幂函数自回归模型的自回归分析

将回归模型的回归分析推广到幂函数自回归模型的自回归分析,获得了幂函数自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

自回归模型的自回归分析及其应用

将线性回归分析推广到7种自回归模型的自回归分析,获得自回归模型参数的估计公式、估计标准误公式、变量的区间估计公式、总体自回归系数的检验统计量.通过实例分析论证了自回归模型的应用.     

对数函数自回归模型的自回归分析

将回归模型的回归分析推广到对数函数自回归模型的自回归分析,获得了对数函数自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

线性自回归模型的自回归分析

将回归模型的回归分析推广到线性自回归模型的自回归分析,获得了线性自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量。     

S型曲线自回归模型的自回归分析

将回归模型的回归分析推广到S型曲线自回归模型的自回归分析,获得了S型曲线自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

变参数自回归模型

对以往的灰色模型和自回归模型作了改进，给出了变参数自回归模型，并对其自激励型和自抑型系统内部作用变化进行了刻划。     

变参数目回归模型

对以往的灰色模型和自回归模型作了改进，给出了变多数目回归模型，并对其自激励型和自抑制型系统内部作用变化进行了刻划。     

自回归模型在西安市日用水量预测中的应用

根据时间序列中的建模方法,对数据的平稳性检验、模型类型的识别以及如何利用偏相关定阶法确定自回归模型的阶数作了介绍.阐述了样本参数估计的LS估计方法和模型检验的χ2检验法.对西安市日用水量进行分析,得到了该市日用水量预测的自回归模型,经检验该自回归模型预测效果良好.     

油田产量预报的一种方法

本文提出一种含延迟的自回归模型。这种模型将传统的自回归模型作为其一种特殊情况,以期扩大最佳预报模型的选择范围,从而提高预报的精度。作者利用这种模型对某油田产油量数据进行了预报,并与自回归模型的预报结果作了比较,说明了本文方法的良好效果。     

中国人口预测的半参数自回归模型

提出建立中国人口预测的半参数自回归模型,基于线性回归选取的显著性变量,利用多项式样条估计得到了半参数自回归方程,并且对中国2004~2009年人口进行了预测比较,结果表明:半参数自回归模型优于一些传统的模型.此外,还对2010~2013年中国总人口数量进行了预报.     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法．重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较．结果表明，采用积分求解法所得的ＡＲ模型参数的估计精度比最小二乘法的高．     

无心内圆磨削质量控制的时序建模方法

本文就如何建立合适的无心内圆磨削工序在线X-R质量控制的AR(n)模型进行了探讨.运用自现场采集得的轴承内圈内孔精磨后的工件尺寸数据建立时间序列模型.文中还对建模时采用的数据长度和适用模型的检验标准作了深入的探讨,提出了用AR(n)模型的临界残差方差函数来确定适用模型的残差极限.     

关于双重随机时序AR（1）－AR（1）模型的渐近性

文中讨论了一类重要的非线性时序模型－双重随机时序模型ＡＲ（１）－ＡＲ（１）一ＡＲ（１）。在模型存在平稳解的条件下，我们证明了：ｎ￣（１／２）Ｘ＿ｎ－→Ｎ（０，Ｂ）。     

Auto-Regressive Models of Non-Stationary Time Series with Finite Length

To analyze and simulate non-stationary time series with finite length, the statistical characteristics and auto-regressive (AR) models of non-stationary time series with finite length are discussed and studied. A new AR model called the time varying parameter AR model is proposed for solution of non-stationary time series with finite length. The auto-covariances of time series simulated by means of several AR model sare analyzed. The result shows that the new AR model can be used to simulate and generate a new time series with the auto-covariance same as the original time series. The size curves of cocoon filaments regarded as non-stationary time series with finite length are experimentally simulated. The simulation results are significantly better than those obtained so far, and illustrate the availability of the time varying parameter AR model. The results are useful for analyzing and simulating non-stationary time series with finite length.     

RBF-AR模型在三峡水电站上网日电量预测中的应用

针对水电站上网日电量数据的非线性特征,采用状态相依自回归(state-dependent autoregressive,SD-AR)模型对数据进行描述。用高斯径向基函数(radial basis function,RBF)神经网络来逼近SD-AR模型的函数型系数,采用一种结构化非线性参数优化方法 (structured nonlinear parameter optimization method,SNPOM)来离线辨识RBF-AR模型系数,并利用此模型对数据进行预测。通过对三峡左岸和右岸水电站上网日电量真实数据进行训练和测试,并与其他经典算法进行比较,验证了RBF-AR模型在不确定条件下的预测准确性和可行性。     

正态AR（1）模型参数的极大似然估计的解析解及其讨论

在AR(1)模型中(假定R(0)=1),求出了参数R(1)的极大似然估计的解析表达式,并证明其唯一存在而且一定在平稳域中.     

随机水文模型赫斯特系数的统计规律研究

对短持续类模型中ＡＲ（１），ＡＲ（２）及ＡＲＭＡ（１，１）和长持续类模型中ＦＦＧＮ的赫斯特系数的统计规律进行了研究，结果表明：短持续性模型不能在很长的时间水平上但可在较短的时间水平上保持某一指定的赫斯特系数；而长持续类模拟可在很长或无限长的时间水平上保持某一指定的赫斯特系数值，因此在设计标准不高时，若强调模型对赫斯特系数的保持，可以采用适当的短持续模型，否则宜采用长持续类模型。     

基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证。结果表明,运用神经网络方法进行矿井涌水量预测,精度高,自适应性强,在数据不十分充足的情况下,效果尤其好于自回归模型。     

心率变异性现代谱估计对不同年龄段正常人的分析

比较了经典谱估计与现代谱估计在心率变异性分析中的应用,指出了经典谱估计具有频率分辨率低和旁瓣泄漏的固有缺点,采用以自回归模型为代表的现代谱估计对心率变异性信号特别是短时心率变异性信号分析具有优越性,并对不同年龄段正常人的心率变异信号进行了分析和比较,分析结果表明:自回归模型功率谱估计在心率变异性分析中的有效性优于当前所使用的传统谱估计方法;随着年龄增长,HRV信号总能量及各频段能量明显减少.     

基于AR模型和SVM的脑电信号分类

 基于P300事件相关电位的脑机接口（BCI）系统中,有效的P300特征提取及分类是系统开展后续工作的关键。应用时间序列自回归（AR）模型及支持向量机（SVM）算法对脑电信号进行P300分类;对10导联脑电数据分别分段,并对每段建立AR模型;采用最小二乘法进行AR模型系数估计,由估计出的系数序列构成特征向量,送入SVM进行模式分类。实验针对BCI Competition Ⅲ dataset Ⅱ数据集进行了方法验证,提出的方法在15试次情况下识别正确率达93.5%。实验及数据分析结果表明,应用SVM分类器对AR模型提取出的系数序列特征向量进行分类,具有较好的系统识别正确率,可为实现基于P300的BCI系统实际应用奠定理论和实验基础。