基于时变模型平均方法的我国航空客运量预测

机场扩建、政策导向、经济发展等外在因素的变化常常导致航空客运量数据发生结构性改变,其模型的设定也在很大程度上存在不确定性,因此,精准而稳定地预测航空客运量变得十分困难.为了解决以上问题,本文采用了一种时变模型平均方法(TVJMA)(Sun等,2020,2012)对全国Top 5机场的客运量进行了预测研究,该方法在模型平均时基于最小化局部Jackknife准则给出了最优的权重选择,并通过非参数估计,实现了最优权重随时间变化.实证结果表明,本文所采用的TVJMA方法显著优于其它基准模型,包括Hansen和Racine (2012)的Jackknife模型平均(JMA)以及自回归模型(AR),单整自回归移动平均模型(ARIMA),季节性单整自回归移动平均模型(SARIMA)和时变参数模型(TVP)等传统方法.进一步,对不同的预测步长,TVJMA在航空客运量的预测效果同样具有稳健性.因此,TVJMA方法可以有效地降低由于航空客运量的结构性变化和预测模型不确定性等导致的预测风险,进而做出精准而稳定的客运量预测.     

我国航空客运量需求预测模型:基于随机前沿预测模型和模型平均

针对多数研究以产品或服务的历史消费量来代替不可观测的需求量而导致的需求预测出现实质性偏差的问题，本文将包含技术无效率项的随机前沿预测模型应用于航空客运量需求的预测，从而有效解决实质性偏差的问题.同时我们在此基础上引入一种模型平均权重确定方法，即通过最小化M折交叉验证准则（CV_M）确定候选模型权重.本文证明了该方法在理论上的最优性.由于模型中技术无效项的存在，我们可以同时预测航空客运量的实际产生量和需求量，实证研究也表明，相比其他常用的预测方法，该方法在预测航空客运量中长期的实际产生量上更具优势.     

基于相容性准则的群组决策专家赋权最优模型

在群组决策中,针对专家给出的正互反判断矩阵提出一种专家赋权最优模型。在判断矩阵满足完全一致性的条件下,探讨了加权几何平均组合判断矩阵与加权几何平均组合向量所构成的特征矩阵的相容性。同时在相容性概念基础上,建立了基于相容性准则下的专家赋权方法的最优化模型,研究了模型的求解方法。最后进行了实例分析,结果表明提出的模型是合理可行的。     

热线式空气质量流量传感器Hammerstein模型结构辨识

利用稳态和动态校准信息,辨识了基于Hammerstein模型的热线式空气质量流量(MAF)传感器模型结构.模型辨识采用两步法,在用多项式逼近静态非线性特性的基础上,动态线性环节分别选取ARX模型、输出误差(OE)模型和Box-Jenkins(BJ)模型,采用交叉准则法进行参数估计和阶次选择,模型的残差分析和用验证数据对模型交叉检验的结果表明,最终输出误差(FOE)准则和最终预报误差(FPE)准则选择的阶次一致,基于预测误差法的3阶OE和BJ模型均可用于热线式MAF传感器Hammerstein模型动态线性环节的建模.     

On Basis and Pure Nash Equilibrium of Finite Pure Harmonic Games

This paper investigates the basis and pure Nash equilibrium of finite pure harmonic games (FPHGs) based on the vector space structure. First, a new criterion is proposed for the construction of pure harmonic subspace, based on which, a more concise basis is constructed for the pure harmonic subspace. Second, based on the new basis of FPHGs and auxiliary harmonic vector, a more easily verifiable criterion is presented for the existence of pure Nash equilibrium in basis FPHGs. Third, by constructing a pure Nash equilibrium cubic matrix, the verification of pure Nash equilibrium in three-player FPHGs is given.

     

研发项目中“团队-产品-功能”多领域集成与组织聚类研究

研发项目是由产品、功能、组织和流程等多个领域中元素之间相互联系构成的复杂网络.为了便于同时分析三个领域元素之间存在的相互依赖关系,本文引入扩展的域映射矩阵EDMM分析"团队-产品-功能"之间的依赖关系,进一步,通过"扩展的多领域矩阵"(EMDM),即"团队-产品-功能"EMDM,本文构建了由部件设计结构矩阵(DSM)、功能DSM和EDMM推导组织DSM的模型.然后,为优化组织架构以降低管理的复杂性,构建了改进的两阶段组织DSM聚类准则,提出了最大化"增加的类内外依赖强度比"AIDER和最小化项目的总协调成本的聚类准则,以平衡类内和类外元素对聚类的影响.最后,通过案例,将本文提出的AIDER聚类准则与传统的聚类准则进行了比较,聚类结果表明本方法可明显降低总协调成本.     

