分位数回归及其在R中的实现

针对R中没有函数可以实现模型似然比检验、模型的拟合度等问题,编写了拟似然检验、拟合度的R代码,运用实例给出分位数回归在R中实现的一般流程,为以后分位数回归的算法研究提供了重要参考.     

国内期刊亮点

正删失分位数回归模型基于扩展兴趣信息准则的平均估计中央财经大学统计学院孙志猛结合分位数回归技术,基于删失回归模型,把Claeskens和Hjort的传统兴趣信息准侧(focusedinformation criterion,FIC)扩展到兴趣向量的情形,提出扩展的兴趣信息准则(extended focusedinformation criterion,E-FIC),有效解决了同时针对多个兴趣参数的平均估计问题,并且对     

基于Copula的回归预测

针对回归预测问题,分别引入Copula回归函数和Copula τ分位数来对因变量进行点预测和区间预测,相应的通过均方误差和区间的平均长度作为预测准确性的评价指标,最后通过实证研究并与线性回归预测做比较表明：基于Copula的回归预测方法效果更好.     

基于多时相高分一号影像的土壤湿度反演

近年来使用国产光学遥感数据反演土壤湿度已成为业内研究热点,其中利用高分一号(GF-1)影像反演土壤湿度是一种潜在的新兴手段,但应用中模型参数需要根据地域调节.为提高GF-1反演土壤湿度的准确度,将豹澥试验区2019年12月至2020年6月的GF-1多光谱宽幅覆盖(WFV)影像和地面观测站点实测数据作为数据源,以垂直干旱...     

删失分位数回归模型的经验似然置信区域

在独立同分布条件下,利用光滑经验似然方法,讨论了删失分位数回归模型参数的经验似然置信区域.     

考虑不同充电策略的锂电池健康状态区间估计

评估锂离子电池健康状态(SOH)对于电池使用、维护、管理和经济性评价都有十分重要的意义,但当前锂电池SOH估计方法多针对特定充电策略,采用确定性估计模型,无法反映电池退化过程中的随机性、模糊性等不确定性信息.为此,提出一种适用于不同充电策略的锂电池SOH区间估计方法.该方法针对不同充电策略的电池循环充放电数据提取多个特征参数,通过交叉验证自动选择针对特定充电策略的最优特征参数组合.另外,考虑到锂电池全生命期循环次数有限,属于小样本问题,提出集成支持向量回归与分位数回归优势的支持向量分位数回归模型(SVQR)进行锂电池SOH区间估计.选用放电程度较深的锂电池充放电循环数据作为训练集,对SVQR模型进行离线训练,训练好的模型用于不同充电策略下锂电池SOH在线估计.采用具有不同充电策略的数据集验证所提方法,实验结果表明：所提方法适用于不同充电策略,且估计结果优于分位数回归法、分位数回归神经网络法和高斯过程回归法.     

长春市大气环境中PM10外来源估算研究

大气颗粒物外来源解析的常用方法有后向轨迹分析法、化学质量平衡法、元素示踪法等,都是通过化学成分分析来确定源。但这类方法存在缺点,如成本高、流程长等。针对以上问题,提出一种新的量化大气环境中PM10外来源的方法,这种方法基于长春市背景站点的PM10的时间序列,通过确定本地源贡献后,利用PM10监测数据与其差值即可获得外来源的贡献量。经估算得到2011年长春市6个采样点PM10的外来源年平均贡献率从北向南逐渐降低,分别是食品厂为38.85%,客车厂为28.79%,邮电学院为24.31%,儿童公园为20.89%,净月潭为19.93%,甩湾子为37.35%。由此可以看出长春市空气污染主要来源于本地污染,为解决长春市大气颗粒物污染,改善空气质量更应该重视本地污染源的治理。     

KL分位数估计的Bahadur表示

Bahadur表示对于分位数估计的大样本性质的研究有着重要的作用,本文在独立样本的条件下,证明了KL分位数估计的Bahadur表示及其收敛速度op(k-1/2n),并通过Bahadur表示给出了其渐近正态性和置信区间估计。     

基于GF-1号卫星WFV数据反演玉米叶面积指数

叶面积指数(Leaf Area Index, LAI)是描述作物生长状况的重要生理生态参数之一.该文以河南封丘县玉米为研究对象,利用中国高分辨率对地观测系统的首发星——高分一号(GF-1)WFV数据,计算4种常用的植被指数,包括归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio,SR)、土壤调节植被指数(soil-adjusted vegetation index,SAVI) 和修正的土壤调节植被指数(modified soil-adjusted vegetation index,MSAVI).结合地面同步实测的玉米LAI数据,建立各植被指数与实测LAI的统计回归模型.结果表明：研究区玉米LAI和4种植被指数之间均有较强的相关性,其中,MSAVI-LAI的指数模型相关系数达到了0.842 6,LAI反演精度最高.使用独立的野外观测数据对模型进行验证,平均相对误差为4.85%,均方根误差(root mean square error, RMSE)仅为0.183,表明该文建立的LAI经验统计模型具有较高的精度,利用GF-1 WFV 影像可以快速、准确地监测河南封丘玉米LAI,GF-1影像用于LAI等地表参量遥感定量反演具有巨大的潜力.2014年8月中旬,封丘大部分地区玉米LAI大于4,玉米长势较好.该研究结果可为利用经验统计模型反演河南玉米LAI提供参考.     

阿拉伯数字使用规则

<正>公历世纪、年代、年、月、日和时刻必须使用阿拉伯数字。年份用四位数表示,不能简写。例如:1999年不能写成99年。日期和时间的表示采用全数字式写法。例如:2006年2月18日,写作2006-02-18或19990218或1999 02 18(年、月、日之间加半字空);下午3时9分38.5秒写作15:09:38.5或150938.5。计