Google Trends and the forecasting performance of exchange rate models

In this paper, we use Google Trends data for exchange rate forecasting in the context of a broad literature review that ties the exchange rate movements with macroeconomic fundamentals. The sample covers 11 OECD countries’ exchange rates for the period from January 2004 to June 2014. In out‐of‐sample forecasting of monthly returns on exchange rates, our findings indicate that the Google Trends search query data do a better job than the structural models in predicting the true direction of changes in nominal exchange rates. We also observed that Google Trends‐based forecasts are better at picking up the direction of the changes in the monthly nominal exchange rates after the Great Recession era (2008–2009). Based on the Clark and West inference procedure of equal predictive accuracy testing, we found that the relative performance of Google Trends‐based exchange rate predictions against the null of a random walk model is no worse than the purchasing power parity model. On the other hand, although the monetary model fundamentals could beat the random walk null only in one out of 11 currency pairs, with Google Trends predictors we found evidence of better performance for five currency pairs. We believe that these findings necessitate further research in this area to investigate the extravalue one can get from Google search query data.     

改进模型估计与平差的多幅异源影像匹配方法

针对多幅异源影像匹配准确性不高的问题，提出了一种改进模型估计与平差的多幅异源影像匹配方法。首先利用基于快速自适应鲁棒性尺度不变的特征检测子与鲁棒性交叠的标准特征描述子，来增强特征匹配的鲁棒性；然后提出改进的随机抽样一致性算法，来提高模型估计的执行效率，同时保证鲁棒性；最后提出针对多幅异源影像匹配的平差方法，来优化异源匹配结果。实验结果表明，在异源影像存在较大差异的情况下，改进模型估计与平差的多幅异源影像匹配方法具有精度高的优势。      

爆燃压裂技术对水泥试样致裂实验研究

为模拟爆燃压裂技术的破岩效果和裂缝形态，进行了水泥试样致裂实验。制作了含有模拟射孔孔眼的ϕ244.5 mm套管，外维为ϕ1 600 mm×1 000 mm的水泥试样9组，并采用现场常用的航天复合推进剂和军工双基药进行实验。在实验基础上，与层内爆炸技术和重复强电冲击波技术进行储层致裂机理对比分析。研究表明，爆燃压裂技术对9组水泥试样具有100%致裂效果，裂缝条数在2~4条，裂缝缝宽在厘米级，且水泥试样的顶部缝宽要大于中部。随着火药用量减少，井筒内峰值压力减小，岩石裂缝条数减少，裂缝宽度减小。其造缝机理和形态有别于使用炸药的层内爆炸技术和使用脉冲功率负载及含能材料的可重复强电冲击波技术。     

中子活化分析中煤样厚度及探测器位置的选择

利用MCNP5程序包模拟14MeV脉冲中子照射一定厚度煤样,并通过时间控制获得非弹γ能谱和俘获γ能谱,再利用计数率的高低确定γ能谱的获取位置.结果表明:当煤样厚度为20cm时,非弹γ能谱的计数率达到饱和;当煤样厚度为35cm时,俘获γ能谱的计数率达到饱和.     

叙述性偏好法实验的有效样本量模型框架

叙述性偏好法(SP)是一种通过实验设计研究人们偏好的方法,通常结合离散选择模型估计参数.针对SP实验设计缺乏足以得到准确参数估计的有效样本量的问题,提出一个易于操作、更加全面的SP实验有效样本量估计方法框架,实现通过一个线性模型来估计实验所需的有效样本量.应用该框架开展实证研究,发现要素的数量、要素水平的数量、参数的尺度、样本量以及实验设计策略都对参数的准确性产生显著的影响,得到3种设计策略下的有效样本量估计模型.以此为基础,提出SP实验设计的实践原则.     

基于稀疏恢复的 MIMO-STAP干扰样本检测方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在训练样本存在有源干扰时杂波抑制性能严重下降的问题,提出了一种干扰样本检测方法。首先使用正则化FOCUSS算法估计出各原子的空时功率谱值,接着设置谱值门限将谱值较大的原子取出,然后确定扫描带对空时二维平面进行扫描,最后根据进入扫描带最大原子数占总原子数的比例判别训练样本是否存在干扰。仿真实验表明,该方法可有效检测出训练样本中的干扰,使用该方法挑选出的无干扰训练样本恢复杂波谱可保证空时滤波器的杂波抑制性能,提升稀疏算法求解杂波谱时涉及到的样本的可靠性。     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

数字动画在药用植物园数字化建设中的应用研究

近年来虚拟现实技术得到充分发展与应用,其中数字动画技术被广泛应用。药用植物园数字化过程中需要展示大量的中药材及中药植物的视觉信息,通过对药用植物园视觉元素的分析、分类和加工处理,选取部分植物采用现代手绘技术进行手绘并制成数字动画来表现,挖掘数字动画的视觉优势,在实际应用中研究数字动画在视觉元素表达上的应用价值。