早期火灾CO气体的时间序列建模

通过傅里叶变换红外光谱探测技术,对火灾燃烧过程中产生的CO气体体积分数进行探测和定量分析,并对现场实测数据的非平稳时间序列进行平稳化处理和AR(p)模型(自回归模型)建模.通过对模型参数在相平面上的分析,提取早期火灾发生过程中的特征信息,建立一种及时的火灾探测、报警的方法.     

GPS定位数据的在线识别与预测

通过大量的ＧＰＳ定位观测数据的统计处理导出了一种对非平稳时序列建模或识别及预测的简单方法。该方法是 基于小二乘法和线性系统识别方法。并提出了与传统ＡＲＭＡ模型有所不同的模型，我们称之为准ＡＲＭＡ模型，用具时变参数的模型对ＧＰＳ接收机输出数据进行线识别与预测，证实了此方法有效方法。     

基于ARFIMA模型的内蒙古农林牧渔业总产值研究

根据1947~2011年内蒙古农林牧渔业总产值的数据,运用时间序列分析对数据进行定量分析.以分数阶差分方法代替传统的整数阶差分方法,最大程度地保留了序列的原始信息;通过分数阶差分使数据平稳,经白噪声检验后,用ARFIMA模型进行模型拟合;根据拟合模型对内蒙古农林牧渔业总产值进行预测,结果显示,模型的拟合结果较准确,误差在可控范围之内.     

分段修正系数建模数控机床热误差

首先分析了建立在最小二乘法基础上的线性回归分析建模原理的不足及其局限性，在此基础上提出了分段修正系数建模机床热误差方法，并对其原理及建模补偿策略进行了详细推导.通过对数控车削加工中心主轴径向热误差进行建模补偿试验，可以看到，在建模时使用的原始采样点处，拟合误差几乎为零，代入非原始采样点数据时，由模型算得的热误差补偿值和原始采样数据具有很好的拟合性，表明这种建模方法可有效提高热误差补偿精度.
     

GPS卫星钟差分析、建模及仿真

卫星钟差是卫星导航系统中的一项重要误差源,本文根据IGS观测数据分析GPS卫星铷钟和铯钟的噪声特性,并对星钟误差进行建模和仿真.首先采用修正Allan方差表征和分析了GPS卫星上不同种类原子钟随机噪声的时域特性;然后基于最小二乘分段拟合确定了卫星钟差确定性分量的时差、频差、线性频漂参数值;对于多项式拟合后的残差部分,利用随机噪声幂律谱模型建立了随机性分量误差模型;最后利用修正Allan方差反演的方法模拟产生了各噪声分量的独立随机序列并进行合成;对合成序列与原始数据进行了对比分析以验证本文所提出建模与仿真方法的正确性.     

GPS定位误差分析与建模

目的研究ＧＰＳ（全球定位系统）定位误差数据的数学模型．方法采用时间序列方法对原始数据进行分析,用周期图法提取周期项误差,用波克斯－詹金斯方法对平衡随机序列建模．结果该模型可用来提高ＧＰＳ定位精度,结论ＧＰＳ定位误差数据属于非平衡时间序列,包括周期项序列和平衡随机项序列,其中周期项序列的最大隐含周期为１０ｍｉｎ,平稳随机项序列符合ＡＲ（１）模型．     

基于时变AR模型的GPS定位精度研究

定位精度是影响GPS卫星导航系统应用的重要因素之一.对时变参数模型TVAR进行了研究,并将其应用于GPS卫星导航系统的定位精度分析,以达到减小定位误差的目的.该方法针对定位序列的统计特性,利用时间序列分析方法建立预测模型,通过前面一段数据拟合的模型预测后面一段时间的数据趋势.数据实验结果验证了利用时变自回归方法进行GPS数据建模分析的有效性和可行性.     

交通流的时间序列建模及预测

采用时间序列ARMA模型进行交通流量趋势预测，建模时利用现场测得的交通流非平稳时间序列进行差分变换及标准化处理，从而转化成标准正态平稳时间序列；模型参数估计采用极大似然估计法，并根据AIC准则为模型定阶；最后通过实测数据进行验证．结果表明该ARMA模型能够较好地拟合交通流时间序列并可获得较高的中短期预测精度，因而可用于动态交通信号控制．     

非平稳和长记忆时间序列主频率估计方法研究

许多经济时间序列表现出非平稳性和长记忆性，对这样的序列进行谱分析并估计其主频率，采用传统的谱分析方法已不适用，基于平稳和非平稳分数阶差分自回归滑动平均模型，研究了具有非平稳性和长记忆性序列的主频率的估计方法，同时提出了包括模型定阶在内的基于极小化残差平方和的近似极大似然参数估计算法。通过对上海和深圳证券交易所综合指数收益序列的分析，说明了此方法的可行性和有效性。     

非等间隔灰色预测模型的二次优化

为提高非等间隔序列数据的预测精度,采用一种新的加权方法对非等间隔序列数据进行处理,将其化为等间隔序列,在此基础之上使用初始条件的自适应性寻优函数对模型进行二次优化,得到最终的灰色预测模型.并用此模型对实测数据进行建模、分析和预测,计算残差平方和的平均数MSE的来比较该模型与其他模型的精度情况.研究结果表明:该模型在非等间隔数据处理中具有较好的预测精度.