异方差混合双自回归模型-HMDAR

研究了异方差混合双自回归模型(Heteroscedastic mixture double-autoregressive model,HMDAR)。给出了HMDAR模型的平稳性条件。利用ECM(Expectation conditional maximization)算法估计模型的参数,运用BIC(Bayes information criterion)准则选择模型.HMDAR模型分布形式的灵活性使得它能够对具有非对称或多峰分布的序列进行建模。将该模型应用于几个模拟和实际数据集均得到了较为满意的结果。特别是对于波动较大的序列,HMDAR模型能比其它模型更好的捕捉到数据序列的特征。     

基于复杂性理论的黄河河川径流序列诊断分析

水文序列性质的诊断是水文预测的关键问题之一，至今没有得到有效解决．本文通过采用复杂性理论中的复杂性测度，对黄河干流不同水文站的河川径流序列进行诊断分析．结果表明：黄河干流径流序列以随机性为主，确定、随机和混沌成分共存；人类活动的影响总体使得径流变化的随机和混沌增大，且下游的随机成分大于上游，上游的混沌成分大于下游；同时表明复杂性测度具有较灵敏的识别能力，为识别河川径流序列的性质及人类活动的影响提供了一种新的方法，     

矩阵Renyi α阶熵水文序列变异诊断新方法

水文序列的变异诊断研究能够为各类水利、土木工程规划和管理决策提供依据和参考.针对水文序列动力学结构变异难以诊断的问题,本文提出一种基于矩阵Renyi α阶熵的变异诊断方法.首先,引入矩阵Renyi α阶熵理论描述水文序列的动力学结构;其次,利用数据滑动技术构造滑动移除矩阵Renyi α阶熵序列,用来刻画水文系统动力学结构的演变;最后,利用Pettitt检验诊断出滑动移除矩阵Renyi α阶熵序列的变异点及显著性水平.以渭河流域、洮河流域、窟野河流域和西柳沟流域的水沙序列为例开展应用研究,并与Shannon熵、Mann-Kendall检验和滑动T检验等方法进行对比分析.研究结果表明:咸阳站、状头站和红李区间年径流序列均没有发生变异,其它站年径流序列均发生了变异,变异概率大于90%;咸阳站、张家山站和状头站年输沙量序列均在20世纪80年代发生了变异,其它站点在20世纪90年代末发生变异,变异发生的概率均大于95%.通过与现有研究成果比对分析发现,本文提出的Renyi α阶熵方法的诊断结果与实际情况基本吻合,而其它方法的诊断结果与实际情形差异较大.     

基于系统聚类的北京气温变化过程遍历特征分析

气温变化过程遍历性研究是中长期气象预报的基础.以北京地区气温过程为例,分别研究了北京月最高气温、最低气温、平均气温序列的遍历特征.首先,基于系统聚类分别将各类气温以月为个体进行聚类;其次,以类为单位通过自相关图排除周期性序列,利用ADF检验其余序列的平稳性;再次,对通过平稳性检验的序列进行遍历性分析,包括均值遍历与协方差遍历两方面.研究结果表明,北京6、7、8月份最高气温月际年变化序列有均值遍历性特征,4、10月份最低气温序列则有过程遍历性.从长期趋势看,两类气温序列都围绕其均值上下波动,在4、10月份最低气温的月际年变化序列中,前期气温值对后期气温变化的影响是相对稳定的.最后,还开展了印证性分析和挖掘性分析,从遍历性的角度,佐证了前人的一些研究成果.     

水文序列ARIMA模型应用中存在的问题与改进方式

经典的ARMIA模型应用是对水文过程年际月变化所形成的时序数据进行计算处理,而忽略了水文过程平稳性检验和月际年变化对时序预测结果的影响.本文在对这一问题讨论的基础上,基于聚类提取分类后月份的特征,利用回归分析建立特征量和月水文数据间的关系,通过差分对特征量时序做平稳性处理,使用ARIMA模型按类预测特征量,由此,提出了一种新的挖掘水文时序月际年变化信息的方法,建立了改进的ARIMA模型及预测方法.作者以兰州降水站为例进行了应用验证,研究结果表明,改进后的ARIMA模型的精度要明显高于季节ARIMA模型,其平均残差达到了9.41,预报精度提高了21%,效果十分明显.最后就改进后的ARIMA模型的应用给出了进一步的研究方向.     

