依等价AR模型阶次递增的自回归滑动平均模型辨识

通过用AR模型等价ARMA模型的思想,提出了一种确定ARMA模型参数估计方法.针对等价AR模型阶次合理选定问题,借助数据乘积矩矩阵的分块矩阵求逆引理,给出了计算等价AR模型参数估计和相应准则函数的依阶次递增递推算法.通过判定准则函数的变化趋势,来确定出AR模型的最合理阶次和相应的参数估计值.然后基于所拟合的AR模型参数,通过解一个不相容代数方程组便可确定ARMA模型参数.仿真实例验证了该算法的性能.     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。     

ARMA模型参数估计的格林函数法

论文根据一个适当高阶的AR模型可与一个ARMA模型等价的原理,推导了以格林函数为中间变量,建立ARMA模型的线性方法。用此方法对太阳黑子数据进行计算,所得的模型参数,与用非线性最小二乘方法的结果近似,且较用逆函数算出的参数精度高。实践证明这一方法在一定条件下足可行的。运用这一方法建立自回归滑动平均模型,可避免采用非线性最小二乘方法,只需进行很少几次的线性最小二乘便可建模,较传统方法,可大大减少运算工作盛,并便于在微机上推广应用。     

语音识别中ARMA模型的研究

在用线性时间序列模型拟合语音数据时(例如用AR模型拟合),模型阶数越高,参数个数越多,统计计算时误差越大.本文在理论上对ARMA(1,q)模型的参数估计进行了推导,在数值计算上,得到了ARMA(1,0)模型的参数估计并对模型进行拟合,解决了用AR模型拟合语音数据时,统计计算时误差较大的问题.     

ARMA模型参数估计的GW-LS两段算法

提出了新的GW-LS两段算法,很好地改善了自回归滑动平均(ARMA)模型参数估计的性能。首先摈弃传统的拟合到AR模型的思考方法,而是基于ARMA模型的相关函数用Gevers-Wouters(GW)算法对ARMA模型拟合到高阶滑动平均(MA)模型;然后在拟合的MA模型参数基础上,用最小二乘(LS)算法求解一个不相容的线性方程组,从而估计出ARMA模型参数。最终的仿真实例说明了本算法较高精度、较快速度的收敛特性。     

基于ARMA-稀疏贝叶斯模型的汇率预测研究

文章基于ARMA模型和稀疏贝叶斯模型,提出了ARMA-稀疏贝叶斯模型,充分利用ARMA模型和稀疏贝叶斯模型在线性模型及非线性模型预测中的优势,将收益率序列分解为线性自相关主体和非线性残差2个部分,然后用ARMA模型对线性自相关主体数据进行预测估计,用稀疏贝叶斯模型对非线性残差进行预测估计,最后合成人民币兑美元日汇率中间价序列预测结果。研究结果证明,运用所建模型预测人民币日汇率中间价和上证指数收盘价,均取得了较好的效果。     

纱条不匀时序模型的建立

采用Pandit Wu方法对并条纱条进行建模分析 ,提高了建模过程的程序化水平 ,可迅速建立在线预测模型。研究认为 ,并条纱条可以用AR(n)模型及ARMA(m ,n)模型进行预测控制 ,且模型的阶次一般为 2～ 5。     

向量ARMA模型的一种建模方法

本文提出了一种首先将向量ARMA模型转化为标量ARMA模型,然后再根据长自回归计算残差的建模策略建立向量ARMA模型的方法。文中根据切削试验的观测信号建立了动态切削过程的二维向量ARMA模型,同时还讨论了与之适应的模型适用性的检验问题。     

线性回归模型精化方法

为了解决由试验观测数据建立的回归拟合模型存在的模型误差,用基于回归残差的神经网络方法精化模型.采用给定方程获得模拟数据,通过数据结构散点图建立回归模型趋势项,利用经典最小二乘法估计趋势项参数,由趋势项参数计算回归残差,借助误差分级迭代的改进BP算法对趋势项进行精化,将两部分叠加获得精化模型.试验结果验证了基于回归残差的神经网络方法精化模型的有效性:神经网络方法精化后的模型能提高回归模型的拟合及预测精度5倍以上,优于最小二乘配置法和半参数法精化结果.神经网络方法精化模型既克服了单一神经网络模型的不可解释性,使模型具有物理意义,又具有较高的预测精度.     

带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数;第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数;第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

ARMA模型参数的分步估计方法

提出了一种ARMA模型的线性估计方法，这种方法通过两次AR模型的估计来实现ARMA的估计。讨论了一维时间序列开环系统、闭环系统的辨识方法及定阶问题。仿真结果表明该方法具有良好的准确度和可靠性，可直接用于结构状态监测。     

ARMA模型参数的拟线性估计方法

提出了一种ARMA模型的线性估计方法,这种方法通过两次AR模型的估计来实现ARMA模型的估计.     

自适应格型算法对动调陀螺仪随机漂移的建模

针对动力调谐陀螺仪启动过程中随机漂移模型参数的缓慢变化及逐次启动漂移模型系数的不同，提出了一种利用递归最小平方格型（LSL）算法对动力调谐陀螺仪随机漂移模型系数进行自适应估计的方法。格型相同节级联的特殊结构决定了LSL算法在自回归（AR）模型阶数增加时不必改变算法结构。使得该算法可以在线进行，并且收敛非常迅速，可以针对动力调谐陀螺仪不同次启动快速建立该次启动的随机漂移模型。通过对动力调谐陀螺仪启动1min后的4组实测漂移数据处理及模型检验，证明了该方法的有效性。     

桥梁节段模型系统矩阵自由振动识别的一种算法

为提高桥梁节段模型参数的识别精度,研究了利用节段模型风洞试验的自由振动信号直接识别系统矩阵的时域法。在可识别性研究的基础上,给出了最小二乘一次完成算法、倒置时序算法,考虑到系统噪声和过程噪声的影响,提出了分段扩阶最小二乘迭代算法（SEO-ILS法）。SEO-ILS法能直接识别出系统矩阵。同时可得到复模态和实模态参数。仿真计算和节段模型风洞试验表明,文中方法有效可行。     

高速公路交通流宏观模型的一种分类辨识算法

高速公路交通流模型是一个高阶非线性时变系统 ,这使得该模型的辨识问题成为一个非常困难的问题。简要介绍了模型及其中各参数的含义 ,在对模型参数加以分析、讨论的基础上将其分类并分别采用径向基函数 (RBF)神经网络和最小二乘法对模型的参数进行分类辨识 ,成功地解决了该模型辨识的工程化问题。通过与传统的复合形法的辨识结果进行比较 ,该方法的辨识精度和速度均明显提高 ,仿真效果令人满意     

半值和最小平方值，平均人均公式及其相互关系

半值和最小平方价值的平均人均公式已被证明允许用算法计算，与早期从Shapley值的平均种数公式发展而得到的算法相似，这些公式允许用一种算法来进行计算。与此同时我们发现最小平方值是一种通过对给定对策的赎买得到的对策的沙普利值，并且用算法证明了的Ruiz／Valenciano／Zarzuelo的定理表明了一个半值的效率正常化是一个最小平方值。     

半值和最小平方值的人均公式及其相互关系

证明了半值和最小平方值的人均公式,与早期从Shapley值的平均种数公式发展而得到的算法相似,这些公式允许用一种算法来进行计算.同时发现最小平方值是一种通过对给定对策的赎买得到的对策的沙普利值,并且用算法证明了Ruiz/Valenciano/Zarzuelo所提出的定理中一个半值的效率正常化是一个最小平方值.