ARMA模型在柱状声场反演问题中的应用

本文讨论了适用于具有对称双边响应的线性系统的自回归——运动平均(ARMA)模型及其参数估计方法。将这一模型应用于计算机综合的阵列式声波测井全波列纪录数据的频率——波数域分析的结果表明,以相当短(约1.5m)的空域纪录可获得系统频率——波数城传递函数的非常精确的估计。     

基于复杂网络的城市公交系统优化研究

为了提高城市公交运输能力和公共汽车网络的鲁棒性,需降低调度成本,将复杂系统理论应用于城市公共交通运输网络的优化.该文通过理论分析建立了公共汽车线路模型、城市公交车站模型和公交中心调度模型,并对基于复杂网络统计特征分析的相关理论进行了数据仿真.网络统计结果可以为城市公交运输网络的优化提供有效的参考,包括路径选择、交换时间和调度成本.理论分析和实验仿真结果表明,将复杂网络的相关理论应用于城市公交运输系统是可行的、有效的.     

高斯混合密度降解模型在数据流聚类中的应用

针对数据流具有数据量无限且流速快的特点，将高斯混合密度降解模型应用于数据流聚类问题，在数据流中找出有效的高斯分量，并且合并相等的高斯分量．通过采用真实数据进行实验的结果表明，此方法能够有效解决数据流的聚类问题．     

信号传递和信息甄别模型浅析及其应用

尝试将信号传递和信息甄别模型应用于风险投资．提出信号传递和信息甄别的概念，说明风险投资中逆向选择和道德风险的产生及其危害，将信号传递和信息甄别模型应用于风险投资，探索缓解或消除风险投资中逆向选择和道德风险带来的负面影响的途径．     

时间序列分析在我国财政收入预测中的应用

介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及SAS实现.将ARIMA模型应用于我国财政收入的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型.     

高斯混合密度降解模型在数据流聚类中的应用

针对数据流具有数据量无限且流速快的特点,将高斯混合密度降解模型应用于数据流聚类问题,在数据流中找出有效的高斯分量,并且合并相等的高斯分量.通过采用真实数据进行实验的结果表明,此方法能够有效解决数据流的聚类问题.     

灰色系统参数估计与不良数据辨识

针对序列中含有空穴或不良数据的情况，将参数估计与不良数据辨识理论作为数据预处理技术应用于灰色系统建模。以观测数据为依据进行参数估计，避免了常规模型将空穴处的生成数据与其余实际数据同等对待的弊端；对序列作检测与辨识，使剔除不良数据后的参数估计结果更为精确。在电力系统灰色负荷预测中的应用结果表明，这一方法在提高灰色系统建模精度方面有相当的优越性，预测结果比常规灰色模型有很大的改善。     

基于Kriging模型的地面气温空间插值研究

基于中国气象局提供的全国192个气象观测站的日均地面气温(SAT)数据,利用Kriging模型对研究区域内任意位置SAT进行插值评估.为了使应用于Kriging模型的试验数据满足弱平稳性,首先使用傅立叶级数拟合并去除原数据中的年趋势;并根据各位置的地理坐标,包括海拔和经纬度,拟合出研究区域的空间趋势.反距离加权(IDW)插值法作为比较对象也被应用于试验中.采用交叉验证的方式,将192个观测站依次作为目标点进行插值并与该站的实际数据比较,计算各站插值评估的平均绝对误差(MAE)与均方根误差(RMSE),从而比较两种方法的精确度.结果表明Kriging模型在174个观测站得到的插值结果优于IDW插值法.并且,在Kriging过程中,去除时间趋势和空间趋势对准确获取研究区域内的空间相关性起到了重要作用.     

基于反应数据的贝叶斯概率方法在恢复力模型选择中的应用

考虑模型选择过程中的不确定性,建立基于反应数据的模型选择的贝叶斯概率方法计算框架,用于选择一系列结构模型中的最有可能模型。该方法通过基于贝叶斯理论的模型参数识别方法得到模型参数的最有可能值及Hessian矩阵,对于全局可识别情况再结合渐近估计解法得到各模型的证据,进而通过贝叶斯定理得到选择各模型的概率,可以自动对过于复杂的模型进行限制。最后,将基于贝叶斯理论的模型选择方法用于采用实测滞回曲线数据的密肋复合墙试件的恢复力模型选择中,基于反应数据对选择2种恢复力模型的概率进行计算。研究结果表明:贝叶斯理论在系统识别中的应用不仅可以识别得到模型参数的最有可能值,还可以识别得到最有可能的模型,并且考虑了模型及模型参数的不确定性。     

神经网络辨识方法及其在轧钢控制中的应用

利用人工神经网络的辨识理论和方法,进行轧制过程数学模型参数的在线辨识与修正.首先对轧制压力模型和温度模型进行分析,得到适于应用神经网络进行辨识和修正的轧制模型函数形式,选择并比较最速下降、递推最小二乘及共轭梯度训练算法,实现了离线的和在线的仿真与应用.仿真结果表明,将人工神经网络应用于轧钢过程的轧制模型辨识可以大大提高模型预报精度.     

