回归模型参数估计的预选条件法及其应用

对于一个线性模型和八个可线性化的非线性模型,依据分析回归模型建立的预选条件的过程,获得了在预选条件满足时模型参数的预选条件法估计公式.     

基于自相关的自回归模型的区间估计

当自回归模型的随机误差项之间存在相关关系时,用普通最小二乘估计自回归模型中的参数将对参数估计式的统计特征、参数显著性检验及预测分析产生不利影响.因此,应采取适当的方法消除自相关的影响.研究了自回归模型消除自相关后的预测区间估计,针对常见的自回归模型,分别求出其相应的预测区间估计公式.     

平稳自相关过程的残差累积和控制图

常规控制图的使用都是基于过程中得到的观测值是彼此独立的,但实际中过程出现自相关现象极为普遍。为了讨论对平稳自相关过程中出现的较小均值波动进行监控的一种方法,采用经典的自回归模型对平稳的自相关过程进行拟合,通过计算残差的方法消除过程中的自相关性,在此基础上建立了残差CUSUM控制图,并通过一个简单的例子进行说明。     

关于自回归预测方法的注记

已知时间序列资料,建立自回归模型进行预测时,为了提高预测的准确性,采取的途径之一是固定自回归模型为线性模型,对数据列进行变换,提高数据列的光滑程度.证明了利用反双曲正弦函数变换能提高数据列的光滑程度,给出了改善的自回归预测方法,并且举例加以论证。     

韶关市PM_(2.5)影响因素分析和预测研究

随着人们生活水平的不断提高,环境问题已成为备受关注的热点话题,其中最为突出的就是PM_(2.5)造成的雾霾天气.因此对环境中PM_(2.5)产生的影响因素进行分析和浓度的预测研究显得非常必要.从韶关市环境气象官方网站和天气网收集了2014-10-01至2015-05-31的相关数据,并对原始数据进行相关性分析、主成分分析和独立成分分析,建立多元回归模型,研究分析了PM_(2.5)与其他影响因素之间的关系.结合时间序列改进简单的回归模型,得到向量自回归平均模型.经过比较检验,认为向量自回归平均模型是最为理想的预测模型.     

基于自回归模型的基坑周边建筑物沉降预测分析

为了确保基坑周边建筑物的安全,建立自回归模型研究周边建筑物沉降的趋势并及时预测。首先采用统计方法分析沉降监测基准的稳定性,然后根据某监测点16期观测数据,建立自回归模型AR(P),最后使用4期的预测数据与实测数据进行比较:预测值和实测值之间的最大差值不超过0.6mm。表明该模型有良好的预测结果,可应用于预测该基坑周边建筑物的沉降。     

面向多媒体取证的电网频率建模

电网频率建模旨在对其随机波动特性建立数学模型,形成特征描述、统计分析以及轨迹预测能力,是基于电网频率判据的数字取证中一项重要的研究子课题。该文首先揭示了现有自回归模型的不足,并基于该模型对实际观测得到的电网频率参考信号数据集进行统计分析,分别用差分整合移动平均自回归（autoregressive integrated moving average,ARIMA）模型和两种基于马尔科夫链的模型进行建模,进而求解模型各项参数。对比实验表明：ARMA(2,4)模型在理论上对华中电网频率具备最优的描述性能,而马尔科夫链模型因考虑到实际场景下频率分辨率的局限性,更适用于模拟从待测文件中提取的电网频率。     

面向多媒体取证的电网频率建模

电网频率建模旨在对其随机波动特性建立数学模型，形成特征描述、统计分析以及轨迹预测能力，是基于电网频率判据的数字取证中一项重要的研究子课题。该文首先揭示了现有自回归模型的不足，并基于该模型对实际观测得到的电网频率参考信号数据集进行统计分析，分别用差分整合移动平均自回归（autoregressive integrated moving average,ARIMA）模型和两种基于马尔科夫链的模型进行建模，进而求解模型各项参数。对比实验表明： ARMA (2,4)模型在理论上对华中电网频率具备最优的描述性能，而马尔科夫链模型因考虑到实际场景下频率分辨率的局限性，更适用于模拟从待测文件中提取的电网频率。     

多目标水资源规划与仿真

针对我国人多水少、水资源时空分布不均、污染严重和水生态恶化等问题,结合水资源开发利用控制、用水效率控制和水功能区限制纳污以及万元工业增加值用水量呈现下降趋势,建立了多目标规划模型和自回归分析模型.以北京市和新疆维吾尔自治区为例进行数值仿真,通过Lingo软件对目标函数进行最优分析.结果表明,多目标规划模型和自回归分析模型能够合理地规划工业用水量和农业用水量,具有贴合实际,可行性高,适用范围广等优点,亦可应用于其它资源的分配.     

二阶部分线性自回归模型的稳健估计

本文将稳健估计程序思想运用到二阶部分线性自回归模型中,得到了未知参数β和非参数函数g(·)的稳健估计.在一定的条件下,证明了未知参数和非参数函数估计的相合性.并通过时间序列的数据模拟验证相合性结果.     

