM参数选择的难题,避免了复杂的PSO寻优过程,为电流互感器的工程应用提供了新的理论依据.     

上海证券交易所Ａ股市场的波动性分析

运用主要的三种条件异方差模型：ARCH、GARCH、EGARCH模型，对上海证券交易所A股指数的波动性进行拟合，分析模型对上证A股指数收益的波动性、杠杆效应的拟合情况，比较不 同模型对未来波动性的预测情况。实证分析结果表明：EGARCH模型比较适合对我国股票市场 波动性作长期预测，若假设收益序列服从t分布，由此改进的EGARCH-T模型会得到比正态分 布下更好的拟合与预测效果。     

灰色预测模型建模方法探讨

作者在本文中用差分格式对灰色ＧＭ（１，１）建模方法作了改进，建立了ＧＭ（１，１，λ模型），文中给出了以误差平方和最小，误差绝对值之和最小、绝对百分误差和最小为目标的优化模型，同时还给出了三者为目标的多目标优化模型，求解λ值，进而对原始序列进行预测。由λ的取值知ＧＭ（１，１，λ）模型的精度一定比普通ＧＭ（１，１）模型高。实例分析效果是显著的，拟合精度非常高。     

光合作用对光响应的直角双曲线修正模型和非直角双曲线模型的对比研究

利用直角双曲线修正模型和非直角双曲线模型拟合了三叶鬼针草、水稻和冬小麦的光响应曲线并进行了对比研究.拟合结果表明:非直角双曲线模型可以很好地拟合植物不出现净光合速率随光强增加而降低的光响应曲线,但得到的最大净光合速率大于实测值.此外,该模型不能很好地拟合植物净光合速率随光强的增加而降低的光响应曲线,且最大净光合速率低于实测值.直角双曲线修正模型则可以拟合植物在不同生境下的光响应曲线,且拟合得到的光合参数与实测值符合,这为研究植物在不同生境下的光合特性提供了一个更有效的工具.     

一个基于背景值和初始条件优化的GM(1,1)模型

背景值和初始条件对GM(1,1)模型的拟合和预测有着极大的影响,通过优化模型的背景值,赋予边值条件为修正形式x (1) (n)+β,利用原始序列新预测值的误差在最小二乘意义下最小准则,从而得到了一个新改进的GM(1,1)优化模型.最后,通过计算实例验证了该优化模型具有极高的预测和模拟精度.