一种CCM模式下非理想Boost变换器的建模方法

开关网络平均模型法广泛地应用于理想DC-DC变换器的建模,文章将其应用于连续导电模式下的非理想Boost变换器,并应用能量守恒原理和映射原则,将开关元件的寄生参数等效到电感支路中.用此方法,可以更便利地得到变换器的低频等效电路模型,用于变换器的直流特性和交流特性的分析,仿真结果证明了该建模方法的正确性.     

改进BP网络在重组大肠杆菌高密度发酵中的应用

目的 将改进BP网络应用于重组类人胶原蛋白工程菌高密度发酵过程分析.方法 通过添加动量项和可变学习速度的方法对传统BP网络算法进行改进.结果 确定了5-9-1的网络结构,选择15组发酵实验数据对其进行训练.改进的方法对网络的收敛起到明显效果.得到的发酵过程BP网络模型收敛性和预测性能较高,平均相对误差仅2.42%.结论 该模型较传统动力学模型误差更小,更接近实验过程.     

支持向量机最优参数选择的研究

支持向量机是近几年发展起来的机器学习方法,模型选择是设计支持向量机的关键。基于高斯核函数的支持向量机具有良好的学习性能,被广泛应用于模式分类中,讨论了核函数中C和y对分类函数的影响,提出针对不同类型的数据,SVM应选用不同的核函数,同时利用二分法对核函数（C,γ）寻优,并将其应用于变压器故障诊断中,仿真结果表明该方法具有较好的性能。     

基于灰色理论与BP神经网络的交通运输量组合预测研究

交通运输量预测是公路规划与管理中的重要问题.结合灰色理论模型与神经网络的优点,基于不同的组合预测思想分别建立了加权算术平均组合、加权平方和平均组合及加权比例平均组合预测模型.利用不同的评价模型对多组数据进行了评价分析研究.结果表明,通过选择合适的组合预测模型及参数估计方法并确定最佳的模型参数,能够有效地提高预测精度.     

基于模型检测的电子商务鉴证技术

提出了将形式化验证特别是模型检测技术应用于电子商务系统的第三方验证,给出审计师选择模型检测器的方法和应用步骤.分析了验证示例,以说明模型检测技术在电子商务鉴证应用中可行性和完备性.     

Cox比例风险模型的桥估计

在经济领域和生物科学领域的研究中,经常会遇到包括有变量指标多、样本量大的数据集.一般来说,在一个复杂模型中如果包括有很多微不足道的变量,统计结果往往很难解释.因此,为了减少这种误差,在没有先验的专业知识情况下,研究变量的选择方法非常重要.Cox比例风险模型是生存分析中重要的模型之一.本文将桥估计的变量选择方法应用于Cox比例风险模型中,该方法使用的惩罚函数是p∑j=1｜βj｜γ.用桥估计方法估计未知参数和变量选择,在一定条件下,讨论了基于惩罚部分似然的桥估计方法在Cox比例风险模型中的Oracle性质,即：相合性和渐近正态性.     

一种SVM分类器自动模型选择方法

提出了一种基于粗网格与模式搜索相结合的支持向量机分类器模型参数优化方法,采用Jaakkola-Haussler误差上界作为模型选择的评价标准.以黎曼几何为理论依据,提出了一种新的保角变换,对核函数进行数据依赖性改进,进一步提高分类器泛化能力.在研究人工非线性分类问题的基础上,将该方法应用于手写相似汉字识别,实验结果表明分类精度得到了明显提高.     

一阶混合整数值二项自回归模型

首先, 针对复杂整数值时间序列数据的建模问题, 提出一类一阶混合整数值二项自回归模型; 其次, 证明该模型的严平稳遍历性, 给出模型的转移概率、 期望、 方差等概率统计性质, 并用最大似然估计方法估计模型参数； 最后, 将模型应用于消费者价格协调指数(HICP)数据的拟合中.  实例分析结果表明, 该模型比现有模型的拟合效果更好.     

灰色马尔可夫模型的改进及农业受灾面积预测应用

针对传统的GM(1,1)模型对波动性较大的数据预测精度较低的问题,进行了2次改进并分别与马尔可夫链预测相结合建立了灰色马尔可夫模型.将各模型应用于江西农业受灾面积预测,结果表明,改进的灰色模型和灰色马尔可夫模型拟合精度较传统方法均有明显提高,验证了改进的灰色马尔可夫模型的有效性.     

土的地震液化概率评估模型

基于278个土的地震液化或非液化实测数据,运用二元回归方法推导出两个对数模型.这两个模型将液化概率表示成地震荷载和土阻力参数的函数,以修正的标准贯入锤击数来量度土的抗液化能力.文中将所提出的对数模型与确定性液化判别标准进行了比较,并将模型应用于典型场地的分析.结果表明,所提出的两个对数模型能客观地评价数据中的相关信息,可直接量化基于统计数据的条件液化概率.