时间序列建模中滞后阶数选取准则函数的检测效力及其特征

研究了时间序列建模中滞后阶数选取准则函数的检测效力及其特征.采用Monte-Carlo模拟对于所有的1阶和2阶自回归模型进行了系统仿真,研究结论表明:1)随着样本容量的逐渐增大,SIC准则函数正确判断出平稳序列滞后阶数的概率将显著增大,并渐近依概率收敛到1,而AIC准则函数正确判断出平稳序列滞后阶数的概率将逐渐增大,但并不能依概率收敛到真值.2)在其它外界条件不变情况下,所有准则函数正确判断概率与序列的平稳性无显著变化关系.3)样本容量越小,AICC检测效力越显著高于SIC、AIC检测效力;随着样本容量的逐渐增大,SIC检测效力逐渐高于AICC、AIC检测效力,但此时AICC、AIC检测效力相当.     

基于OLS退势的单位根检验

研究了不同情形下OLS退势单位根检验统计量的性质.推导了检验统计量的渐近分布,同时,运用蒙特卡洛试验模拟了有限样本容量条件下检验统计量的分位数,在拟合分位数关于样本容量响应面函数的基础上,给出检验统计量不同样本容量条件下8个百分位数的估计值,为OLS退势单位根检验提供理论依据和检验用临界值表.     

面板数据下的EG两步法

针对文献中将时间序列模型的EG两步法直接应用到面板数据模型这一现象,推导了面板数据中使用EG两步法的极限分布,进而指出在面板数据中直接使用时间序列EG两步法存在的问题,并通过MonteCarlo模拟展示了这一错误应用所存在的过度拒绝零假设的后果.同时,模拟结果还表明,当前实证研究中常用的两种基于EG两步法的面板协整检验,Kao协整检验和Pedroni协整检验均有其适用范围,对于不同的样本容量组合,两者有限样本表现不尽相同,因此,实证研究应根据样本数据的实际情况选用合适的检验统计量.此外,本文的实证结果表明,弱PPP定理在OECD国家并不成立.     

季节协整系统的贝叶斯推断

讨论季节协整系统的检验问题．提出了一种基于季节协整系统误差校正模型的贝叶斯季节协整检测方法,并通过模拟实验说明贝叶斯方法的有效性．     

向量分整序列的协整研究

Ｇｒａｎｇｅｒ关于整数阶向量序列的协整研究是为了提示序列之间存在的长期均衡关系,但该协整定义只适用于向量序列单整阶数全部相同且为整数的情形。本文给出了│ｄ│〈０．５情形下单整序列的定义及向量分整序列的协整概念,文章还就分整序列的线性协整关系进行了初步的讨论,给出了包括多维向量分整序列线性协整关系的若干结果。     

基于PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法，刻画了小样本系统的非线性协整关系，所建立的非线性误差修正模 型具有较好的预测效果，能够有效地预测小样本非线性系统.     

协整系统的贝叶斯推断

讨论协整系统的检验问题．提出一种基于协整系统误差校正模型的贝叶斯协整检测方法，并通过模拟实验说明贝叶斯方法的有效性．     

Caner & Hansen方法在协整检验中的应用研究

经济理论认为有些经济变量之间长期的均衡关系不是传统的线性协整关系,而是呈现出所谓的阈值协整关系.因此为解决传统EG两步法在检验协整(包括线性协整与阈值协整)中的低势问题,在协整检验中引入Caner & Hansen方法,且采用Monte-Carlo仿真分析该方法的检验Size性质和检验势,并与EG两步法进行了比较研究.仿真发现首先该法存在一定程度的检验Size扭曲,且在检验Two-Regime的阈值协整时具有比检验Three-Regime的阈值协整较小的Size扭曲;其次Sup - R1T统计量在"持久性(Persistence)"很强时,具有比EG法高的检验势.     

部分协整型协整变结构检验

提出了变结构协整的定义及分类．将变结构协整分为3种类型：参数变化型协整，部分变化型协整和机理变化型协整．对于第2种类型变结构协整问题提出了基于Chow检验统计量的3种变结构协整检验和建模方法．给出长期方差为常数和长期方差存在漂移的情况，在最大Chow检验，平均Chow检验和指数Chow检验下统计量的渐近性质和极限分布．     

道琼斯工业指数与纳斯达克指数的非线性协整分析

首先对道琼斯工业指数进行分整分析,长记忆的道指被分数维差分得到平稳时间序列;进而对纳指也进行分数维差分.由于两指数的分整阶数不同,故不存在线性协整关系,所以,文章着重讨论两指数的非线性协整关系.     

