基于小波的回归-GARCH模型及其在外汇储备中的应用

结合小波变换、多项式回归和GARCH模型对中国的外汇储备进行分析及预测.首先利用db4小波对数据进行去噪处理,并对去噪后的数据建立多项式回归模型.由于去噪后的数据与回归模型之间存在残差,且残差具有自回归条件异方差效应,故对该残差建立GARCH模型.然后将回归模型和GARCH模型进行线性叠加,从而得到基于小波分析的回归-GARCH模型.最后将预测值与实际值进行拟合,发现拟合效果较好.充分证明了小波变换、多项式回归和GARCH模型相结合的方法在处理外汇储备这类具有明显增长趋势的非平稳时间序列时,具有明显的优越性,是一项有用的分析预测工具.     

枸杞产地的小波变换红外光谱的聚类分析鉴别

采用傅里叶变换红外光谱(FTIR)对不同枸杞样品产地进行鉴别.常规预处理方法和小波变换对红外光谱原始数据进行了预处理.对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正,说明小波变换是一种有效实用的光谱预处理方法.对已预处理后的红外光谱数据进行主成分分析和聚类分析,结果 18份枸杞样品聚为主产地和非主产地两大类,取得了较满意的分类效果.这种红外光谱技术结合聚类分析法被证明是可靠的,可作为枸杞产域鉴别的一种现代化方法.     

多小波处理图像压缩时前滤波器的设计

在应用中,对于单小波可以直接利用分解与重构公式对信号进行滤波。但是多小波是用矢量滤波器组对信号进行分解、重构。滤波对象必须是满足一定要求的矢量信号。因此,在进行多小波分解前必须通过前置滤波器对原始离散信号进行预处理得到初始矢量,然后才能进行多小波变换。同样,对重构后的数据也要进行后处理才能得到需要的结果。不同的多小波有不同的预处理和后处理方法。以GHM多小波为例,设计了多小波新的前滤波器,并将多小波通过前滤波后用于图像压缩,将其结果与单小波相比较,获得较好的结果。     

智能数据预处理在浮选过程中的应用

针对反浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种基于主元分析和模糊聚类的数据预处理算法.采用模糊C均值聚类算法得到聚类中心,进行线形回归从而对过程变量数据进行了预处理.主元分析法则用来进行辅助变量的选取和输入高维向量的降维简化,针对主元变量采用径向基函数网络建立了系统经济技术指标的预测模型.根据工业实际生产数据进行的模型校验和误差分析表明,能够满足浮选过程控制的精度要求.     

实时交通数据的噪声识别和消噪方法

以常用的交通数据———交通量时间序列的实测数据为例,给出多个噪声识别及消噪预处理的实验结果.为提高建模的准确度,采用模糊减法聚类对交叉口实测交通量进行噪声识别.对实测交通量采用奇异值分解的滤波方法进行除噪预处理,并通过训练径向基函数网络进行预测.与数据未经滤波直接训练网络相比,预测结果的平均绝对相对误差降低了3.31%.用小波变换对交通量数据进行消噪处理,即通过多分辨率的小波分解和重构来实现消噪.实验表明,若对原始交通量时间序列消噪后再建立预测模型,将获得更好的预测结果,这说明研究的噪声识别和消噪方法的可行性和有效性.     

基于神经网络的恒星大气参数自动测量

提出了一种基于神经网络的恒星光谱大气参数的自动测量方法,该方法能够根据恒星的光谱自动得到恒星的三个重要参数:有效温度Teff,表面重力log g和金属丰度[Fe/H]的估计值.首先对实测恒星光谱进行预处理,包括小波去噪,光谱波长统一化;然后通过对训练样本进行PCA分析获得特征空间变换矩阵进行数据降维;最后通过训练好的神经网络得到参数的估计值.实验结果分析表明,该方法比其它估计方法如非参数估计、支持向量回归和偏最小二乘回归具有更高的测量精度.     

基于可信度小波神经网络的多传感器数据融合方法

针对传感器数据的多样性, 提出一种基于小波和神经网络数据融合的改进方法. 首先, 对传感器数据进行预处理; 然后, 用小波和BP神经网络相结合的方法优化数据; 最后, 利用计算传感器可信度对数据进行融合. 传感器数据融合效果对比实验结果表明, 该算法针对数据预处理和数据融合的稳定性和有效性均较好, 融合结果的离散程度优于加权数据融合和Kalman数据融合等方法.     

基于可信度小波神经网络的多传感器数据融合方法

针对传感器数据的多样性, 提出一种基于小波和神经网络数据融合的改进方法. 首先, 对传感器数据进行预处理; 然后, 用小波和BP神经网络相结合的方法优化数据; 最后, 利用计算传感器可信度对数据进行融合. 传感器数据融合效果对比实验结果表明, 该算法针对数据预处理和数据融合的稳定性和有效性均较好, 融合结果的离散程度优于加权数据融合和Kalman数据融合等方法.     

