遗传算法在油田产量预报中的应用

油田开发方案设计中,产重预报正确与否与油田开发成败息息相关,它决定了油田生产规模,投资决策等。正确预测油田产量对改善开发生产效果和提高措施作业效益有重要作用,油田产量预报方法很多,如递减曲线法、神经网络法、Poisson分布法等。各种油气田产量预报模型的应用关键在于参数估计,常规参数估计方法为试凑法和最小二乘法,工作量大,可靠性差,所以引入了一种新型遗传算法求取参数最优估计值,并通过遗传算法在Г模型中的应用实例说明了该方法在油气产量预报中的可行性。     

基于AR模型的多步自校正预报器及其应用

提出了基于AR模型的多步自校正预报器；简述了AR模型与ARMA模型的关系，避免了白噪声序列项麻烦，使得建模和参数估计的计算量大为减少；应用实例表明该方法的有效性．     

动态非线性模型参数多层递阶估计法

针对目前通用的动态系统状态预报方法的不足,提出关于动态非线性模型参数估计的多层递阶估计法,并对预报误差的原因进行分析,使预报精度得到提高。     

简单线性回归模型的分离参数估计方法

最小二乘法的参数估计方法虽然体现了拟合结果的整体优化特征，却没有体现出各参数估计量的自身统计特征，对此本文给出一种新的参数估计方法，同最小二乘法相比，该方法得到的参数估计值受统计数据的影响最小，文中还讨论了参数估计值自身具有的线性和无偏性。     

贝叶斯模型平均及其在北京降雨预报中的一个应用

贝叶斯模型平均(Bayesian Model Averaging:BMA)是动态建模中融合集合预报信息的一种重要统计后处理方法.本文首先系统论述了BMA的建模分析过程,包括模型架构、参数估计方法、训练期的选择准则以及典型预报分布的抽样原理.然后,结合北京市2011年5—8月份逐日累积降雨量实例,我们详细描述了BMA的实现过程.实例分析结果表明,BMA统计后处理,无论是精度还是校准度,相对于原始集合预报都有优势.     

待发表文章摘要预报

待发表文章摘要预报可加混料模型参数估计Ｅ┐最优正交区组设计孔庆海关颖男研究了含有过程变量的二阶可加混料模型参数估计的Ｅ－最优正交区组设计．借助电子计算机解非线性规划问题，一般地给出ｑ分量二阶可加混料模型参数估计Ｅ－最优正交区组设计．合成金刚石用触媒合...     

工业管线腐蚀模型的辩识

讨论了工业管线腐蚀模型的辨识问题。在曲线拟合模型的基础上，提出了参数估计的双层递推算法和相应的时变参数预报算法。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

季节性模型的建模及其应用

主要讨论李节性模型的识别与建模步骤，并编制程序借助计算机进行参数估计与预报，以月平均气温为实例进行模拟建模，其结果较佳。     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

动力调谐陀螺仪模型快速开环辨识

为了实现对动力调谐陀螺仪闭环测量系统的快速设计,建立了参数模型辨识系统,对激励信号设计、模型类结构选择、参数估计算法等问题进行研究.首先依据惯性元件的特点,设计了适宜于动力调谐陀螺仪测试的多正弦激励信号,然后基于外加输入自回归（ARX）模型,采用预报误差法辨识得到模型参数,最后针对某型号动力调谐陀螺仪设计实验进行验证,并与传统扫频法建模得到的结果进行对比.结果表明：模型辨识时间由2 000,s缩短为20,s,辨识拟合度由92.5%提高到95.3%.与传统扫频法相比,通过多正弦激励、ARX模型和预报误差法进行陀螺模型辨识可得到更高的辨识精度、抗噪声能力和辨识效率,为快速设计闭环系统提供了可靠的依据.     

Sparse assortment personalization in high dimensions

The data-driven conditional multinomial logit choice model with customer features performs well in the assortment personalization problem when the low-rank structure of the parameter matrix is considered. However, despite recent theoretical and algorithmic advances, parameter estimation in the choice model still poses a challenging task, especially when there are more predictors than observations. For this reason, we suggest a penalized likelihood approach based on a feature matrix to recover the sparse structure from populations and products toward the assortment. Our proposed method considers simultaneously low-rank and sparsity structures, which can further reduce model complexity and improve its estimation and prediction accuracy. A new algorithm, sparse factorial gradient descent (SFGD), was proposed to estimate the parameter matrix, which has high interpretability and efficient computing performance. As a first-order method, the SFGD works well in high-dimensional scenarios because of the absence of the Hessian matrix. Simulation studies show that the SFGD algorithm outperforms state-of-the-art methods in terms of estimation, sparsity recovery, and average regret. We also demonstrate the effectiveness of our proposed method using advertising behavior data analysis.     

EM算法在不完全数据参数估计中的应用

EM算法是参数估计中一种很重要的方法,在处理不完全数据中有重要应用．用EM算法给出了基于状态空间模型的不完全数据的参数估计,得到了利用迭代算法计算参数估计值的方法．将之用于实例,结果表明,预测结果很好．误差在可接受范围内．     

目标飞行不变量和方位支援的仰角参数估计方法

针对单站观测系统的目标角度跟踪问题,提出了一种基于单站目标飞行平面的二面角不变量和方位序列支援的仰角参数估计方法。根据推导出的二面角关系,利用纯方位序列计算出目标在平面上投影的航向角,可方便地解出目标运动平面的水平补角和二面角,最后给出目标仰角序列的预测公式并分析了方位噪声对仰角误差的影响。该方法较好地解决了单站纯角度观测的非线性问题。仿真实验表明：估计的目标运动的不变参数效果好,仰角预测序列精度高。     

Archimedean Copula函数的参数估计

给出Archimedean Copula函数中参数的一种新的估计方法.通过计算机模拟,把此方法与Genest和Rivest的非参数法进行了比较,得出新方法能更有效的估计Archimedean Copula函数中的参数.最后用新方法和Genest和Rivest的非参数法对国内的上证A股指数和上证B股指数进行了实证分析,分析结果表明新方法更有效.     

耦合集合卡尔曼滤波的非线性参数估计

准确的参数对于非线性模型或者函数有极为重要的意义。但是在实际应用中,输入的参数常常带有一定的偏差,因此在预测中非线性模型(函数)往往得不到满意的结果。把集合卡尔曼滤波方法引入到非线性模型(函数)的参数估计中,并采用基于联合状态向量的方法在同化时刻同时更新模型(函数)的状态和参数,该方法可以通过同化观测数据,动态地调整参数和结果,使得参数能够自适应地变化,同时也能较好地释放积累的模型误差。将该方法应用于随时间变化的二维非线性模型(函数)中,实验表明,该方法能够准确地估计出模型参数值,同时也表现出很好的鲁棒性和自适应性。     

整体最小二乘参数估计的并行算法

基于递推最小二乘的逆ＱＲ分解方法,给出一种整体最小二乘参数估计的递推算法,并利用已获得的并行实现方法进行并行实现,最后给出了仿真结果．文中给出的并行计算方法使得在实际中应用整体最小二乘进行参数估计变得可行．