混合次分数布朗运动跳扩散环境下可转债定价研究

【目的】为了体现可转债标的资产长记忆性和跳跃性的特点,解决资产收益率增量的不平稳性,提出混合次分数布朗运动跳扩散环境下可转债定价模型。【方法】首先令可转债标的资产的价格变化符合混合次分数布朗运动跳扩散环境;然后利用随机分析理论和随机偏微分方程方法,推导出混合次分数布朗运动跳扩散环境下可转债定价模型,并进一步给出定价模型的参数估计方式;最后运用遗传算法估计参数,选取国内可转债市场的实际数据进行实证分析,结合不同定价模型做对比分析。【结果】本模型对实际价格的拟合效果比传统的布莱克-斯科尔斯模型均方误差平均减少0.34%;通过对遗传算法得到的参数进行定价的拟合效果,比使用历史数据得到的参数进行定价的拟合效果,均方误差平均减少约0.31%。【结论】本模型能在实际市场上为可转债的首日及每日定价决策提供较可靠的理论依据。     

黏土路基回弹模量预测及贝叶斯模型选择研究

【目的】确定黏土路基回弹模量的最优估计模型,实现黏土路基回弹模量的准确预测。【方法】采用贝叶斯高斯过程回归方法,建立了路基土的围压、偏应力、含水率以及干重度与路基回弹模量之间的定量关系,实现了高斯过程回归参数的准确估计与最优影响因子组合的客观选择,在模型的复杂度与拟合程度之间达到了自动平衡。【结果】基于所提出的贝叶斯高斯过程回归方法可准确预测路基的回弹模量,所选最优模型的决定系数(R²)和平均绝对百分误差(R_MAPE)分别达到了0.99和1.51%,与全变量模型的预测性能几乎相同。在100次随机试验中,最优模型被选择的比率达到了88%。【结论】所提出的贝叶斯高斯过程回归方法不仅可以通过路基土相关物理力学参数准确预测路基的回弹模量,还可以有效剔除冗余输入变量,在保证模型拟合程度的情况下,降低了模型的复杂度,这对模型的应用与推广具有重要意义。     

基于多核SVM的AdaBoost心力衰竭死亡率评估模型

【目的】心力衰竭简称心衰，是一种复杂的临床综合征，具有高发病率、高死亡率和预后效果不佳等显著特点，是各类心脏疾病发展的终末期，严重危害人类健康。因此，对心衰患者进行早期的预后评估研究至关重要，可以最大程度地帮助患者生存。【方法】提出一种基于多核支持向量机(multi kernel support vector machine, MK-SVM)和自适应提升算法(adaptive boosting, AdaBoost)的心力衰竭死亡率评估模型(MK-SVM-AdaBoost).该算法利用MK-SVM将特征映射到高维空间，并依据AdaBoost算法将基本分类器进行集成，实现死亡率的精确预测。同时，将合成少数过采样技术(synthetic minority oversampling technique, SMOTE)和Tomek links欠采样技术相结合的混合抽样方法引入到预测模型中，减轻不平衡数据集对模型性能的影响。【结果】在收集于白求恩医院的小型心衰数据集上进行心衰患者30 d内死亡率预测实验。实验结果表明，MK-SVM-AdaBoost模型的准确率和召回率分别达到了85.63%和86....     

复杂装备故障预测方法研究综述

【目的】阐明复杂装备故障预测内涵,指导装备主动性维修。【方法】对复杂装备故障预测研究内容、国内外研究现状以及方法体系进行调研、归纳和分析,划分并评述现有方法的适用条件和优缺点。【结果】基于知识的故障预测方法可充分利用来自相关领域专家的经验知识,但知识的获取是瓶颈问题;基于模型的故障预测方法可深入理解对象系统本质,但实际复杂装备的精确模型很难构建;数据驱动的故障预测方法依赖于大量数据,而实际应用中一些复杂装备的典型数据的获取代价很大;混合方法能克服单个预测方法的局限性,但有效的模型设计是一个难点。【结论】混合方法能更好地提高预测系统的智能性和预测性能,是复杂装备故障预测的重要发展趋势。     

