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.     

m维AR(1)模型的统计诊断

目的基于统计诊断的影响分析,对m维AR(1)模型的数据点进行了影响分析。方法基于数据删除模型,同时引入广义Cook距离。结果得到二维AR(1)模型的参数估计诊断公式,给出了Cook统计量的计算公式。结论对m维AR(1)模型进行了初步的统计诊断。     

基于AR模型的平坦衰落信道仿真

无线信道大多处于复杂的传播环境中,研究复杂环境下的信道仿真是进一步研究空时信号处理技术的基础。本文实现了复杂传播环境下平坦衰落信道的AR模型仿真。在研究接收信号(含直射和方向性散射)复包络二阶统计特性的基础上,采用AR模型对信道进行仿真。仿真结果表明:基于AR模型的平坦衰落信道的仿真结果与理论曲线匹配度高,而且AR模型求解简便,适用于复杂环境下的信道。     

多维AR（p）模型的估计理论及应用

叙述了多维AR(p)模型的分析与处理方法、多维AR(p)预测模型的建模过程及参数估计的计算方法，并将该模型在测井曲线的预测中加以实际应用．应用结果表明：本预测模型对多维动态数据进行预测是可行的。     

一种基于粒子群算法改进的ARCH模型及对国内油价波动的研究

传统的ARCH模型族在参数估计中使用的极大似然估计存在鲁棒性差和易收敛到局部最优解的缺点,为克服传统参数估计的上述缺点,提出了基于粒子群算法改进的智能算法,并利用粒子群算法对国内油价建立了AR(1)-ARCH、AR(1)-TARCH(1)模型.     

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。     

双重线性模型的参数估计

用推广的最小二乘法及极大似然估计法对双重线性模型 AR( 1) - MA( 0) 中的参数进行估计,从而提高模型的拟合度和预测精度.     

城市日用水量的自回归模型(AR)预测方法

介绍了利用自回归模型(AR)预测城市日用水量的方法，阐述了AR模型的阶数和自回归系数的求解，并结合工程实例，预测出某城市日用水量，达到了较好的预测效果。     

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.     

GAR(2)模型的平稳域及参数估计

GAR模型为应用很广的一类非线性时间序列模型,AR模型为其特殊情况。本文给出了当系数为白噪声时GAR(2)的平稳域及相应的参数估计,并同时获得了多维GAR(1)的平稳性条件。     

用于机械故障诊断的门限自回归模型盲辨识

提出了一种门限自回归(AR)模型的盲辨识算法,并与常用方法进行比较分析。该算法的特点在保证辨识精度上可大大提高其运行速度,而且阶次越高,该算法的优势越明显。将该方法与隐Markov模型结合,以门限自回归模型各区间的AR子模型系数作为特征向量,以隐Markov模型作为分类器,应用到旋转机械升降速过程的故障诊断中。实验结果表明,这种方法有很好的实用性。     

Aw-Rascle交通模型的初值问题

研究Aw-Rascle(AR)交通模型的黎曼问题及相互作用问题.本文将PAN和HAN提出的状态方程p=-Bρ推广到更一般形式p=A-Bρ,利用特征分析法,我们得到了AR模型黎曼问题和相互作用问题的显式解.此外,证明了解的唯一性,并讨论了当A→0时,黎曼解的渐近性态.     

基于ABC-SMC回归算法具有观测噪声的AR(p)模型的参数估计

利用近似贝叶斯序贯蒙特卡洛(ABC-SMC)回归算法给出了具有观测噪声的AR(p)模型的参数估计.首先采用前p阶样本自协方差函数作为统计量,对具有观测噪声的AR(p)模型参数后验分布进行ABC-S M C抽样;然后利用回归模型对抽样进行调整,从而得到参数后验分布的样本;最后通过数值模拟,与ABC算法、ABC-SMC算法...     

基于AR模型和SVM的果蝇振翅声分类

分别对3个不同品系果蝇的振翅声建立了AR模型,提取AR系数和白噪声序列的方差作为特征,然后用支持向量机(support vector machine,SVM)分类同种内的3个不同品系果蝇的振翅声。使用AIC准则确定AR模型的阶数,用Burg方法估计AR模型的参数,用重尾径向基函数作为支持向量机的核函数,实现对不同品系果蝇振翅声的特征提取和分类。实验结果表明3个品系的果蝇振翅声的分类正确率均达到了88%以上。     

AR(p)模型的诊断定理及其应用

基于一个时间序列的观察值和其估计值，给出了一个AR(p)模型的诊断定理，并证实了对发展变化较为健康的经济时序数据，比如我国的国内生产总值(1952年～1999年)，我们能用AR(p)模型很好地来刻画．     

基于小波分解的统计模型对小时风速的预测

为提高小时风速的预测精度,提出了基于小波分解和AR模型的混合模型(WD-AR).模型应用小波分解技术将风速序列进行多层分解,再利用AR模型分别对各分解层的风速序列进行预测,最后将预测结果叠加得到预测值.采用河西地区风速观测数据对模型进行分析验证,结果表明:WD-AR模型预测精度指标R,RMSE和MAP E值分别是0.89,0.36和27%,与AR模型相比有了较大的改善,提高了小时风速的预测精度,说明WD-AR模型具有更好的预测能力.     

基于AR和TAR模型的变点问题分析

在正态分布下,Perreault等刻画了水文时间序列4种情形的变点问题,但没有利用到具体的模型.本文设定自回归(AR)和门限自回归(TAR)模型对应均值的变化,利用贝叶斯推断法,完成这4种情形下变点问题的分析.模拟实验的结果比较理想.     

灰色模型与自回归模型组合在钟差短期预报中的应用研究

研究卫星钟差预报的精度及稳定性对增强卫星导航系统的导航、授时等功能有重要作用。针对GM(1,1)模型在卫星钟差短期预报时存在的问题,引入AR模型对其预报结果进行修正,以提高钟差预报结果的精度和稳定性。实验结果表明：组合模型的预报精度较单一GM(1,1)模型有一定提高,其中铷钟的精度提高较为明显,铯钟的精度则提高较少;此外,组合模型的误差变化趋势与GM(1,1)模型相似,但稳定性相对更高。     

基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

用带时序子模块的系统动力学模型预测Brent原油价格

提出在系统动力学模型中加入时序自回归AR(p)子模块，并且自动确定每个AR(p)子模块的阶数p。带时序子模块的系统动力学模型既体现了因素问的横向因果关系，又体现了每个因素的纵向关系。建立欧佩克(OPEC)石油产量、世界GDP、煤炭产量与价格、天然气、需求量、供求差额、消费系数、非欧佩克石油产量、非欧佩克供求差额，石油库存和OPEC组织的期望油价共十一个因素影响下的Brent原油价格预测模型，模型的预测结果表明：在系统动力学模型中加入时序自回归AR(p)子模块的方法是可行的、有效的，并且能提高模型的预测精度。