变点对状态空间模型预测的影响分析

利用变点理论对上证指数进行了分析，得到了全涨全跌股指的变点个数及其所处位置．根据上证指数变点个数的不同，分别对三个不同时段的上证指数建立状态空间模型，通过比较预测结果，得出变点越少的状态空间模型，其预测精度越高的结论．最后在没有变点的情况下比较了ARIMA、自回归与状态空间模型的预测结果，说明了状态空间模型具有更好的预测效果．     

单流体变特性模型的定常局部空泡流数值模拟

采用单流体变特性模型，应用基于有限体积法的压力修正法(SIMPLE方法)对二维MACA0012翼型的定常局部空泡流问题进行了数值模拟．通过强隐式求解方法(SIP方法)求解联立方程组，由计算得到的密度变化确定空泡形状，以验证所用数学模型和数值模拟方法的可行性．该方法避免了势流模型中存在的困难，即空泡脱体点与空泡尾流模型的选取问题．     

一种ARMA过程均值变化点的广义似然比检验

对ARMA过程均值变点检测的广义似然比检验Generalized Likelihood Ratio Test(GLRT)方法进行改进．改进的GLRT(IGLRT)方法考虑到，即使变点后的开始1(2，3，…)个残差均值的实现不符合故障特征，但后面的实现较符合故障特征，也有一定的把握认为变点已发生．模拟比较了GLRT和改进的GLRT的平均运行长度．最后，在已知一定先验分布的情形下，给出了GLRT的贝叶斯方法．     

至多一个变点的Г分布的统计推断

对至多一个变点的Г分布，即X1，…，Xn为一列相互独立的随机变量序列，且X1，…，Xk0 i．i．d～Г(x；ν，λ1)，Xk0 1，…，Xn i．i．d～Г(x；ν2，λ2)，其中k0未知，称k0为该序列的变点．借助Gauss过程理论和滑窗方法，利用第一型极值分布逼近本提出的统计量的分布，给出了检测变点k0的程序和变点的区间估计．最后对中提出的统计量进行模拟并分析．     

函数系数部分线性回归模型的变量选择方法

函数系数部分线性回归模型是变系数模型中的一种特殊情形，文章对这种新的变系数模型的变量选择问题进行了主要研究．首先，运用局部多项式方法得到非参数项的估计，并且使用B样条逼近函数系数，选取SCAD惩罚作为变量选择方法．其次，得到了估计的渐近性质．最后，模拟说明了该估计方法较好地达到了变量选择的目的．     

三种变点问题理论及其应用

本文对于突变点（Abrupt Change-Point），渐进的变点（Gradual Change-Point）和流行的变点（Epidemic Change-Point），分别给出了规范的定义，鉴于突变点问题已经有较多文献给予了讨论，本文重点讨论了后两种变点问题，给出了一些常用分布的变点的检测方法和变点的估计方法．     

泊松序列中变点的贝叶斯分析

利用二分法将含有多个变点的泊松序列进行分割,将泊松序列多变点问题转化为没有变点和仅有一个变点的问题,运用贝叶斯因子进行模型比较.选用上证指数数据,结合贝叶斯因子对存在变点的模型进行了检验.     

带有结构变点的长记忆模型的实证研究

运用改进的Tapered对数周期图方法对带有结构变点的长记忆模型的参数和变点进行估计,对上证指数的波动性进行长记忆检验及变点讨论,研究结果表明,上证指数的波动率序列同时具有显著的长记忆特性以及结构变点。     

关于刻度参数变点的非参数统计推断

对最多只含一个刻度参数变点的模型Ｘ（ｉ／ｎ）＝ｅ（ｉ／ｎ），ｉ＝１，２，…ｎ．ｅ（１／ｎ），…，ｅ（ｎ／ｎ）相互独立，且对ｉ／ｎ＜ｔ０，ｅ（ｉ／ｎ）～Ｆ（ｘ），对ｉ／ｎ≥ｔ０，本文讨论了上述模型中变点ｔ０和刻度参数ｂ的假设检验和区间估计问题．     

Lévy稳定过程均值变点监测在CUSUM和EWMA控制图中的比较

给出了CUSUM和EWMA控制图在Lévy稳定过程均值变点监测的ARL近似估计，采用数字模拟的方法对CUSUM和EWMA控制图监测Lévy稳定过程均值变点的效果进行比较．     

基于现实与虚拟交互的交通流再现实验方法

面向连续与间断交通流实验系统框架,利用现实交通流的观测数据,在实验框架的虚拟环境中建立交通流的非参数模型,通过虚拟框架的贝叶斯学习再现与现实等价的实验交通流.选取更为复杂的信号控制交通流场景对该实验方法进行验证.结果表明,该方法在一定精度内可以近似再现信号控制交通流.     