基于半连续两部模型的保险损失预测

【目的】提高保险领域中保单累积损失预测的准确率。传统的Tweedie回归模型只能对非零均值建立回归模型,却不能对零概率建立回归模型,从而导致该模型的拟合效果并不理想。【方法】考虑到保单损失数据中往往包含着大量的零索赔,此时可视其为一种半连续型数据。因此,基于半连续两部模型,并考虑到累积损失中非零连续部分的分布类型,提出3种不同的累积损失预测模型,并结合一组实际损失数据进行模型对比分析。【结果】与Tweedie回归模型相比,本研究所提出的半连续两部回归模型的赤池信息准则值(Akaike information criterion, AIC)和贝叶斯信息量准则值(Bayesian information criterion, BIC)更小,具有较好的拟合效果。【结论】本研究结果可为保险领域中的保单累积损失预测提供参考。     

华北落叶松人工林直径分布预测模型构建

【目的】基于不同直径分布预测模型(Weibull分布模型、Gamma分布模型、Lognormal分布模型),构建包含华北落叶松林分因子的直径分布线性混合效应模型,有助于分析直径分布对林分因子动态变化的响应。【方法】利用塞罕坝华北落叶松人工林标准地调查数据,应用最大似然估计法(Maximum Likelihood Estimation, MLE)估计模型参数,通过K-S(Kolmogorov-Smirnov)检验、C-V(Cramer-von Mises)检验、A-D(Anderson-Darling)检验对模型适用性进行检验,基于最优模型构建华北落叶松人工林直径分布线性混合效应模型。【结果】塞罕坝华北落叶松人工林直径分布最优模型为Weibull分布;基于最优模型,构建了包含优势高、断面积、对数密度的线性混合效应模型,当3个参数随机效应方差-协方差结构和误差项结构均为对角矩阵结构[UN(1)]时,模型的拟合效果最好。包含位置、尺度、形状3参数随机效应项模型的决定系数R²分别为0.895、0.888、0.801,均方误差(MSE)分别为5.365、1.724、1.151,均方根误差(RMSE)分别为2.316、1.313、1.073,拟合结果均较好。【结论】线性混合效应模型具有较好的预测直径分布能力,可为精准预测华北落叶松人工林直径分布提供理论依据和技术参数。     

石油价格的ARFIMA模型预测研究

经检验,石油价格波动具有长记忆性,而通常用于定量预测的ARMA模型是不考虑长记忆性的．应用考虑长记忆性的ARFIMA模型对石油价格进行了预测研究,预测结果表明,ARFIMA模型的预测结果要好于不考虑长记忆性的ARMA模型．     

基于贝叶斯方法的蒙古栎林单木树高-胸径模型

【目的】贝叶斯统计法在提高参数稳定性上有较大的优势,但在森林生长模型中的应用并不多见。研究贝叶斯方法在树高-胸径模型中的应用,改进模型参数的估计方法,为蒙古栎天然林树高生长预测提供支持。【方法】以蒙古栎天然异龄林为对象,基于197块蒙古栎天然异龄林固定样地数据,采用传统极大似然法、贝叶斯法估计树高-胸径基础模型,以及极大似然法与层次贝叶斯法估计树高-胸径混合效应模型。随机抽取80%的样地数据用于建立模型,剩余的20%用于检验模型,基于基础模型与混合效应模型,利用经典概率统计法(极大似然估计)、有先验信息的贝叶斯统计法和层次贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过绝对平均误差(MAE)、相对平均误差(RME)、均方根误差(RMSE)、相对均方根误差(RMSE%)、决定系数(R²)、赤池信息准则(AIC)和偏差信息准则(DIC)指标来确定。【结果】对于基础模型,有先验信息的贝叶斯统计参数可信区间集中。对于混合模型,层次贝叶斯法估计的固定效应参数可信区间较传统方法更为集中,但随机效应参数可信区间相较极大似然法的置信区间更为扩散。使用层次贝叶斯混合效应模型的拟合效果最好,其决定系数R²为0.946。MAE、RMSE和RMSE%指标显示,层次贝叶斯法估计的模型精度最高,其次为极大似然估计的混合效应模型,贝叶斯法估计的基础模型以及极大似然估计的基础模型精度较低。【结论】层次贝叶斯统计法在拟合树高-胸径模型方面具有明显的优势,拟合效果最好,模型预估精度最高。此外,层次贝叶斯法能够以之前建立的模型结果作为先验信息而建立新的模型,是森林经营单位更新模型的可选方法之一。     

