ARMA模型识别及参数估计的新方法

基于随机模拟的方法，利用可逆跳MCMC算法讨论了ARMA模型的识别和参数估计。     

基于时不变ARMA模型的线性多自由度结构参数识别

简单介绍了时不变ARMA模型的数学描述，并阐述了结构参数与ARMA模型参数之间的对应关系：通过实例分析说明了ARMA模型用于工程结构识别的可行性；最后用一维ARX模型和ARVX模型对同一结构进行识别，从而得出多维模型在结构识别领域有更广阔的应用前景。     

基于ARMA模型与均值-方差模型的我国股市投资组合选择

基于统计假设检验、财务分析以及ARMA预测模型,并采用一个扩展均值-方差投资组合模型,研究了在我国A股市场构建具有实践意义的投资组合的问题.结果表明,由本研究分析框架得到的投资组合是比较有效的,该组合的实际月收益率最小值为8.2%,且在实际的股票投资中具有较强的操作性;同时,投资组合是一个动态过程,需要根据预测和实际运行情况不断进行修正.     

基于双谱分析的内燃机曲轴轴承磨损故障的诊断研究

引入高阶统计量诊断曲轴轴承磨损故障,在EQ6100汽油发动机上模拟设置四种曲轴轴承间隙,并应用双干谱、双谱对振动信号进行了分析比较,结果显示双谱有效地抑制了噪声影响,较好地对曲轴轴承四种磨损状态进行了分类和识别,并揭示了非线性相位耦合随曲轴轴承磨损状态的变化规律;而运用双谱沿频率ω1=ω2的对角切片提取了曲轴轴承磨损故障诊断的特征参数,并有效地诊断了该故障.     

基于GA遗传算法的ARMA模型的辨识方法

提出一种基于浮点数编码遗传算法的系统辨识方法,融合和改进了一些遗传操作,并把该方法应用于有噪声背景下的ARMA模型参数的辨识。实验表明,该方法可有效地克服噪声干扰,可获得系统参数的无偏估计。     

ARMA模型离群值的识别

给出了ＡＲＭＡ模型中离群值的一种估计方法与计算步骤，对若干组数据进行了验证的表明，所给方法行之有效。     

ARMA模型参数的分步估计方法

提出了一种ARMA模型的线性估计方法，这种方法通过两次AR模型的估计来实现ARMA的估计。讨论了一维时间序列开环系统、闭环系统的辨识方法及定阶问题。仿真结果表明该方法具有良好的准确度和可靠性，可直接用于结构状态监测。     

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.     

图模型方法及ARMA模型检验

应用图模型方法来研究时间序列中的因果关系,并以ARMA(1,1)时间序列为例作了说明.将ARMA模型表示成混合图,证明了ARMA模型的系数就是在移去了时间序列中其他成员的线性效应后的偏相关系数.这样就可运用通常的图模型推断算法来做参数估计和预测.与传统的对ARMA模型的检验法相比较,该方法既直观又易于计算.     

基于ARMA模型的高速公路养护与管理资金需求预测

摘要：近年来高速公路建设日新月异,而高速公路的养护管理和养护工作却相对滞后不能适应高速公路的飞速发展的需要。本文以1995年至2009年间的天津市高速公路数据为样本,使用现代时间序列分析的ARMA模型对养管资金的需求做了预测,与先验预期的观点不同,研究的结果表明高速公路养管资金的需求在相对较长的一个时期内将保持稳定的增长状态而非由于使用年限的增加导致单位养护成本越来越高;研究认为高速公路筑路技术的提高使得我国高速公路的有效使用年数在增长。     

肺音信号非高斯ARMA模型及双谱研究

应用高阶累积量方法，从肺音信号辨识肺胸系统的ARMA模型参数.分别在肺胸系统正常和异常的情况下，对肺泡呼吸音、哮呜音和喘钟呜音进行了分析。实验结果表明，高阶累积量能够很好地抑制高斯噪声，并能提取由于肺部机能异常引起的肺胸系统声传递函数的变化，对肺胸系统自动分类、识别和肺部疾病的快速诊断具有重要价值。     

基于电弧声ARMA双谱分析对熔滴过渡类型SVM模式识别

运用电弧声对熔滴过渡模式进行识别,获取不同熔滴过渡的电弧声信号,利用ARMA双谱对不同熔滴过渡的电弧声进行分析,并提取其特征向量,采用支持向量机(SVM)方法对所获得的特征向量进行模式识别,由此成功地识别了各种熔滴过渡类型.     

基于双谱分析的齿轮故障诊断研究

针对不同上齿轮的振动信号具有不同的高斯性和对称性的特点,利用三阶累积量的性质,对双谱分析用于轮故障诊断的方法和物理意义进行了研究。采用双谱估计的直接算法,给出了正常、裂纹和断齿三种不同状态的齿轮信号的双谱的等高线图,成功地对三种不同状态的齿轮进行了鉴别。同时,利用上述双谱中的一个“对角切片”Bx(ω,ω）将齿轮信号进行分离,发现不同状态下“对角切片”Bx(ω,ω）的谱线分布具有不同特点,进而实现了不同状态齿轮的自动识别。     

基于双谱的模糊聚类滚动轴承故障诊断

为了能准确可靠地判别出机械设备中滚动轴承的故障类型,基于双谱能表征随机信号偏离高斯噪声程度的特性,提出一种模糊聚类的滚动轴承故障诊断方法。基于滚动轴承运行过程中监测到的振动信号包含高斯噪声且具有非高斯、非线性特点,该方法在分析高阶谱理论的基础上,对双谱估计特征值进行阈值化处理,构成二值特征图并构造模板,通过测试样本与目标模板之间距离大小来进行不同类别的判断,实现对滚动轴承故障的诊断。经实例验证,该方法有效实现了对滚动轴承故障的分类判别,并提高了判别的可靠性和准确性。     

ARMA模型参数的拟线性估计方法

提出了一种ARMA模型的线性估计方法,这种方法通过两次AR模型的估计来实现ARMA模型的估计.     

一种基于向量的鲁棒ARMA系统辨识器

提出一种新的基于向量方法的自回归和运动平均(ARMA)模型系统辨识器,并给出了其参数的统计分析模型.应用结果表明,向量ARMA算法和最小二乘法LS算法相比,在一定条件下,其预测误差精度提高了约1.2 dB;且该系统模型不受分离向量参数的影响.使用非线性函数核,系统将会成为一个鲁棒的非线性辨识过程.     

基于FCM和FSVM的说话人辨认

针对经典支持向量机对非目标样本没有拒绝能力,且应用于说话人辨认时存在不可分区域的问题,提出一种基于模糊C均值聚类和模糊支持向量机的多级模糊说话人辨认方法。首先利用模糊C均值聚类方法对特征向量进行聚类,减少样本的数目,加快模糊支持向量机训练速度。最终由FSVM得出判决结果。并通过仿真实验验证了该方法的有效性。     

基于辨识模型的非线性网络故障诊断方法研究

将Volterra级数解的递推算式与方波脉冲函数变换相结合,提出了一种对一类非线性动态网络的数学模型进行辨识的新型混合模型辨识法,导出了相应的混合模型辨识公式和动态响应的求解方法．并根据该法所得到的辨识混合模型,提出采用多重预置模型方法对非线性网络故障进行诊断的方法．该法避免了在线计算系统当前工作模型,易于实现在线故障诊断、