三重介质单相渗流数学模型

本文把单相流体在三重介质中的流动视为一更新过程,从而用新方法建立了数学模型。     

单阶段随机规划的最优性条件

本文研究了随机规划的最优性条件,得出了某个可行解为所讨论问题的最优解的充分条件。     

Modeling of Selective Availability for Global Positioning System

ＭｏｄｅｌｉｎｇｏｆＳｅｌｅｃｔｉｖｅＡｖａｉｌａｂｉｌｉｔｙｆｏｒＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ￥ＹａｏＨｕｉｈａｉ＆ＬｕｅＳｈａｎｗｅｉ（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＢｅｉＪｉｎｇＵｎｉｖｅｒ...     

OPTIMAL ADAPTIVE CONTROL WITH CONSTRAINT FOR ARMAX MODEL

For the ARMAX system with unknown coefficients the optimal adaptive control isdesigned so that the following requirements are met simultaneously:1)the transfer function from areference signal to the system output in the closed loop equals a prescribed rational function;2)under the constraint mentioned in 1)a quadratic loss function is minimized;3)the parameterestimate is strongly consistent.     

基于风险厌恶者的连续对策之随机占优均衡

一般对策理论中只把局中人为风险厌恶者作为一种隐性假定，没有给出明确的判别特征，本文在对局中人的风险厌恶态度划分阶次的基础上，引入连续对策上的t阶风险厌恶者、随机占优下的t阶最优策略和t阶均衡解等概念，研究了t阶均衡解与经典Nash均衡之间的关系，以及t阶均衡解存在的充分必要条件。得到了如下几个主要结果：（1）可用支付函数的高阶导数的符号判别任意阶次的风险厌恶者，阶次的大小对应对策参与人风险厌恶的不同程度；（2）t阶均衡解集等价于其Nash均衡解集；（3）直接用分布函数的阶次特征来识别t阶最优策略和t阶均衡解。     

自然资源利用与可持续发展的随机模型及其动态分析

将确定性条件下社会计划者关于消费和不可再生资源利用的最优决策问题拓展到随机环境中,构建了一个社会计划者的随机最优决策模型,运用随机分析方法,得到了最优资本存量的显示路径及稳态分布密度,并给出了模型的政策含义.     

带乘性Lévy噪声的随机Cahn-Hilliard方程的中偏差原理

中偏差原理是统计推断中构建渐近置信区间的重要依据之一. 本文旨在研究带乘性 Lévy 噪声的随机 Cahn-Hilliard 方程的中偏差原理. 在该方程中, 带跳噪声和高阶非线性项的耦合导致随机积分的计算较为复杂, 不易获得指数型概率估计. 本文运用经典的弱收敛方法逐一验证了两个中偏差条件, 进而建立了方程的中偏差原理.     

多输入多输出随机线性离散系统的在线测辨

本文讨论多输入多输出(MIMO)随机线性离散系统的在线测辨问题。根据Luenberger标准型的稳态Kalman滤波表示提出了一套在线测辨方法,即用残差法的结构测辨和递推增广工具变量法(REIV)的参数估计。本文给出了残差平方和的递推算式,并证明了如果采用本文所提出的工具变量,那末REIV算法是渐近无偏的。最后,我们还给出了计算机模拟算例,说明本文所提出的在线测辨算法是行之有效的。     

一类随机系统的EK滤波

本文给出一类含时变未知参数的随机系统,在系统状态噪声与量测噪声于有限时间区间上相关情况下的广义卡尔曼滤波递推公式。     

Should fixed coefficients be re-estimated every period for extrapolation?

This paper demonstrates that forecast accuracy is not necessarily improved when fixed-coefficient models are sequentially re-estimated and used for prediction, after updating the database with the latest observation(s). It is argued that although sequential estimation may minimize the variances of predictors based on some classes of estimators, sequential estimation does not necessarily yield accurate predictions (i.e. predictions that are close to actual realizations). Minimizing the mean squared prediction error about the actual realization is a necessary condition for maximizing the probability that one predictor is more accurate than others. This minimization need not require, and may even exclude, the most recent data. It has been shown by an example that a prediction based on a nonsequential estimate of a stochastically varying coefficient model is superior to predictions based on several sequential estimates of the fixed-coefficient models, including a random walk model.