基于自回归条件密度模型的短期负荷预测方法

基于对负荷时间序列高阶矩时变特征的研究,提出了一种基于自回归条件密度模型的短期负荷预测新方法.该方法通过引入含时变参数的有偏分布,对负荷时间序列二阶以上矩信息进行了分析和描述.基于南京地区日用电量实际历史数据,分析了该负荷时间序列的时变高阶矩特征,建立了自回归条件密度模型.使用条件对数极大似然估计对模型参数进行了估计,实现了短期负荷预测,验证了该方法的可行性和有效性.结合算例中自回归条件密度模型时变参数的取值范围,推导了时变参数与条件高阶矩的数理关系,给出了一种刻画时间序列时变高偏度(三阶矩)、时变高峰度(四阶矩)的途径.算例分析表明,基于有偏t分布的自回归条件密度负荷预测模型的预测效果良好.     

一类双线性时间序列模型的矩估计

研究一类对角双线性模型ｘｔ＋Σｉ＝１ ｐ ａｉｘｔ－ｉ＝ｅｔ＋Σｊ＝１ ｑ ｂｊｅｔ－ｊｘｔ－ｊ的矩估计方法,着重分析一般模型ｘｔ＝ｅｔ＋ｂｅｔ－１ｘｔ－１的高阶矩估计及其大样本性质。方法 计算模型的矩,理论证明时运用中心极限定理,采用计算机仿真方法验证模型参数。结果与结论 获得一阶模型的高阶矩会计和一般模型的低阶矩估计,并给出仿真结果和说明,得到一阶模型的高阶矩估计的极限分布。     

线性时间序列模型与双线性模型的识别研究

根据线性模型的特点，在推广的高阶矩概念的基础上，将高阶矩应用于系统的结构辨识问题中。介绍了用最小二乘原理估计高阶矩参数以及判定参数置信区间等内容。     

7个试点省市碳价的影响因素与结构性断点分析

选取2014年5月14日—2018年4月25日7个试点省市(北京、上海、广东、天津、深圳、湖北、重庆)的碳交易周数据,利用个体固定效应模型比较各地区影响因素的差异,并用面板PVAR模型分析各影响因素对碳价的贡献度。结果表明:石油价格和空气质量指数对碳价的影响最显著且方向为正,煤炭价格对碳价的影响较小且方向为负,上证指数对碳价的影响最小;7个试点省市个体固定效应有较大差别,表明各地环境污染存在差异;短期内各影响因素对碳价的冲击均不大,说明国内良好的碳价机制尚未形成;长期内煤炭价格对碳价的解释力最强。并用Bai-Perron结构突变方法检验得到广东和湖北在交易期间各存在1个突变时点,天津存在2个突变时点。建议增加碳产品种类,充分形成市场化的公平碳定价机制;调整企业能源使用结构,降低碳价突发风险。     

高能碰撞实验数据在实数分割下的高阶阶乘矩的修正方法

对高能强子－强子碰撞末态粒子的相空间在非整数分割时的高阶阶乘矩进行了研究，得 高阶阶矩的修正公式，给出了对非整数分下高阶阶乘矩的分布进行修正的方法。     

基于ARMA-GARCH模型的北京碳排放权市场价格分析

作为我国经济发展迅速的城市之一，北京碳排放权市场的分析将为我国其他城市碳排放权市场的分析提供重要参考，能够为进一步评估我国碳金融市场提供一定的帮助。因此，本文选取了2013年11月8日—2021年6月4日北京碳排放权市场的日收盘价作为研究对象，并将该数据以2020年1月1日为分界线分为新冠疫情前和新冠疫情后两组数据分别进行建模，采用ARMA-GARCH模型对北京碳排放权市场价格进行分析，刻画北京碳排放权市场价格的变动趋势。结果表明：新冠疫情前碳交易市场的日收盘价用ARMA(0,2)-GARCH(1,4)的拟合效果较好，疫情后碳交易市场的日收盘价用ARMA(0,1)-GARCH(1,4)的拟合效果较好。文中根据ARMA(0,1)-GARCH(1,4)模型对北京碳交易市场碳价未来30天的收益率进行了预测。     

关于超几何分布高阶矩的研究

利用组合数学与概率论的方法,研究了超几何分布的高阶原点矩、高阶中心矩及高阶半不变量,得出这3种高阶矩的直接表达式.     

关于泊松分布高阶矩的一些研究

用组合数学与概率论的方法研究泊松分布的高阶原点矩,高阶中心矩及高阶半不变量,并得出其三种高阶矩的直接表达式.     

国际碳期货价格与国内碳价动态关系

碳排量的快速增加带来了严重的环境问题,并制约着经济社会的可持续发展。利用市场机制实现减排已经成为主要的碳排放控制路径。随着国内外碳市场的不断发展,国外碳期货市场必然影响国内碳现货市场的价格形成机制,进而两者的具体互动关系对于投资者理性投资和风险规避尤为重要。选取2013年12月至2017年10月之间的国际碳期货价格和国内碳价日交易数据,综合运用协整检验和Granger因果检验,在检验的基础上构建向量自回归(vector autoregression,VAR)模型,并用脉冲响应函数及方差分解法解析国际碳期货价格和国内碳价相互影响程度。研究结果表明:国际碳期货价格与国内碳价之间存在着长期的稳定关系,呈现出明显的单向因果关系;国内碳市场缺乏定价能力,因此其对国际碳期货市场影响较弱,处于被动地位。     

低阶不变矩人耳识别方法

介绍了不变矩原理及特点,由于高阶矩对噪声敏感,提出一种低阶不变矩分子区域人耳识别方法.对分子区域的人耳图像,提取各个区的低阶不变矩首尾相连组成一组特征矢量,作为耳识别模型.在北京科技大学建立的图像库遍历实验后,结果表明,低阶矩识别效果好于高阶矩,分区好于整体.划分32区低阶不变矩达到100%的识别率.