华北落叶松天然次生林树高曲线的混合效应模型

【目的】建立华北落叶松天然次生林树高曲线,为森林可持续经营提供技术支撑。【方法】基于116块华北落叶松天然次生林样地单木数据,从11个具有生物学意义的备选模型中选出一个最优基础模型。考虑地域和样地对树高曲线的干扰,基于94块样地利用带哑变量的非线性混合效应模型构建了树高曲线,并对22块样地数据进行验证。【结果】利用全部数据拟合11个备选模型,其中最优模型是Logistic方程,决定系数为0.765 3,均方根误差为3.279 4。引入哑变量和随机效应后,所建模型决定系数为0.915 2,均方根误差为1.892 2,与基础模型相比拟合精度显著提高。验证数据结果表明,带哑变量的非线性混合模型对树高的预测效果良好。【结论】样地随机效应对华北落叶松树高曲线干扰较大,当模型考虑这些随机效应对树高曲线的影响时能显著提高模型预测精度。该模型可用于华北落叶松天然次生林其他样地树高的预测。     

黑龙江省红松人工林林分乔木层可加性碳储量模型

【目的】大尺度森林碳储量的估算备受关注,而构建林分乔木层碳储量模型是一种评估森林碳储量快捷且准确的方式。【方法】以黑龙江省(东京城、林口、帽儿山、孟家岗)207块红松人工林样地数据为研究对象,选择聚合法、平差法、分解法作为构建林分碳储量模型的可加性方法,以加权回归来消除碳储量模型的异方差。采用留一交叉验证法(leave-one-out cross validation, LOOCV)对3种可加性方法的碳储量模型进行评价。【结果】基于3种可加性方法林分碳储量模型拟合结果之间存在略微的差异。聚合法的总体预测能力略优于平差法和分解法,具体预测精度排序为聚合法>平差法>分解法。当预测林分总碳储量时,3种可加性方法在不同林分断面积区间的预测能力表现并不一致。【结论】基于聚合法的林分碳储量模型更适合于黑龙江省红松人工林的碳储量预测,但当预测红松人工林的林分总碳储量时,应根据林分断面积区间选择合适的可加性方法。     

基于TLS数据的杨树削度方程建立及材积估算

【目的】削度方程可以很好地描述树干直径随树高变化的情况,基于地基激光雷达(terrestrial laser scanner, TLS)的高精度三维点云数据建立准确的削度方程并进行立木材积估算,对活立木尺度的材积估计具有重要意义。【方法】以江苏省黄海海滨国家森林公园杨树人工林为研究对象,获取4块样地的TLS点云数据,通过MATLAB 2020a软件计算点云平坦度和法向量以提取单木主干,采用圆拟合方法进行不同高度处的直径拟合,利用32株样木的数据,选取6种削度模型进行建模,得到杨树树干削度方程最优拟合模型,并进行材积估算。【结果】利用TLS数据提取的胸径能替代实测胸径,其平均误差小于0.90 cm。通过对6种模型的拟合优度检验,Schumacher and Hall模型为该地区杨树削度方程最优拟合模型,模型的决定系数R²=0.984,均方根误差为1.00 cm,相对百分误差为2.79%,平均预估误差为0.271%。利用Schumacher and Hall 削度方程最优拟合模型进行活立木材积的估算,经与二元材积方程估计结果进行对比,其相对差异为3.34%,二者在统计上无显著差异。【结论】该方法可以减少地面调查对树木造成的永久性破坏,为人工林的蓄积量调查提供有效的技术支持。     

