关于分布卷积的假设检验

讨论了依赖于经验分布函数统计量概率分布上界的估计,建立了对P(xy)形式的非参数假设检验方法。同时,在半参数密度函数比模型下建立半参数的假设检验方法。最后,从统计模拟角度比较了非参数方法和半参数方法。     

半参数估计及其与最小二乘估计的比较与分析

介绍了半参数回归分析原理,初步探讨了半参数模型在测量数据处理中的应用,并通过算例,将半参数回归分析结果与经典最小二乘估计结果进行了对比分析,分析结果表明半参数估计在测量系统误差分离方面具有良好效果.说明半参数回归分析在现代测量中有较好的应用前景.     

用有限元法计算分数和槽绕组水轮发电机的回路参数

运用有限元法进行水轮发电机磁场分析半计算了定转子回路参数；利用分数槽绕组电机的特点，提出了一种提高参数计算精度的方法。将本文的方法应用于ＳＦ２２０．５－３０／９０５０大型水轮发电机定子绕组内故障时的回路参数计算中，取得了较为合理的结果。     

应用半参数法计算石油市场风险价值

由于石油价格收益存在厚尾性特征,采用通常的GARCH参数估计风险价值(VaR)会严重低估风险,对此提出了一种半参数方法,实证表明这种半参数方法在99％的置信度下VaR的计算结果大大改善．     

纵向污染数据半参数回归模型中的强相合估计

研究了一类纵向污染数据的半参数回归模型，并在更切合实际的情况下，建立了模型参数和回归函数的估计方法，在适当的条件下，证明了所建立的估计量均具有强相合性。     

半参数方法对上证指数波动率的预测分析

根据金融时间序列一般都存在条件异方差性,本文研究了两种半参数时间序列模型的估计方法,通过实际算例对参数模型与半参数模型,以及不同的半参数模型在金融时间序列的拟合与波动率预测方面的表现作了比较。结果表明,半参数模型要优于参数模型,半参数可加模型要优于多项式样条估计模型。      

半参数回归模型局部多项式估计的渐近性质

利用最小二乘局部多项式方法建立了半参数回归模型参数分量、非参数分量和误差方差的局部多项式估计,在适当的条件下,得到它们的渐近正态性和最优收敛速度。     

三类Copula函数联接的四种分布函数模型

在金融风险的应用中,Copula函数不限制边缘分布的选择,因此,可以选用不同的边缘分布和Copula函数,以达到最好的模型效果。在研究金融资产模型时,选择一个好的边际分布同样至关重要。本文利用参数方法、非参数方法和半参数方法可以得到各种基于Copula函数的不同分布模型。     

PA误差下半参数回归模型的小波估计的弱收敛速度

利用小波估计方法研究了误差为PA序列下的半参数回归模型.在适当的条件下,得到了半参数回归模型中参数和非参数小波估计量的弱收敛速度.     

基于截断数据三角级数回归估计

将截断数据回归模型转化成半参数回归模型，基于半参数回归模型，用三角级数法估计未知参数β及ｆ。对误差分布未作任何假定，在很一般的条件下，证明了估计量β及ｆｍ（ｔ）具有均方相合性及几乎处理处处收敛性，同时证明了β具有渐近正态性，估计的表达式较为简单，实用。     

整周模糊度的一种半参数解算方法

利用罚最小二乘原理构造加权惩罚平方和,利用半参数回归模型方法解算整周模糊度,导出了模型中正规化矩阵正定时参数平差的计算方法,用直接法得到了整周模糊度的估计量,给出了相应的公式.在文章的最后,用一个实例说明了此方法的有效性.     

整体最小二乘参数估计的并行算法

基于递推最小二乘的逆ＱＲ分解方法,给出一种整体最小二乘参数估计的递推算法,并利用已获得的并行实现方法进行并行实现,最后给出了仿真结果．文中给出的并行计算方法使得在实际中应用整体最小二乘进行参数估计变得可行．     

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。     

系统参数估计的正交变换算法

就线性静态系统参数的最优二乘估计的存在性，提出一种正交变换算法予以实现。     

基于惩罚回归样条的函数导数拟合

在函数形式未知,而已知该函数的带误差的离散数据点情况下,运用基于p次截断幂基的惩罚回归样条拟合数据点,并在拟合出的曲线基础上求出函数的一阶导数。该方法将经典最小二乘法和惩罚样条方法进行结合,既考虑了拟合优度,又兼顾拟合曲线的光滑性,模拟和实际应用的例子显示此种方法效果较理想。     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。     

带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数;第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数;第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

平方振型加权模态参数整体识别法

提出了整体频响函数的新概念，以振型平方和的形式对全部频响函数进行加权组合，建立了多输入多输出模态参数的识别模型，仿真验算的分析结果表明，该方法具有精度高，一致性好，能分离密集模态和消除随机噪声等优点，可以应用于大型复杂结构的试验模态分析。     

露天矿行车事故预测方法及应用

为有效解决露天矿山行车事故预测模型建模时,易受小样本数据、离群数据规模影响,导致模型精度损失、算法抗噪容差能力及收敛速度下降等问题,提出一种基于二次惩罚项修正(PTS)的改进支持向量回归机模型(WLSSVR)。根据训练样本的数据分布特性,研究了服从露天矿山现实应用场景的二次惩罚项,进一步提高回归机模型的抗噪容差能力;考虑非线性预测模型影响因子选择困难的问题,研究了数据降维及因子分析方法,并将主成分分析方法引入到输入数据预处理算法中,以保证算法可得到理想的输入;针对传统回归机模型易受核参数选择影响,易导致模型早熟和收敛速度慢等问题,研究了粒子群惯性因子、学习因子的自适应迭代形式,提出了一种应用改进粒子群算法优化回归机模型核参数的方法。以露天矿行车事故频次预测为例,进行了预测和对比实验。实验结果表明:引入PTS模型的测试集预测结果明显优于不采用PTS策略的预测结果。这说明,应用文中提出的二次惩罚策略和参数优化算法对复杂系统的事故预测问题研究是可行且有效的。     

广义压缩最小二乘估计参数的选择准则

文［１］中提出了广义压缩最小二乘估计，并讨论了它的可容许性及在均方误差准则下的最优性．本文进一步讨论它的其它性质，提出广义压缩最小二乘估计参数选择的Ｑ（ｃ）准则，并给出按此准则选择参数的方法和引入模糊主成分系数的概念，从而在对各种有偏估计的优、缺点进行比较的基础上提出了当参数选择效果不够理想时的一些修正方法