柴油机尾气处理中的湿度检测融合算法

采用温度传感器和湿度传感器双路测量,并将二者输出信号进行数据融合处理.用二维回归分析方法对湿敏和温敏传感器的数据进行了分析,并根据最小二乘法原理确定了二次曲面拟和方程,为利用静电处理柴油机尾气提供更为精确的数据.     

基于动态极值VaR股指分析的中国行业风险研究

应用动态极值VaR模型分析中国行业股票价格指数,对不同市场条件下中国行业风险进行实证研究.在McNeil等提出的GARCH模型与极值理论基础上,运用Huisman等提出的VaR法修正上述风险值估计方法,构建了动态极值VaR模型.在该模型的构建中考虑了风险因子的时变特性,采用EVT方法对风险因子的厚尾特性进行建模,简化了风险值的估计过程,并提高了估计的准确性.动态极值VaR模型能够较好地刻画风险尾部分布特性,同时能够比较准确地度量所研究时间段内的市场风险和行业风险.研究结果表明,不同市场条件下各行业的风险特性具有显著的变化.最后利用Kruskal-Wallis一致性检验对上述结论进行了验证.据此,在资产组合管理过程中,有必要依据市场环境和行业风险特性对资产配置比例进行调整.     

基于自回归各态历经模型参数辨识的模糊双卡尔曼滤波算法的储能电池荷电状态估算

扩展卡尔曼滤波(extended Kalman filter, EKF)算法在电池荷电状态(state of charge, SOC)估算领域广泛应用。但作为一种基于模型的算法,电池模型误差影响SOC估算的精度。为了抑制电流的幅值与阶跃电流因素对模型误差的影响,提出一种动态修正观测噪声协方差的模糊双卡尔曼滤波(fuzzy dual Kalman filter, FDKF)算法。该算法首先将一阶电阻-电容(resistor-capacitance, RC)等效模型转换为自回归各态历经(autoregressive exogenous, ARX)模型的形式,用卡尔曼滤波(Kalman filter, KF)算法更新转换后模型的参数,且在SOC估算的过程中获取电流与电流变化量的数据,并通过建立模糊控制系统调整观测噪声的协方差值来抵消模型误差。结果表明:FDKF算法在某储能工况下估算误差的最大值为0.39%,小于EKF算法的3.92%和双卡尔曼滤波(dual Kalman filter, DKF)算法的1.12%,可见FDKF该算法能够有效地提升SOC估算的精度。     

广义斜正态-正态分布及其基本性质

以特征函数为主要工具,给出了在特征函数中引入参数的一般方法,提出了广义斜正态-正态分布这种分布类并讨论了它的几何封闭性和渐近性等性质,最后讨论了广义斜正态正态分布在自回归模型中的应用.     

融合AR模型和MCMC方法的水文模拟不确定性分析

为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好。分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测。     

多维条件方差偏度峰度建模

为了考察多个市场或多个金融资产之间的高阶矩风险度量问题,有效地捕获收益率时间序列高阶矩动态特征,在考虑当前预期和波动性条件下,推导了高阶中心矩和协矩之间的关系,提出了能够有效解决维数灾祸问题的多维条件高阶矩模型.在多维S_U分布基础上,采用动态条件相关性(DCC)和自回归条件密度技术,通过智能优化算法对条件高阶矩模型的时变参数进行估计.实证研究结果表明,多维条件高阶矩模型较好的拟合了收益率时间序列高阶矩动态特征,与之前的高阶矩模型相比,能够有效解决高阶矩模型的维数灾祸问题,表明该模型能够捕捉到我国多个市场之间高阶矩风险特征,提高多维条件高阶矩模型测度能力.     

远期运费市场与即期运费市场的关系研究

为分析航运市场中远期运费与即期运费的关系,结合多个经济变量,建立向量自回归(VAR)模型,并利用Granger进行模型验证.采用脉冲分析、方差分解分别考察Panamax船的T/C,P2A,P3A三条航线的远期运费协议(FFA)与即期市场的关系.实证分析结果表明:基于VAR的模型是可行的;FFA和经济信息突变对即期市场均具有持续性影响,即期市场对上述变量的反应存在时滞性.     

表面粗糙度在线识别的理论与实践

工件表面粗糙度,反映了加工设备的动态特性。通过观察加工中工件表面粗糙度的变化,可以用作在线识别设备工况的一种手段。根据时间序列分析理论所建立的系统的等价模型,是建立在输出等价原则上的,可以不管输入和输出的因果关系。所建模型能随时间的推移具有某些统计特性,能用于在线识别。对于自回归AR(n)时序模型的建模过程、模型阶次的确定、评定所建模型的适用性及被识别系统工况的特征参数均进行了讨论,试验结果证明,所建模型能快速、准确判别设备工况变化,达到了在线识别的目的。     

相关利率离散时间风险模型的破产分布

在利率具有一阶自回归结构的情况下,进一步研究离散时间风险模型,得到了破产前最大盈余分布,破产前盈余、破产后赤字与破产前最大盈余的联合分布以及首达某一水平x的时间分布的递推公式。     

Forecasting daily foreign exchange rates using genetically optimized neural networks

Forecasting currency exchange rates is an important financial problem that has received much attention especially because of its intrinsic difficulty and practical applications. The statistical distribution of foreign exchange rates and their linear unpredictability are recurrent themes in the literature of international finance. Failure of various structural econometric models and models based on linear time series techniques to deliver superior forecasts to the simplest of all models, the simple random walk model, have prompted researchers to use various non‐linear techniques. A number of non‐linear time series models have been proposed in the recent past for obtaining accurate prediction results, in an attempt to ameliorate the performance of simple random walk models. In this paper, we use a hybrid artificial intelligence method, based on neural network and genetic algorithm for modelling daily foreign exchange rates. A detailed comparison of the proposed method with non‐linear statistical models is also performed. The results indicate superior performance of the proposed method as compared to the traditional non‐linear time series techniques and also fixed‐geometry neural network models. Copyright © 2002 John Wiley & Sons, Ltd.