时间序列确定性的指标检验方法

对于时间序列的生成机理是否服从于确定规律性的判断将直接影响到对其进行研究的理论框架的选择。提出了一种时间序列确定性成分的指标检验方法。该方法首先将待检验的时间序列重构于高维相空间中,寻找其主要几何特征在低维欧式空间中的投影,再将投影反射回高维相空间。通过比较原高维相空间与反射空间之间的偏差,来判断该序列的确定性。仿真实验证明了该方法具有可靠性。     

基于季节调整和BP神经网络的月度负荷预测

月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度.     

基于独立成分分析的时间序列谱聚类方法

为了对时间序列数据进行聚类分析, 提出了一种基于独立成分分析的时间序列多路归一化割谱聚类方法, 并给出了利用独立成分分析对时间序列数据进行特征提取和降维的理论解释. 该方法首先利用独立成分分析对时间序列数据进行特征提取, 然后利用多路归一化割谱聚类方法完成对时间序列特征数据的聚类分析, 从而得到了一种新的基于特征的时间序列聚类方法. 为了验证该方法的可行性和有效性, 将其应用于仿真时间序列数据和实际的股票时间序列数据聚类分析中, 取得了较好的数值结果.     

ARCH族模型在干散货运价指数分析中的应用

为了改善国际干散货航运市场预测的可靠性,通过对国际干散货航运市场运价指数(BDI)收益率序列的平稳性、异方差性进行分析和检验,验证BDI收益率序列是平稳的.通过使用GARCH(1,1)模型分析发现BDI收益率序列有明显的波动集聚效应并结合实际分析特别波动的原因.同时利用EGARCH模型刻画不同时期外部信息对国际干散货市场造成的影响以及区别.结论可用于国际干散货航运市场预测方法的改善.     

利用0-1测试快速识别交通流时间序列中的混沌

交通流时间序列混沌识别的方法主要有最大Lyapunov指数法、关联维数法和替代数据等方法,但这些方法需要对交通流时间序列进行相空间重构。引入一种新的判别交通流时间序列混沌特性的方法——0-1测试方法,该方法不需要对时间序列进行相空间重构,因而方便对交通流时间序列中的混沌现象进行快速检测。首先利用Logistic映射产生的时间序列对该方法的有效性进行了检验,随后又选用两组不同的实测交通流时间序列利用0-1测试进行了混沌检验。研究结果表明:在两组交通流时间序列中都存在混沌成分,而在其中一组数据中还存在随机成分。     

磁记忆梯度张量测量信号预处理方法

为降低磁记忆测量信号中各种噪声干扰,提高磁记忆信号梯度张量解算精度,提出形态滤波和经验模态分解组合的方法消除噪声。首先,根据矢量合成原理将磁分量信号转换成总场幅值和方向信号,保证降噪处理过程中不改变各磁分量之间的内在关系;然后,利用形态滤波器对幅值和方向信号进行处理,消除信号中的瞬时强脉冲噪声;最后,将信号进行经验模态分解降噪,消除低频和局部干扰噪声。将上述方法用于磁记忆实测信号处理,结果表明,提出的方法能有效消除磁分量信号不同类型干扰噪声,解算得到高精度的磁记忆梯度张量数据。     

On controllability for stochastic control systems when the coefficient is time-variant

<正> This paper investigates the controllability problem of time-variant linear stochastic controlsystems.A sufficient and necessary condition is established for stochastic exact controllability,whichprovides a useful algebraic criterion for stochastic control systems.Furthermore,when the stochasticsystems degenerate to deterministic systems,the algebraic criterion becomes the counterpart for thecomplete controllability of deterministic control systems.     