发酵过程混合神经网络模型及其仿真

提出了一种新型的发酵过程混合神经网络模型，该模型由非线性神经网络和线性神经网络两部分组成，由于非线性神经网络采用结构具有线形式的Flat网络，两个网络能够合并为同一表达式，并具有线性形式，可采用线性最小二乘法求解网络权值，与串联结构及串并联结构混合神经网络模型相比，该模型训练方式简单，并可方便地使用在线辨识算法。     

China’s energy consumption forecasting by GMDH based auto-regressive model

It is very significant for us to predict future energy consumption accurately. As for China’s energy consumption annual time series, the sample size is relatively small. This paper combines the traditional auto-regressive model with group method of data handling (GMDH) suitable for small sample prediction, and proposes a novel GMDH based auto-regressive (GAR) model. This model can finish the modeling process in self-organized manner, including finding the optimal complexity model, determining the optimal auto-regressive order and estimating model parameters. Further, four different external criteria are proposed and the corresponding four GAR models are constructed. The authors conduct empirical analysis on three energy consumption time series, including the total energy consumption, the total petroleum consumption and the total gas consumption. The results show that AS-GAR model has the best forecasting performance among the four GAR models, and it outperforms ARIMA model, BP neural network model, support vector regression model and GM (1, 1) model. Finally, the authors give the out of sample prediction of China’s energy consumption from 2014 to 2020 by AS-GAR model.     

基于神经网络技术的飞机舵面故障趋势预测研究

在飞机舵面故障诊断系统中,及时准确的故障预报对提高飞机的安全性具有极其重要的意义,针对飞机舵面故障预报系统的设计要求,建立了神经网络故障预测模型以及训练算法,该预测模型采用三层BP网络模型,还对神经网络的预测精度给出了评价函数.最后,为了验证所述方法的有效性,结合风洞实验数据,对某机舵面故障模式之一的方向舵卡死进行了预测和分析,并与传统的ARMA方法进行了比较,结果充分表明了该神经网络预测模型的有效性和优越性.     

黄河三角洲农业生产决策模型

为探索农业生产决策的新方法,以黄河三角洲为例,通过建立农产品与农业生产投入之间的联系,构建了基于人工神经网络的决策模型。不同农产品与投入要素所具有的能量品质与等级不同,不能直接相互累加。根据能值理论,将各要素统一为可比较的同一量纲,计算得到的农业产出与投入要素的能值作为模型的输入与输出,应用径向基神经网络进行拟和分析,通过运行结果的比较,证明所建立网络相对于反向传播网络具有明显优越性。将黄河三角洲规划中2005年预期农产品产量输入构建好的模型,根据模型输出结果,得出各生产要素的具体投入量,为农业生产决策提供依据。图2,表2,参10。     

神经网络在预测编码中的应用

讨论如何有效地利用backpropagation(BP)神经网络进行预测编码。改进的BP算法可以提高BP神经网络地收敛速度、泛化能力和稳定性。一般而言 ,四层网络比三层网络具有更快地学习速度 ;二阶网络比一阶网络性能更优越。利用MATLAB程序 ,构造三层、四层和二阶BP神经网络进行预测编码。测试结果表明 ,利用规模足够大的三层BP网络进行预测编码可以取得较好效果 ;四层和二阶网络比等价的三层网络可以更有效地进行预测编码     

小样本DF统计量的分布特征

用蒙特卡罗（ＭｏｎｔｅＣａｒｌｏ）模拟方法着重研究了样本容量在５５以下的ＤＦ统计量的分布特征,并给出检验水平分别为０．０１,０．０５和０．１的ＤＦ检验临界值表并对小样本ＤＦ检验的功效作出分析．因为在有些国家以年为单位的经济时间序列的最大可观测个数并不是很大,所以小样本ＤＦ统计量分布的研究尤其有重要意义．     

基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。     

非线性挠性结构的神经网络变结构控制

针对非线性挠性结构的模态截断 ,模型不精确与不确定性 ,以及非线性特性 ,采用了神经网络与变结构相结合的控制方法 ,针对线性化部分设计变结构控制器 ,把模型不确定性以及非线性部分作为干扰 ,用神经网络辨识切换函数的实际值与理想值之差 ,该差值反映了模型与实际系统的差别。该方法对摄动具有很强的鲁棒性 ,大大减小了系统在切换面上的抖动。针对挠性结构的模态不可测性 ,以及传感器的失误概率随其数量的增大而迅速增大的特性 ,采用了神经网络观测器观测系统状态。     

舰船维修工时费率与物价指数的阈值协整关系实证研究

基于不同时期舰船维修工时费率与物价指数的波动特征,提出采用非线性阈值协整理论,建立了工时费率与物价指数的阈值向量误差修正模型,并分析模型估计、检验方法。鉴于研究对象的小样本性质,设计了基于参数化残差的Bootstrap仿真实验,实现模型的检验及估计。根据模型结果,对不同机制下工时费率与物价指数因果关系进行检验,并与线性协整假设下的检验结果进行比较。实证结果表明：工时费率与物价指数属于两机制非线性阈值协整系统,当对均衡态的偏离超过阈值时,系统向均衡态调整,并且工时费率的调整速度大于物价指数调整的速度;否则,系统不进行调整。在不同机制下,工时费率与物价指数存在不同的单向因果关系。