认知网络中主用户接收机通信区域建模及分析

在现有认知无线网络模型综合分析的基础上,针对以主用户发射机为中心进行干扰区域建模的不足,提出一种基于主用户接收机为中心的认知网络模型.基于该模型,采用信息论的观点,在主用户最低吞吐量和主用户通信中断概率的限制条件下,分析得出了主用户通信半径、认知用户密度及主用户吞吐量的相互量化制约关系.数值分析结果验证了该模型在认知用户对主用户接收机干扰过程中的合理性和有效性.     

判决反馈平均的UWB自相关接收机

利用已判决符号和它们相应的接收信号构造解调用的模板信号,给出一种基于判决反馈平均的UWB自相关接收机结构,分析该接收机在可分辨多径信道中的理论误码率性能,给出误码率较低时的性能上界. 仿真结果表明,判决反馈平均自相关接收机的性能明显优于传统发送参考、差分发送参考和平均发送参考自相关接收机,且判决反馈平均自相关接收机可以通过增加反馈符号数来改善其性能.     

中国电力消费多尺度时空格局分析——基于DMSP-OLS夜间灯光数据

对美国国防气象卫星计划(defense meteorological satellite program,DMSP)上的操作线性扫描系统(operational linescan system,OLS)所获取的夜间灯光数据进行校正,结合省级电力消费量构建2000-2013年省级尺度电力消费模拟模型.模型的拟合优度为0....     

汽油中烷烃自相关拓扑指数与辛烷值的相关性(英文)

采用4种自相关拓扑指数和多元线性回归方法对29种烷烃的分子拓扑结构和辛烷值的关系进行了详细研究.其中用F(t)=∑n0i.5n0j.5方程计算得到的本征函数值优于其他3种方法,方程中的n表示与节点碳原子连接的碳原子数目或氢原子数目.忽略拓扑指数的高阶项即F(5)和F(6)项时,拟合方程的相关系数变化不大,自相关拓扑指数能够恰当地反映这些烷烃的分支程度和分子大小.在C节点—C连接和C节点—H连接两种方式中,相关系数对于马达法辛烷值(MON)和研究法辛烷值(RON)分别是0.980 2、0.983 1和0.992 0、0.989 3.当同时结合C节点—C连接和C节点—H连接的自相关拓扑指数时,拟合结果进一步改进,相关系数和平均误差分别为0.991 2、2.4(MON)和0.994 4、2.3(RON).     

大学教师有效教学的条件

从教师角度出发,在分析大学教学特点的基础上,简略论述了大学教师有效教学的四个条件,即大学教师的学术水平是有效教学的首要条件;大学教师的教学能力是有效教学的必要条件;教学与科研相结合是有效教学的重要条件;教师享有学术自由权是有效教学的制度性保障.     

PB-GARCH模型在中国股市收益波动率研究中的应用

股票市场的波动率一直是金融学研究的热点问题,由于受到宏观经济运行状况、行业自身发展状况以及投资者心理变化情况的影响,股票价格的收益率呈现出复杂的非线性波动,收益的方差是自相关的,表现出分形和混沌的特征.随着股票市场研究的逐步深入,人们发展了以ARCH族模型和随机波动模型(SV)为代表的波动预测模型.但是,目前这些预测模型大多仅从股价自身的运行规律进行研究,很少考虑投资者的心理因素对股价运行规律的影响.本文结合行为金融的前景理论、GARCH模型,以及神经网络等理论,建立基于投资者心理变化的波动率模型,对该模型的估计方法进行了探讨,并以我国上证综合指数(HSEC)和深证成份指数(ZSEC)为例进行了实证分析.     

量子扩散及多分形电子能谱

主要介绍了我们在量子扩散及多分形电子能谱研究中取得的一些进展．通过对自关联函数Ｃ（ｔ）和均方位移ｄ（ｔ）的分析，讨论了准周期体系中的量子扩散特征，分析了量子扩散与能谱分形维数之间的联系．     

学生学习的数学模型

本文提出建模的理想化条件及在此条件下根据阶跃响应法建立起学生学习的数学模型。     

认知网络中的容量最优机会干扰对齐接入

在传统认知网络中,认知用户只能接入主要用户的空闲频带,而不能同时与主要用户共享带宽. 为了更有效地利用频谱资源,提出一种容量最优机会干扰对齐接入算法. 在保证主要用户信道容量的基础上,认知用户与主要用户可以占用相同的频带同时接入网络,且认知用户对主要用户的干扰为零. 所提出的算法由混合网络基站估计信道状态信息,并计算主要用户的信道容量和系统总信道容量. 根据容量最优的准则确定预编码向量及解码向量. 当主要用户的信道容量与未接入认知用户相比几乎不下降,且总信道容量大于未接入认知用户的总容量时,认知用户以容量最优机会干扰对齐的方式接入网络. 仿真结果表明：在相同信道状态条件下,所提出的算法较现有算法具有更优的信道容量并可提高认知网络频带利用率.     

基于EEMD和ARIMA模型的汽轮机故障趋势预测

由于汽轮发电机转子振动状态监测数据具有非线性和非平稳性,采用普通时间序列预测模型时预测的精度较低。研究通过分析振动信号的频率成分,融合EEMD分解平稳化处理和ARIMA预测模型的思想,建立一种混合预测模型。结果表明:该方法能够适应振动状态监测数据特征,反映了振动状态的主要变化趋势,具有较高的预测精度以及更大的应用范围,其预测趋势对进一步进行振动状态分析具有一定的参考价值。