Interval Time Series Analysis with an Application to the Sterling-Dollar Exchange Rate

Traditional econometrics has long employed ＂points＂ to measure time series data. In real life situations, however, it suffers the loss of volatility information, since many variables are bounded by intervals in a given period. To address this issue, this paper provides a new methodology for interval time series analysis. The concept of ＂interval stochastic process＂ is formally defined as a counterpart of ＂stochastic process＂ in point-based econometrics. The authors introduce the concepts of interval stationarity, interval statistics （including interval mean, interval variance, etc.） and propose an interval linear model to investigate the dynamic relationships between interval processes. A new interval-based optimization approach for estimation is proposed, and corresponding evaluation criteria are derived. To demonstrate that the new interval method provides valid results, an empirical example on the sterling-dollar exchange rate is presented.     

加权马尔可夫模型在降水丰枯状况预测中的应用

首先基于降水过程存在大量不确定性、不精确性的特点 ,应用有序聚类的方法建立降水丰枯状况的分级标准 ;然后针对降水量为相依随机变量的特点 ,采取以规范化的各阶自相关系数为权重 ,用加权的马尔可夫链模型来预测未来降水的丰枯变化状况 ;最后以山西省某水文站近 5 0年的降水资料为实例对该方法进行了具体的应用 ,获得了较为满意的结果.     

非线性时间序列建模的混合GARCH方法

在文献[1]的基础上，首次提出混合广义自回归务件异方差（Mixture Generalized Autoregressive Conditional Heteroscedastic Model简记MGARCH）模型；给出并证明了MGARCH模型的一阶平稳性的充分必要条件及二阶平稳性的充分务件；给出该模型参数估计的EM算法：利用BIC定阶准则对MGARCH模型的各成份进行定阶；计算结果表明该模型对金融非线性时间序列中存在的变异率现象具有较强的描述能力，有广阔的应用前景。     

中国期货市场的混沌性检验

以国内各期货品种日收盘价格序列作为研究对象,对中国期货市场是否存在混沌进行全面的检验。首先运用新的最大交易量复权法对期货价格数据进行采样,再进行收益率和对数线性去趋势平稳化处理,运用R/S分析和BDS检验来检验其非线性,运用递归图方法进行确定性检验,发现国内期货市场普遍具有非线性和确定性。其后,对这些时间序列进行相空间重构,计算最大Lyapunov指数、关联维数和Kolmogorov熵等几何不变量,从而得出中国期货市场具有混沌和分形特征的结论,为进一步的混沌预测分析打下基础。     

混合自回归滑动平均模型———MARMA

提出一类新的用于非线性时间序列建模的混合自回归滑动平均模型(Mixture autoregressive movingaverage model简记MARMA).该模型条件分布富于变化的特点使得它能够描述非对称、多峰、以及条件异方差等非Gauss特征.研究得到了MARMA模型的平稳性条件和自相关函数.利用BIC(Bayes informationcriterion)准则来选择模型.运用EM(expectation maximization)算法估计模型的参数.将MARMA模型应用于一组金融数据,并和其它模型做比较.结果表明MARMA模型能够更准确地描述该数据的特征.     

Structural Change in China's Import and Export

This article employs the schemes of structural change test on time series of export, import, and net export of China sampled from January 1981 to December 2006 to investigate effects of the change of international trade environment and domestic policy on the foreign trade. By constructing test models, Critical values for unit-root test against piecewise-trend stationarity with two endogenous breakpoints are created for all the six alternative specifications on Mont Carlo simulation. It was revealed in the result that although the import from 1981 to 2006 was a unit root series determined by the growth of the economy, the export was a piecewise stationary series that suffered two or more breaks, one of which was collected in mid-2001 associated to the entrance to the WTO, and the others on February 1994, July 19967, and November 1997, respectively correlated to their corresponding events.     

基于粗糙集的随机多准则决策方法

针对有偏好信息并且准则权重信息不确定的随机多准则决策问题,提出了一种基于粗糙集的随机多准则决策方法.该方法首先根据形式化的偏好信息,利用构造的偏好信息系统准则约简理论对准则集合进行约简,降低问题的复杂程度,然后计算每个方案的净流分值并通过其大小确定方案的最终排序.最后实例说明了该方法的有效性和可行性.