一般增长曲线模型中的简单投影预测

考虑一般增长曲线模型(Y=XBZ ε(其中,E(Vec(ε))=0,V(Vec(ε))=σ2Δ■Σ),该模型的预测问题就是利用已观察值矩阵Y预测未观察值矩阵Y0=X0BZ0 ε0.本文研究了预测的最优性,对任一线性可预测变量θ=KY0L,它的简单预测被定义为θ^SPP=KX0(X′T-X)-X′T-YZ Z0L(其中T=Σ XX′);得到了θ^SPP为θ的最优线性无偏预测的充要条件,并研究了θ^SPP关于协方差阵的稳健性,从而将这方面的结果推广到一般增长曲线模型.     

任意秩多元线性模型中的简单投影预测

考虑任意秩多元线性模型Y＝XB+ε(其中,E(Vec(ε))＝0,V(Vec(ε))＝σ2ΔΣ),该模型的预测问题就是利用已观察值矩阵Y预测未观察值矩阵Y0＝X0B+ε0.H.Bolfarine等强调预测必须有简洁而直观的形式,最简洁、直观的预测是简单投影预测(SPP);对于超总体模型,H. Bolfarine等得到了简单投影预测为最优预测的充要条件.作者研究了预测的最优性,对任一线性可预测变量θ＝KY0L,它的简单投影预测被定义为SPP＝KX0(X′T-X)-X′T-YL(其中,T＝Σ+XX′);得到了SPP为θ的最优线性无偏预测的充要条件,并研究了SPP关于协方差矩阵的稳健性,从而推广了H.Bolfarine等的有关结果.     

多元线性回归模型参数的BC估计

考虑多元线性回归模型Y=XB+ε,其中E(Vec(ε))=0,Cov(Vec(ε))=V In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计.为此,提出了一种有偏估计———BC估计.在均误差意义下,参数的BC估计优于它的LS估计,并证明了参数的BC估计是可容许线性估计.     

回归系数的一种有偏估计

在线性回归模型Y=Xβ ε;E(ε)=0;Cov(ε)=σ2V,V＞0下,给出了一种新的有偏估计(β)(F(K))=(X′V-1X TF(K)T′)-1X′V-1Y,讨论了这种有偏估计的优良性,推广了已有的相关结果.     

生长曲线模型综合岭估计的推广

文章将生长曲线模型Y=X1BX2+ε,E(ε)=0,Co v(ε)■=Co v(Ve c(ε))=Iqσ2In在设计阵X1(或X2)呈病态时的综合岭估计推广到协方差矩阵为正定和半正定生长曲线模型,得到了相应的综合岭估计,并给出了其优良性等性质。     

关于参数矩阵的线性经验Bayes估计

设X为p×q随机矩阵,θ为p×q参数矩阵,且θ有先验分布G(Vec(θ)),给定θ,X有条件密度f(Vec(X)｜Vec(θ)).选取矩阵损失L(D(X),θ)=(D(X)-θ)′(D(X)-θ),并在风险矩阵的迹的大小比较标准下讨论θ的线性经验tr Bayes估计及其渐近性质.获得经验tr Bayes估计D tr(X)= X+U(X- X),及具有o(N-1δ-2N)的渐近收敛速度.     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

非线性边界条件下的二次奇摄动问题

通过引入不同量级的伸长变量,对形如"εy″=f(x,y,ε)(y′)2+g(x,y,ε),x∈(0,1),其中ε为正的小参数,p(y(0),y′(0))=0,q=(y(1),y′(1))=0"的非线性边界条件下的二次奇摄动问题,构造了形式上的任意阶渐近解,并利用微分不等式证明了解的一致有效性。     

岭估计在数据变换下的影响评价

本文考虑线性回归模型Y=Xβ ε，ε～(0，σ^2f)中数据变换Z=A′Y对岭估计的影响，证明了该影响可以通过一个用最小二乘法解决的回归问题进行分析，从而得到了岭估计不受变换影响的充要条件。     