基于稀疏优化的智能电表误差估计方法

【目的】利用改进动态线损和稀疏优化方法研究智能电表运行误差估计。【方法】首先,考虑电表误差的稀疏性,加入稀疏正则项,对动态线损模型进行改进,提高误差估计的精准度;进一步地,利用交替方向乘子法改进设计迭代算法,交替求解改进动态线损模型,获取智能电表误差估计结果。【结果】利用Matlab和实际数据进行数值仿真实验,验证所提方法的有效性。【结论】通过分析线损率与计量误差估计的耦合关系,提高了误差估计的精度。与动态线损模型对比,本文所提方法的检测准确率更优。     

基于线性分位数组合的兴安落叶松冠幅预测

【目的】 使用线性分位数回归和分位数组合对兴安落叶松(Larix gmelinii)冠幅进行建模和预测,为准确模拟和预测冠幅生长提供技术支持。【方法】 利用大兴安岭兴安落叶松天然林实测数据,采用线性回归和分位数回归构建基础和多元冠幅模型。比较7种分位数组合:三分位数组合(τ=0.1, 0.5, 0.9和τ=0.3, 0.5, 0.7)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9和τ=0.3,0.4,0.5,0.6,0.7)、七分位数组合(τ=0.1,0.2,0.3,0.5,0.7,0.8,0.9和τ=0.1,0.3,0.4,0.5,0.6,0.7,0.9)和九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)的预测效果。分析4种抽取方案(随机抽样、选择最大树、平均木、最小树)和9种抽样数量(1~9株)对预测精度的影响。同时使用K折交叉验证对线性回归、最优分位数回归和最优分位数组合进行比较。【结果】 线性和分位数回归都能对冠幅模型进行拟合,中位数回归的拟合结果与线性回归相似,且在所有分位数中拟合能力最好。多元冠幅模型和分位数回归的拟合及检验效果都优于基础模型,冠幅与胸径和样地平均高(立地质量)呈正相关,与枝下高(树木大小)和样地内落叶松断面积(竞争)呈负相关。使用分位数组合可以提高模型的预测能力,7种分位数组合的差异很小,三分位数组合(τ=0.3, 0.5, 0.7)的预测能力最好。对于基础和多元分位数组合在实际应用时,最优抽取方案都为选取最大树,每个样地建议选取6株样木。【结论】 基于线性分位数组合的冠幅模型可以提高预测精度,建议使用三分位数组合和选取最大树及抽取数量为6株的方案对冠幅进行预测。     

杉木人工林与年龄无关的优势高生长模型

【目的】地位指数法是森林立地质量评价常用的一种方法, 优势高又是地位指数模型中重要的参数。本研究以杉木优势高生长为切入点,使用与年龄无关方法建立杉木人工林的优势高生长模型,模拟在林分年龄未知的情况下预测杉木人工林优势高。【方法】利用福建省将乐国有林场杉木人工林的65个固定样地连续观测数据,基于Richards方程、Lundqvist-Kolf方程和Hossfeld方程3个树高生长方程,使用与年龄无关的方法建立了9个优势高生长模型。模型检验使用决定系数、平均误差和均方根误差3个统计指标来确定最佳模型。【结果】构建的9个优势高生长模型都具有较好的拟合优度,其中以Hossfeld方程为基础方程,以参数a作为林分因子扩展参数推导而来的模型为最佳模型,而且模型参数年龄差Δt越小,模型预测精度越高。【结论】与年龄无关的地位指数模型能够准确地拟合和预测优势高生长。在异龄林中或林分年龄难以获得时,建议采用与年龄无关的地位指数模型来评估立地质量。     

基于数据差异的Lee-Carter模型的估计与应用

Lee-Carter模型是死亡率预测中最常用的模型,鉴于我国人口死亡率数据的来源差异,在Lee-Carter模型的参数估计中纳入数据质量因子,对不同数据质量的数据分配不同的权重,然后利用极大似然法得到各参数的估计值.在此基础上,对中国男性人口死亡率的Lee-Carter模型各参数进行估计与预测.     

