分部门生产函数参数的估计

为了研究中国经济相对于完全市场经济扭曲程度需要,笔者用计量经济学方法和劳动者报酬在增加值中的份额两种方法对劳动力的产出弹性进行了估计,并与国际上的估计结果进行了比较,得到的结论是：劳动力的产出弹性基本上介于国际上发展中国家的劳动力的产出弹性估计值的和下限之间,它说明了笔者的估计结果有较高的合理性和可靠性。     

人工鱼群算法在生产函数参数估计中的应用

生产函数在生活中有着举足轻重的作用,合理地选择估计生产函数参数的方法尤为重要.常用的C-D生产函数为多元非线性函数,用传统方法进行参数估计存在一定的局限性.基于人工鱼群算法能够克服局部极值、鲁棒性强等特点,给出了一种生产函数中参数估计的通用新方法,该方法首先将生产函数模型中的参数构造成人工鱼模型,利用残差平方和设计食物浓度函数,然后通过人工鱼的随机、觅食、聚群、追尾等行为,对生产函数中的参数进行估计.以美国马萨诸塞州1820-1926年的产值、资金投入和劳动力投入数据做仿真实验,结果表明,该算法在生产函数参数估计中具有寻优速度快的特点,且可得到最小的回归残差平方和.     

分散论参数估计的合成算法——分散最小二乘估计

给出了一种分散化最小二乘参数估计的合成算法。一个分散大系统的数学模型依赖于一列未知参数,有若干个子观测站对该系统进行量测,并由各个局部处理器对量测信息进行分散处理,给出参数集的分散估计;然后用合成器对分散估计进行合成处理,给出未知参数的整体估计。     

系统参数估计的正交变换算法

就线性静态系统参数的最优二乘估计的存在性，提出一种正交变换算法予以实现。     

基于改进进化策略的线性参数估计方法

针对线性回归模型,在最小二乘意义下,提出一种基于改进进化策略的线性参数估计方法并用仿真实例检验其有效性.该方法是将进化策略与最小二乘法相结合并且对算法中的变异算子作了相应改进.算法参数估计精度较高,收敛速度快,自适应性强,能有效处理线性回归参数估计问题.     

自回归模型参数的普通最小二乘估计

将线性回归模型参数的普通最小二乘估计推广到12种自回归模型的参数估计。     

自回归模型参数的加权最小二乘估计

将线性回归模型参数的加权最小二乘估计推广到12种自回归模型的参数估计。     

基于多群体遗传算法的非线性最小二乘估计

由于非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性,以及简单遗传算法易陷入局部最优的问题,提出了一种多群体遗传算法,它采用多个群体执行遗传算法搜索解,并且能根据各个群体在较少迭代次数中找到的最优解动态调整参数域,提高了遗传算法的性能及搜索到的解是全局最优解的可靠性.实验结果表明:新的算法是一种有效的非线性...     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。     

几种参数估计算法的比较

讨论了几种常用的参数估计算法,并用一实例仿真研究了几种算法的参数估计收敛情况,为实际应用时选用参数估计算法提供了的理论依据。     

大变异遗传算法在非线性系统参数估计中的应用

针对传统非线性系统模型参数估计方法的局限性及基本遗传算法存在的"早熟收敛"问题,本文提出了基于大变异操作的改进遗传算法来进行非线性系统参数的辨识,并将其应用到活性污泥动态模型的参数估计中,取得了较好的效果.     

SISO线性模型的阶次辨识和参数估算

对于ＳＩＳＯ线性差分方程模型,利用ＵＤ分解技术和数据向量的“移位性质”,可实现信息压缩阵的递推分解,从而在每步递推中能同时获得从１到ｎ（ｎ为实际系统的最大可能阶次）各阶的模型多数估值和损失函数值。利用所得的各阶损失函数值,可方便地确定系统的阶次、当系统噪声为有色噪声时,本方法党政军可同时确定噪声模型的阶次。本算法可显著减少辨识过程的计算量,具有良好的数值计算品质,提高了辨识精度。     

微生物降解动力学参数估计新算法的比较

为了有效地估计较大范围变化的微生物降解动力学参数,发展了基于瞬时精英保护策略的遗传算法(IEPGA)和简单改进遗传算法(IGA),并和多次在参数区间内获取随机初值联用Matlab的lsqnonlin搜寻的算法进行了比较.这些算法利用模拟数据和文献数据,估计了积分形式的Monod模型参数.结果表明,虽然三者均能较好解决这一问题,但考虑到实际运行规模、时间以及最终结果精度,对于较大范围变化的微生物降解参数估计问题,多次(>20次)随机初值联用lsqnonlin的方法相对两种遗传算法更为可行.     

线性系统参数估计的改进凸多面锥法

文章对现有的凸多面锥法进行了改进．改进方法采用旧凸多面锥的边的凸组合来求新多面锥的新边,从而提高了算法的稳定性．并且将凸多面锥算法扩展到输出误差模型的参数估计上．仿真算例验证了改进方法的有效性．     

q对称熵损失函数下指数分布的参数估计

提出对称熵损失函数的一般形式(λ/δ)^q+(δ/λ)^q-2(q>0) , 即q对称熵损失. 讨论指数分布的尺度参数在此损失函数下的最小风险同变估计、 Bayes 估计和最小最大估计, 给出了更具一般性的结论, 并研究了(cT+d)^-1形式 估计的可容许性和不可容许性.     

基于神经网络集成的IRT参数估计

针对统计方法难以解决小样本条件下项目反应理论（IRT）项目参数问题,提出了运用广义回归神经网络（GRNN）集成对小样本条件下项目参数进行估计的方法,运用计算机模拟的方法产生项目参数的真实值,根据双参数逻辑斯蒂模型得到被试的反应矩阵。运用经典测验理论方法得到项目难度和区分度的统计量,将其作为神经网络的输入,以模拟产生IRT的项目参数作为网络的输出,对GRNN进行训练。并且对30个神经网络加以集成,将它们在测试阶段得到输出值的平均值作为IRT参数的估计值。结果表明,神经网络集成可以得到比统计方法和单个神经网络更好的参数估计结果。     

关于最小二乘法的参数估计问题探讨

数学建模中经常要用最小二乘法进行参数估计,本文介绍了用最小二乘法进行参数估计的原理,以及在计算机上如何估计参数.     

q对称熵损失函数下正态总体刻度参数的估计

用参数估计的方法, 研究均值为0的正态分布中刻度参数在q对称熵损失函数下的最小风险同变估计、 Bayes估计和Minimax估计, 并讨论了 ［cT+d］^1/2形式的估计量当0≤c*, d>0; c=c^*, d≥0时是可容许的, 当0*, d=0; c>c^*, d>0时是不可容许的.