基于改进特征选择法的光纤网络流量异常监测研究

采用当前方法进行光纤网络流量异常监测过程中,特征选择法无法全面描述流量异常特征监测的不足,存在监测效果较差的问题。为此,提出一种基于改进特征选择法的异常流量监测方法。首先采用分光方式对光纤网络流量进行分析,获取光纤网络流量时间序列,并描述用于流量异常监测的多时间序列之间的相互关系,然后利用改进特征选择法对网络出口流量进行特征提取。利用聚类算法选择网络流量异常最优类数和聚类中心,来对网络流量异常现象进行过滤,从而实现网络异常流量特征抽取、特征选择改进算法和网络流量异常监测的研发,从而提高光纤网络流量异常现象监测的准确度。仿真实验结果证明,通过这种方法,能有效地对网络流量异常现象进行监测,且算法简单,能够满足网络流量异常监测的应用需求,实用价值较高。     

模糊c均值聚类在交通流高峰期确定中的应用

交通流高峰期是交通规划、交通控制中一个非常重要的概念．目前高峰期一般是凭经验人为确定的．文章利用模糊c均值聚类方法对交通流高峰期的确定问题进行研究．首先对模糊c均值聚类算法进行简要介绍，然后利用该算法对某城间高速公路交通流数据进行聚类分析，分别确定了该高速公路正、反向交通流的高峰期．结果表明，该算法聚类结果与经验交通流高峰期基本一致．     

空中交通流时间序列的复杂度分析

空中交通系统是复杂的非线性系统,时间序列是研究空中交通系统的有效措施。为了定量分析空中交通的复杂性,首先阐述Lempel-Ziv算法复杂度及其修正复杂度;然后采集三亚01号、02号、04号扇区连续28 d的实际运行数据,构建了空中交通流时间序列;计算了3个扇区交通流时间序列的算法复杂度,并对相关参数的影响进行了分析。计算结果表明,修正的算法复杂度适用于长度较短的时间序列,可用于量化测度空中交通流复杂性;符号化方法、序列长度、时间尺度等对算法复杂度有较大影响。     

负载自适应的数据流流量测量算法

针对现有的数据流流量测量算法负载适应性不佳的问题,基于计数型布鲁姆过滤器,提出了一种负载自适应的数据流流量测量算法LACBF(load-adaptive counting bloom filter)。采用真实的网络流量数据,对LACBF算法的性能进行了仿真验证,结果表明,LACBF算法能够在网络流量动态变化的情况下获得比现有算法更小的测量误差。     

基于视频分析的车流量统计算法研究

车流量统计作为智能交通系统的关键技术之一,逐渐成为研究的热点。主要研究了基于虚拟线圈的车流量统计算法和基于目标跟踪的车流量统计算法,综合了两种算法的优势,结合Canny算子边缘检测算法、均值背景建模法和背景差分法等技术,提出了一种基于质心的车流量统计综合算法。实验结果表明综合算法在实时性和准确性方面均取得较好的实验结果。     

基于集成学习的交通流短时特性分析与神经网络预测方法

为揭示交通流的内在动态特性,利用分析法对交通流分形特性进行研究,表明该城市交通流序列具有长程相关性;为达到更精准的短期交通预测效果,同时提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索,解决神经网络易陷入局部最优的问题;并用自适应增强算法(adaptive enhancement algorithm,Adaboost)对优化过的神经网络集成,弥补神经网络对新样本集的泛化性能差缺陷,在此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布,使每个预测器最大程度提高网络预测精度.验证结果表明,改进MEC-BP_Adaboost模型与BP模型相比,均方误差和平均绝对误差分别下降78.2％和46.4％,证明本文改进方法对交通流预测具有合理性,对不同的交通流状态具有较好的适应性.     

Identification Method of Urban Road Traffic Conditions in the Internet of Vehicles Environment

In accordance with the specific deployment way of infrastructure and data exchanging technology in the Internet of vehicles(IoV),the acquiring and calculating method for three basic traffic flow parameters in IoV scenarios,including traffic flow,speed and density,was researched.Considering the complexity of traffic flow and fuzziness of human thinking,fuzzy c-means clustering algorithm based on the genetic algorithm(GA-FCM) was adopted in soft classification of urban road traffic conditions.Genetic algorithm(GA) introduced into fuzzy clustering could avoid fuzzy c-means(FCM) algorithm converging to the local infinitesimal point,which made the cluster result more precise.By means of computer simulation,data exchanging environment in IoV was imitated,and then test data set was divided into four parts.The simulation indicates that the identification method is feasible and effective for urban road traffic conditions in IoV scenarios.     

关联交叉口短时交通流可预测性分析及组合预测算法

文中首先根据交叉口交通流参数时间序列的相关性对关联交叉口进行定义,给出关联交叉口短时交通流可预测分析的几个定量指标,以及交通流时间序列最大Lya-punov指数的计算方法;然后提出在短时交通流时间序列的可预测分析基础上,选取一组预测模型并建立基于RBF网络的非线性组合预测模型,提出了关联交叉口短时交通流的组合预测算法;最后对实测短时交通流进行仿真试验,结果表明组合预测方法相对于单项预测方法具有更好的预测性能.     

基于遗传再励和博弈论的多Agent交通控制系统优化和协调

提出一种基于多Agent的交通信号控制方法.通过再励学习对交叉口的交通流进行优化,通过遗传算法产生局部学习过程的全局优化标准来优化信号灯周期和绿信比,最后用博弈论来进行区域协调.这种方法将局部优化和全局优化统一起来.研究结果表明,遗传算法优化结果优于爬山法,新的控制方法优于传统的控制方法.