无偏GM(1,1)幂模型初始条件的优化

针对无偏GM(1,1)幂模型初始条件的优化问题,分别考虑模型结构参数已知和未知的情形下的优化方法。在结构参数已知的情形下,构建优化模型使得原始序列的一阶累加生成序列与其模拟值的误差平方和在理论上达到最小,并给出了最优初始条件的解析解;在结构参数未知的情形下,将最优初始条件视为待定变量,建立基于预测误差最小化准则的非线性优化模型,并通过Matlab求解优化的初始条件和结构参数。结果表明,提出的优化方法能够显著地提高无偏GM(1,1)幂模型的预测精度。     

基于HPOWA算子的舰艇编队协同防空作战效能评估方法

为减少主观因素对舰艇编队协同防空作战效能评估的影响,适应评估属性往往具有优先关系及属性信息变化迅速造成属性权重不符的实际情况,基于有序加权平均（ordered weighted averaging, OWA）算子和具有优先级的有序加权平均（prioritized OWA, POWA）算子建立混合优先有序加权平均（hybrid prioritized OWA, HPOWA）算子,解决了属性客观性和属性优先关系问题;基于广义混合算子及HPOWA算子建立编队协同防空作战效能评估变权模型,解决了属性信息变化迅速带来的权重变化问题;通过对不同算例的比较分析验证了模型的有效性、合理性和先进性。     

二阶非齐次序列的直接离散模型及灰色预测应用

本文不要白化微分方程和一次累加序列参与建模，提出了二阶非齐次序列的直接离散模型，研究了此模型的模拟预测公式及其性质.经实例验证该模型有可操作性，且有较高的模拟预测精度，同时由该模型递推形式的模拟预测公式出发，采用降阶（二阶降为一阶），化齐次（非齐次转化为齐次）等方法推导出了通项形式的模拟预测公式.该公式直观展示了适用本模型的序列基本形式：指数型序列、线性型序列、抛物线型序列、三次曲线型序列四类基本序列及两个不同底数的指数序列与线性序列三者的和差组合、一个指数序列与抛物线型序列的和差组合、一个指数序列与线性型序列的和差组合、线性型序列与指数型序列的乘积组合序列再与另一线性型序列的和差组合四类组合序列.从理论上证明了当序列严格遵循这些基本形式时，本模型能实现完全模拟，从而近似遵循这些基本形式时，必然有较高的模拟预测精度.     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm opti-mization,PSO)算法实现对SVM惩罚参数和核参数...     

A Constrained Interval-Valued Linear Regression Model: A New Heteroscedasticity Estimation Method

Linear regression models for interval-valued data have been widely studied. Most literatures are to split an interval into two real numbers, i.e., the left- and right-endpoints or the center and radius of this interval, and fit two separate real-valued or two dimension linear regression models. This paper is focused on the bias-corrected and heteroscedasticity-adjusted modeling by imposing order constraint to the endpoints of the response interval and weighted linear least squares with estimated covariance matrix, based on a generalized linear model for interval-valued data. A three step estimation method is proposed. Theoretical conclusions and numerical evaluations show that the proposed estimator has higher efficiency than previous estimators.

     

Fuzzy EPQ inventory models with backorder

This paper considers the economic production quantity (EPQ) problem with backorder in which the setup cost, the holding cost and the backorder cost are characterized as fuzzy variables, respectively. Following expected value criterion and chance constrained criterion, a fuzzy expected value model (EVM) and a chance constrained programming (CCP) model are constructed. Then fuzzy simulations are employed to estimate the expected value of fuzzy variable and α-level minimal average cost. In order to solve the CCP model, a particle swarm optimization (PSO) algorithm based on the fuzzy simulation is designed. Finally, the effectiveness of PSO algorithm based on the fuzzy simulation is illustrated by a numerical example. This research is supported by the National Natural Science Foundation of China under Grant No. 70471049.     

一类离散灰色预测模型的统一处理方法及应用

在加权最小二乘框架下构建了离散灰色预测模型DGMP(1,1,N),论证了最小均方误差准则、最小均方相对误差准则和最小平均绝对百分误差准则下的DGM(1,1)模型、NDGM(1,1)模型和NGM(1,1,k~α)模型均是DGMP(1,1,N)模型的特殊形式,给出了模型阶数N取值的判定准则,证明了模型的仿射变换不变性和无偏性.将DGMP(1,1,N)模型运用到人均能源生活消费量预测中,结果表明该模型具有高拟合和预测精度,验证了模型的可行性与有效性.     