基于高频数据的时变VaR建模和预测研究

提出了VaR时间序列动态预测的方法.首先以上证综合指数和深证综合指数日内分钟数据为基础,根据不同方法计算出每日VaR值,然后给出了VaR时间序列的统计特征,包括平稳性和长记忆性,最后对VaR序列建立ARMA模型和ARFIMA模型,并比较了两种模型预测效果.我们的结果表明:1)基于德尔塔正态法的VaR序列其ARMA模型预测效果好于历史模拟法和蒙特卡洛模拟法的预测效果;2)尽管VaR序列存在长记忆性,但所有VaR序列的ARMA模型预测效果好于ARFIMA模型的预测效果.     

用户在线行为的记忆性研究

用户在线行为的记忆性研究有助于揭示用户在线行为特性,构建更准确的在线行为预测模式,对基于在线行为的网络安全防御和信息推荐都具有重要的意义。基于收集的某高校网关日志数据,首先分析了用户在线行为中的记忆特性。研究发现用户的在线行为具有较强的记忆性,其分布服从高斯分布。其次,定义了用户在线行为的记忆长度,统计发现其在个体水平和群体水平上都呈现幂律分布,表明用户的在线行为存在长期记忆。据此建立了马尔科夫过程模型,仿真重现了用户上网行为的记忆性特征。研究结果表明用户的在线行为不仅具有记忆性,而且这种记忆性可以为用户在线行为模式的构建提供指导。     

基于改进灰色马尔可夫模型的花生产量预测

【目的】为了提高花生产量的中长期预测精度,提出一种改进的灰色马尔可夫模型。【方法】首先,以中国2010—2020年花生产量数据为研究样本,在传统灰色模型的基础上进行加权滑动平均处理,建立滑动灰色模型;然后,利用马尔可夫链对预测结果进行修正,得到滑动灰色马尔可夫模型;最后,采用新陈代谢的思想,对原始数据序列做等维新息处理,构建新维滑动灰色马尔可夫模型。【结果】新维滑动灰色马尔可夫模型的平均相对误差比滑动灰色模型和滑动灰色马尔可夫模型分别降低了80.00%和48.89%,并预测出未来5年中国花生产量将以2%左右的增长率增长。【结论】本研究结果可为其他农作物产量预测提供一种科学合理的思路。     

应用Chrastil缔合模型计算元素硫在酸性气体中的溶解度

为了应用Chrastil缔合模型准确地计算元素硫在酸性气体中的溶解度,以现有文献中元素硫在酸性气体中的溶解度实验数据为依据,对前人采用的2种Chrastil模型系数拟合方法的Chrastil模型预测硫溶解度的效果进行了分析。结果表明:采用第一种拟合方法得到的Chrastil模型系数不能用来进行元素硫溶解度预测;而采用方法二得出的模型系数,可以预测溶解度随气体密度的变化趋势,但其预测误差偏大。为此,针对第二种拟合方法提出了一种计算Chrastil模型系数的改进拟合方法(二重变量循环法)。实例应用结果表明:在所研究的温度压力范围内,改进后的拟合方法使Chrastil缔合模型在预测精度上有较大幅度的提高,拟合的相对误差小于5%。     

基于MEG虚相干功能连接的阅读理解能力预测模型的研究

【目的】阅读理解是人类最重要的认知能力，评价人类的阅读理解能力需要客观指标。【方法】提出一种基于脑磁图(magnetoencephalogram, MEG)虚相干脑功能连接的预测模型，使用虚相干算法构建全脑MEG功能连接，并通过单变量特征选择算法对特征进行选择，采用偏最小二乘回归(Partial Least Squares, PLS)构建预测模型对阅读理解能力进行预测。【结果】基于MEG虚相干功能连接的偏最小二乘回归模型可以成功预测阅读理解分数；进行单变量特征选择的模型预测性能更高、预测更准确(R²[PVT-Language]=0.524,MSE[PVT-Language]=5.042;R²[ORRT-Language]=0.536,MSE[ORRT-Language]=5.142),并且发现采用与阅读理解相关的任务态数据集比静息态数据集更适合用来预测阅读理解能力，且特征选择的功能连接更精确。【结论】基于MEG虚相干功能连接的PLS预测模型可以用来客观评价人类阅读理解能力。