农药降解规律模拟的一个回归函数模型

在农药使用过程中,农药降解规律的模拟是一个重要环节,是食品安全的重要保证.根据长期从事该方向研究的积累,给出了一个对农药降解规律进行模拟的回归函数模型,并提供了参数估计方法,以解决对农药降解规律进行模拟时回归函数模型确定的困难.应用实例分析表明,所给回归函数模型适于对农药降解规律的模拟.     

基于超越对数生产函数的能源产出及替代弹性分析

把劳动和资本之外的能源投入要素分解为煤炭、石油、天然气和电力的投入,建立了一个超越对数生产函数模型并基于岭回归进行了分析,估计了各能源投入要素的产出弹性、替代弹性以及相对技术进步差异.结果表明:能源要素对经济产出的总体规模报酬递增;电力和石油的经济产出率高于煤炭,并可以有效替代煤炭;技术进步速度依次为煤炭、石油、电力和天然气,符合中国能源消费以煤炭为主但努力提高石油比重的特征;天然气作为优质高效能源的特性没有体现可能与其比重较低以及更多用于生活部门有关.     

回归误差方差的区间估计

首先将回归函数限制在一个有限维函数空间中,得到一个近似的线性模型,在此基础上,由Fiducial推断给出了误差方差的区间估计.该区间估计形式简单,易于计算.给出了这个区间估计的真实覆盖率和名义水平差异的一个上界,该上界由回归函数与其近似的线性函数的距离界定,并且对所给区间估计的真实覆盖率进行了数值模拟.     

半参数顺序变量回归模型

在比例优势模型基础上对顺序变量回归模型作更一般的推广, 建立了半参数顺序变量回归模型, 构造了模型中的线性和非线性部分的估计量, 并证明了该估计量的弱相合性. 通过数值模拟, 考察了不同样本容量下半参数顺序变量回归的判断正确率和回归函数的均方误差.实验结果表明: 半参数顺序回归模型在小样本情况下仍具有较高精度, 并且在实验点处的重复次数相对于观察点个数对精度影响更大. 通过对粮食预警实例的计算表明, 半参数顺序回归模型较比例优势线性模型具有更好的外推效果.     

基于损失函数为指数平方形式的稳健 Logistic回归

Logistic回归模型在处理分类数据中有着十分广泛的应用,通常为了简化模型而使用Logit变换将模型化为线性回归模型,但Logit变换会导致误差分量分布函数不同,从而导致模型误差增大.首先对Logit变换进行修正,在考虑离群值影响的基础上,利用指数平方损失函数和自适应LASSO形式稳健回归惩罚函数,从而对线性回归模型进行了修正,其次对股票涨跌情况进行了预测,最后结果表明,修正的模型对期望风险较小的投资者有更高的预测成功率.     

基于投影寻踪回归文本自动分类的模型

文本被表示为向量空间模型后,是维数非常高的数据,对其进行维数约简是必要的.投影寻踪正是一种稳健的、非参数化的维数约简方法.提出了一种基于投影寻踪回归的文本自动分类模型.应用该模型,可以真实地描述高维数据的客观内在规律,从而达到提高文本分类精度的目的,岭函数拟合函数的合理选择是提高分类精度的关键,故对拟合函数的选取做了初步的研究.采用标准文档集Reuters-21578进行了分类实验,同时在相同的预处理条件下,与目前常用的方法进行了对比实验.实验结果表明,该模型对文本自动分类具有较高的召回率和准确率.     

天山北坡玛纳斯河流域水文随机模型的应用及比较

本文介绍了自回归模型与解集模型的基本原理,结合玛纳斯河流域的水文规律,分别应用二种随机模型对流域的水文进行模拟,二种随机模拟的实用性检验结果表明,自回归模型较解集模型更适用于该流域水文模拟。这对于生成该流域长系列的洪水、工程设计与分析具有指导意义,从而为该流域水资源进一步开发利用,为实现经济、社会、生态可持续发展提供基础条件。     

基于均匀设计Goldstein-Price函数模拟研究

Goldstein-Price函数是A.A.Goldstein和J.F.Price 1971年首次提出的.Goldstein-Price函数是一个比较经典的二元多项式函数模型.有许多作者从优化和算法的角度对它进行详细的研究.最近,在计算机试验设计中,一些作者对Goldstein-Price函数进行模拟研究.本文利用均匀设计和中心化四次回归的方法对Goldstein-Price函数进行模拟,并重点考虑不同的均匀设计对拟合好坏的影响以及生成数据集时是否选取边界点对拟合好坏的影响.     

回归误差方差的区间估计

首先将回归函数限制在一个有限维函数空间中,得到一个近似的线性模型,在此基础上,由Fiducial推断给出了误差方差的区间估计。该区间估计形式简单,易于计算。给出了这个区间估计的真实覆盖率和名义水平差异的一个上界,该上界由回归函数与其近似的线性函数的距离界定,并且对所给区间估计的真实覆盖率进行了数值模拟。     

函数型累积Logistic回归模型研究与应用

该文针对响应变量为有序多分类标量数据，协变量为函数型数据构建函数型累积Logistic回归模型，并在贝叶斯分析框架下构造Gibbs抽样算法解决参数估计问题.具体解决流程为：首先，通过潜变量连接有序响应变量与函数协变量间的关系，同时对回归系数函数和回归函数型自变量选取主成分基函数进行展开，设置潜变量模型误差项服从Logistic分布.再利用Polya-Gamma变换解决模型似然函数的复杂性，并求得回归系数展开系数的后验分布从而构建Gibbs抽样算法.最后将该方法应用与模拟数据和实际空气质量指数(AQI)的分析，结果显示能较好地对模拟数据和空气质量指数(AQI)污染状况进行分类.