Frequentist model averaging estimation: a review

In applications, the traditional estimation procedure generally begins with model selection. Once a specific model is selected, subsequent estimation is conducted under the selected model without consideration of the uncertainty from the selection process. This often leads to the underreporting of variability and too optimistic confidence sets. Model averaging estimation is an alternative to this procedure, which incorporates model uncertainty into the estimation process. In recent years, there has been a rising interest in model averaging from the frequentist perspective, and some important progresses have been made. In this paper, the theory and methods on frequentist model averaging estimation are surveyed. Some future research topics are also discussed.     

基于核和灰度的灰色马尔可夫预测模型及应用

在处理预测问题时,常有原始数据为区间数组成的随机波动性较大的区间数列的状况。为进一步提高区间灰数预测精度,提出基于核和灰度的灰色马尔可夫预测模型。该方法以区间灰数核序列为依托建立预测模型,实现区间灰数核的预测;又根据“灰度不减公理”,由灰数核为中心延伸得出区间灰数的上下界;在保持区间灰数独立完整的前提下,构建了区间灰数预测模型,在此基础上用马尔可夫预测模型修正预测结果。该模型在航空货运量的趋势预测中显示马式链修正结果较区间灰数预测数据呈低估状态。结果有助于加强市场参与者对航空货运市场的宏观认识,并为经济决策行为提供参考。     

Articulated Estimator Random Field and Geometrical Approach Applied in System Identification

A new point of view of robust statistics based on a geometrical approach is tackled in this paper. Estimation procedures are carried out from a new robust cost function based on a chaining of elementary convex norms. This chain is randomly articulated in order to treat more efficiently natural outliers in data-set. Estimated parameters are considered as random fields and each of them, named articulated estimator random field (AERF) is a manifold or stratum of a stratified space with Riemannian geometry properties. From a high level excursion set, a probability distribution model M^sta is presented and a system model validation geometric criterion (SYMOVAGEC) for system model structures M^sys based on Riccian scalar curvatures is proposed. Numerical results are drawn in a context of system identification.     

一种动态综合评价方法及应用

将有序加权算子(OWA)及其相关算子推广到时序数据集结的方法中,提出了时序加权平均(TOWA)算子和时序几何平均(TOWGA)算子两种新的算子,并应用于动态综合评价方法中.同时介绍了TOWA和TOWGA算子加权向量(即时间权向量)的确定方法.最后,将该方法用于评价西部12省市在国家实施"西部大开发"战略后6年的宏观经济发展状况,结论验证了方法的有效性.     

基于增强高阶非凸全变分模型的图像去噪算法

为了在缓解阶梯效应的同时更好地保留去噪后图像的细节信息,提出一种基于增强高阶非凸全变分(higher order non-convex total variation, HONTV)模型的图像去噪算法。该算法将每一次去噪后的图像和原始图像取平均作为增强HONTV模型下一次循环的输入并更新参数,然后采用增广拉格朗日乘子法和交替方向乘子法进行循环求解,经过多次迭代,最终得到的去噪图像包含较多的细节信息。在基于全变分的图像去噪方法中,对添加不同标准差大小的高斯白噪声的测试图像和视频进行实验。实验结果表明,所提算法在视觉性能和客观评价指标方面均优于对比算法。     

基于联合局域相关向量机的雷达导引头状态预测方法

针对雷达导引头机电结构组成复杂、性能指标测试数据信息利用率不足、使用传统基于数据驱动的状态预测方法精度不高的问题,借鉴相关向量机(relevance vector machine,RVM)和Dempster-Shafer (D-S)证据理论,提出了一种基于证据融合和改进局域RVM的状态预测方法。首先,对标准RVM回归模型进行改进,通过构建方差高斯核函数(variance Gauss kernel function, VGKF)来提高核函数的全局性能和泛化能力;然后通过借鉴混沌序列局域预测法中邻近点个数的选取方法,利用Hannan-Quinn (H-Q)准则对训练空间预测嵌入维数进行优化,避免了主观选取的盲目性,完成了改进局域相关向量机模型(local relevance vector machine, LRVM)的构建;最后,利用具有近似退化规律的同源装备测试数据对LRVM进行了改进,通过D-S证据理论对两种模型的预测结果进行了融合,建立了联合局域相关向量机(united local relevance vector machine, U-LRVM)模型。通过对导引头相关参数的实例预测,验证了该方法的可行性和优越性。     

基于振幅压缩的随机振荡序列预测模型

以提高灰色系统预测模型对随机振荡序列的预测精度为目的, 提出了一种通过平滑性算子压缩随机振荡序列振幅, 提高序列光滑度的算法, 并在此基础上推导及建立随机振荡序列的灰色预测模型; 将该模型应用于多组随机振荡序列的模拟, 并与其他模型的模拟精度进行了比较, 结果表明, 新模型能显著提高随机振荡序列的模拟精度.