带约束的随机效应线性模型中的回归系数和参数的可容许性估计

考虑了如下的参数受不完全椭球约束的随机效应线性模型 :Y =Xβ +ε,E βε =Aα0 ,　Covβε =σ2 V11　V12V2 1　V2 2,其中参数受如下不完全椭球约束α′A′Χ′NXAα≤σ2 在二次损失函数和矩阵损失函数下 ,分别给出了随机回归系数和参数在齐 (非齐 )次线性估计类中的可容许性估计的充分必要条件。     

火下开采工作面风窗自动监测与调节系统的研究

本文介绍了适用于火下回采工作面的调节窗自动监测与调节系统工作原理、硬件结构和软件流程;建立了被控对象的数学模型,提出了系统的自适应预估控制方案,并通过数字仿真方法进行了研究.     

一种具有大纯滞后系统的自适应Smith控制方法

运用李雅普诺夫稳定性原理,设计了自适应预估器,提出了一种大滞后系统的自适应Smith预估控制方法。它有效的克服了Smith预估控制方法对被控对象数学模型要求精确的主要弱点,能够应用于一些参数易变且变动较大的工业对象,特别是对大纯滞后且滞后时间变动大的工业对象能获得很好的效果。数字仿真结果令人满意。     

基于模糊控制的Smith预估器的改进研究

针对于燥系统具有不确定特性、大滞后的特点,提出了一种将模糊PID与模糊Smith预估器相结合的控制策略,实现了PID参数和Smith预估器滤波时间常数的在线整定,获得了比模糊PID控制、模糊Smith预估器控制更好的控制效果。仿真结果也证明了这一点．     

一种不完全微分PID的多环Smith预估控制

提出一种不完全微分PID控制器组态,代替理想的PID控制器进行控制.对于系统外扰的影响,采用一种多环Smith预估器系统,利用MATLAB进行仿真.结果表明,该控制系统具有良好的抗外扰性能,可改善系统的调节品质.     

一种预测判断蛋白质与DNA相互作用位点的新方法

蛋白质-DNA相互作用位点在各类生理生化反应中扮演重要角色.本论文旨在构建一种可以准确预测“相互作用位点”的方法：PdDNA，其内容主要包括支持向量机和序列匹配器.支持向量机通过提取相互作用位点中心残基的特征进行训练并分类，序列匹配器则通过蛋白质特征矩阵（PSSM）对氨基酸序列进行相关性评估，对二者结果进行归一化整合，得到最终的预测结果.利用公开数据集PDNA_62，我们的PdDNA预测准确率为86.87%.为进一步验证PdDNA可靠性，我们还自建了PDNA_224数据集，其预测准确率为83.07%，处于较高水平.因此PdDNA是一种有效的“蛋白质-DNA相互作用位点”预测方法.     

Stein损失下的统计预测问题

在统计决策理论框架内考虑了Stein损失下的统计预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的最优同变预测量进行了改进,构造了一族改进预测量,从而解决了Stein损失下最优同变预测量的改进问题,并给出了相应的例子.     

序限制下的同变预测

在统计决策理论框架内讨论了非对称损失下未知随机变 量的点预测问题, 将估计理论中改进同变估计量方法引入到统计预测问题. 通过利用分布函 数中未知参数之间的序限制, 对无序限制下的最优同变预测量进行了改进, 在一定条件下, 构造出一族改进预测量, 从而解决了常用同变预测量的改进问题. 通过举例给出了具体问题 的改进预测量.     

有限制位置参数下单收缩预测量的改进

考虑有限制位置参数下随机变量的统计预测问题. 利用可得到的相关数据及参数间的两种不同序限制, 对随机变量的单收缩预测量进行改进, 得到了不同序限制下的改进预测量族, 并探讨了改进预测量族之间的关系.     

无偏预测理论在经验贝叶斯分析中的应用

从预测理论角度考虑了参数的经验贝叶斯估计问题。对正态总体下的估计问题进行了详细的讨论。证明了所给出的经验贝叶斯估计量是最优或条件最优无偏预测量。