一种基于小波消噪技术的平直度模式识别方法

为了提高平直度模式识别的精度,引入小波消噪技术对平直度信号进行预处理,然后采用以1次、2次、3次和4次勒让德多项式作为平直度基本模式的基于最小二乘原理的多项式回归方法进行模式识别,提出了一种计算精度高、抗干扰能力强的平直度模式识别方法。该方法能够从本质上提高平直度模式识别的精度,计算过程稳定可靠,能够为平直度控制模型提供准确的平直度信息,适合在线应用。     

用多小波对图像分解和重构

与单小波相比较,多小波同时具备诸如紧支性,正交性,对称性等诸多在信号处理中非常重要的良好性质．这决定了多小波是一种优于单小波的信号处理技术．在应用中,对于单小波可以直接利用分解与重构公式对信号进行滤波．但是多小波是用矢量滤波器组对信号进行分毹、重构．滤波对象必须是满足一定要求的矢量信号．因此,在进行多小波分解前必须通过前置滤波器对原始离散信号进行预处理得到初始矢量,然后才能进行多小波变换．同样,对重构后的数据也要进行后处理才能得到需要的结果．本文以GHM多小波为例,实现了对图像的预处理、分解和变换后的重构、后处理过程,并将解压缩后的结果与单小波相比较,获得较好的结果．     

基于回归分析方法的氢原子光谱数据处理

利用回归分析方法,对改进的小型摄谱仪测氢原子光谱实验的数据进行了处理。回归分析表明：由棱镜玻璃的折射率随波长的非线性引起的波长与位置读数的关系,如果用二次多项式表示,则显著拟合在α等于0.1水平上。故只需二次方程就能表示波长与位置的关系,由此得出氢原子光谱的波长。该方法适用于一切具有未知函数规律的数据处理问题。     

超小尺度地磁场泰勒多项式建模方法

根据实测的地磁数据,提出一种基于泰勒多项式在超小尺度下的地磁正常场的模型建立方式,结合数据处理﹑最小二乘拟合法,利用泰勒多项式模型建立超小尺度下的地磁正常场,并绘制相应的局部地磁图.经实验证明,超小尺度下的泰勒多项式地磁模型能够相对精确的描绘地磁正常场的分布.这为建立超小尺度地磁模型提供了参考,也可为小尺度内测量磁异常提供可靠的参考场.     

数据插值技术对基于遗传编程算法符号回归的影响研究

提出一种先采用样条函数插值对数据进行平滑处理,再采用基于遗传编程的符号回归方法进行数据分析的新方法。与实验补充数据的方法相比,该方法实验成本低、风险小、受环境影响小,在电力电子技术领域具有广泛的适用性和较好的应用潜力。     

海洋水文资料预处理方法研究

文章主要论述水文资料预处理的过程与任务、ADP多普勒海流剖面仪数据预处理、预处理质量控制以及水文测量数据中的异常数据判别处理方法。旨在为水文测量数据的事后处理提供理论参考,为本专业建设和拓展提供技术支持。     

Web日志挖掘中数据预处理方法研究

数据预处理在Web日志挖掘过程中起着至关重要的作用,直接影响日志挖掘的质量和结果。 文中分析了数据预处理的主要过程,并用站点首页结合动态时间阈值的方法对会话识别进行了改进。实验结果表明, 改进后的会话识别方法能更有效的识别出用户的真实会话。     

不同分子量阻燃剂迁移行为的数学模型

文章采用熵值法和平滑算法进行数据预处理,由回归分析建立了分子量影响阻燃剂迁移的数学模型。结果表明,阻燃剂的分子量对其迁移影响很大,随烘烤时间的迁移呈幂函数关系,分子量越大的阻燃剂迁移得越慢。     

缺失数据下局部M-估计的相合性和渐近正态性

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用稳健的变窗宽局部线性回归的方法,给出了回归函数m(x)的估计,并证明了局部M-估计具有相合性和渐近正态性.所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.并且使用变窗宽提高了所得M-估计的可塑性,使之能成功地处理空间非齐次曲线、异方差性及非均匀设计密度.所得估计的渐近结果为求渐近最优方案以及直接从数据估计最优变窗宽提供了理论基础.     

动态测试误差的系统建模与混合谱分析法

本文拟通过动态测试数据处理来分离测量结果、系统误差和随机误差。首先采用动态数据系统建模法(DDS)作预处理与预分析,然后主要应用逐步回归法和周期图检验法即离散谱分析法,提取非周期与周期的确定性成分,并分离出测量结果与系统误差。再对提取后的数据,应用DDS建模法作随机误差的相关分析和连续谱分析,以分离其随机性成分。必要时可借非线性最小二乘法确定两者的组合模型,面对其参数作出精确估计。该方法的分辨率与估计精确度均有所提高,适用性很广,可全部借微计算机进行实时动态数据处理及修正测试误差。     

高精度重力加速度的求法

为了进一步提高单摆测重力加速度的数据拟合精度,基于最小二乘法原理,用线性拟合法分别与指数拟合法、对数拟合法、幂函数拟合法及多项式拟合法结合使用的方法,获得了不同精度的重力加速度拟合值。计算结果表明:采用线性拟合法分别与指数拟合法、对数拟合法、幂函数拟合法结合使用时的数据拟合精度均比直接采用一次线性拟合法低;采用线性拟合法和多项式拟合法结合使用时的数据拟合精度比直接采用一次线性拟合法高;采用线性拟合法和多项式拟合法结合使用时的数据拟合精度随着多项式拟合次数的增加先提高后降低,出现了龙格现象。     

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。