关于最小二乘法的参数估计问题探讨

数学建模中经常要用最小二乘法进行参数估计,本文介绍了用最小二乘法进行参数估计的原理,以及在计算机上如何估计参数.     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

最小二乘法原理及其简单应用

最小二乘法是从误差拟合角度对回归模型进行参数估计或系统辨识,并在参数估计、系统辨识以及预测、预报等众多领域中得到极为广泛的应用。然而,最小二乘法因其抽象、难懂常常被大家所忽视。本文就最小二乘法的引入,原理的证明,简单的应用进行归纳和总结,使读者对最小二乘法有更为清晰、系统、全面地认识。     

增广最小二乘限定记忆参数估计算法与仿真

最小二乘法可用于动态系统、静态系统、线性系统和非线性系统的参数估计,可用于离线估计,也可用于在线估计;文章在增广最小二乘递推算法的基础上引入限定记忆方式,获得了增广最小二乘限定记忆参数估计递推算法(RFMELS),解决了增广最小二乘递推算法的数据饱和问题,仿真结果表明了RFMELS算法的有效性.     

简单线性回归模型的分离参数估计方法

最小二乘法的参数估计方法虽然体现了拟合结果的整体优化特征，却没有体现出各参数估计量的自身统计特征，对此本文给出一种新的参数估计方法，同最小二乘法相比，该方法得到的参数估计值受统计数据的影响最小，文中还讨论了参数估计值自身具有的线性和无偏性。     

采用数据变尺度不改变最小二乘法的统计性质

采用数据变尺度法可保证递推最小二乘法的收敛性和数值稳定性,证明了数据变尺度不改变最小二乘参数估计值和它的统计性质。     

AR模型参数的抗差估计研究

实时校正一般以实测洪水流量为校正依据.研究实测洪水流量过程出现异常值时,采用抗差递推最小二乘法代替传统递推最小二乘法估计AR模型参数,能获得更稳健的参数结果.将闽江七里街流域的洪水资料人工生成异常值,对采用抗差递推最小二乘法和传统递推最小二乘法所得的校正结果进行比较,结果表明抗差递推最小二乘法具有更强的容差能力,是一种稳健的参数估计方法.     

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．     

利用最小二乘法复原2m弦测轨道波形

本文概述了2m弦测法测量轨道不平顺的原理和利用最小二乘法进行轨道波形复原的算法,基于2m弦测法的原理,着重分析了最小二乘法的2m弦测波形参数估计原理和方法,并进行了模拟仿真.     

最小二乘法在罐容表变位标定中的应用

最小二乘法在参数估计中起着举足轻重的作用,应用数学建模竞赛中储油罐变位标定问题中的相关数据,运用最小二乘法的方法完成罐容表变位标定工作,并对其进行定期校对,以保证其测量的准确度.     

参数估计的数值解析法

对目前参数估计的方法进行了总结与对比.针对不完整数据参数估计时的情况,分析了目前关于参数估计方法存在的问题.利用Matlab求解非线性方程,提出了一种高精度数值解析法.利用少量的实验数据便可求出一组参数的解,然后排列组合试验所得到的数据,可以求出多组参数的解,求解多组参数的平均值,从而得到参数的精确解.并以两种工程中常用的拟合函数正态分布和威布尔分布为例,列出了数值解析法的具体求解步骤,通过与极大似然法的比较,验证了本文方法的可行性.     

中厚板双机架串行生产线参数摄动的周期估计

为了解决一类中厚板双机架串行生产线参数摄动条件下周期值估计的问题,在建立该系统极大代数意义下的状态空间模型的基础上,采用一种系统参数摄动时周期值的估计方法,对实际系统的周期值进行了估计.研究结果表明,该方法与实际计算的周期值相比,计算量小,能够有效地估计出带有参数摄动的串行生产线的周期值的上界,并对串行生产线的轧制工艺提出了改进方法,防止串行生产线因参数摄动而发生阻塞,提高了串行生产线的安全性.     

关于渐近中位无偏估计的渐近效率(英文)

本文在几种重要的分布族中,给出了渐近中位无偏估计的渐近效率的一种定义。给出了如下一些结果：在单参数族中,提出了构造渐近有效的渐近中位无偏估计的一种方法,在具有共同支撑集的分布族中,论证了渐近中位无偏有效估计与ＢＡＮ估计之间的等价值;而在非共同支撑集的截断族中,对一般的参数向量函数构造了它们的渐近中位无偏估计,并且计算出了它们的渐近效率。     

可识别联立方程组模型的一种参数估计方法

在可识别的条件下构造出一种线性联立方程组模型中参数估计方法.该方法具有相合性和渐近正态性,并且比二步最小二乘法计算量小.数据模拟结果表明,我们所提方法在某些方面好于间接最小二乘法,其估计精度接近于二步最小二乘法和三步最小二乘法.     

非线性系统辨识的递推-迭代方法

所提出的辨识新方法,以递推最小二乘(RLS)参数估计与非线性规划(BFGS)为主体。其测量数据的部分新息由RLS利用,而另一部分新息则通过BFGS加以采用。通常RLS只能递推地得到“粗略的”参数估计值,而BFGS则迭代地精确化参数的估计值。该辨识算法用于线性系统时,可以提高参数估计值的精度,改善收敛性。另外,该算法中的非线性迭代最优化过程可以克服非线性效应,参数估计值的精度和收敛性可以得到改进,这已由数字仿真验证。     

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     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

关于EWMA模型的参数研究

EWMA(Exponentially Weighted Moving Average)即指数加权平滑模型,在预测学、技术经济、质量控制等问题中有广泛应用;但关于其参数的研究却很少见到,有的则硬性规定参数值.本文讨论参数问题,并给出了求取参数的方法.     

一般虚拟系统法

对于估计系统可靠性的置信下限,虚拟系统法在水平相合性及渐近有效性等方面较大地改进了Ｌ－Ｍ方法。一般虚拟系统法用于基系统的有关数据估计任何子系统参数,得到的估计量是渐近有效的,而且构造的参数置信下限既是渐近有效的,也是水平相合的。     

城际客流分担率估计的信息扩散方法改进

针对城际铁路客流分担率估计中存在信息不完备、致使运用参数方程求解很困难的情况,提出了运用改进后的信息扩散方法对客流分担率进行估计,又用数据验证了改进后的估计精度有所提高.