四次B-样条法构造国债收益率曲线

随着我国国债期限结构的不断完善,使用科学的方法构造国债收益率曲线具有重要意义。文章用一组B-样条基的线性组合逼近贴现函数,用回归技术得出最优参数,从而进一步得到国债即期收益率曲线;并用上海证券交易所数据构造出我国即期国债收益率曲线。     

取水监测数据的奇异值识别与修正策略

提高水资源监测数据的真实性与完备性是国家水资源监控能力建设的重要内容.本文基于当前国家水资源监控数据的实际统计状况,提出采用小波变换模极大值的方法实现对取用水监测数据的降噪和奇异值的挖掘,并将辨识出的奇异值进行剔除处理后的监测数据序列作为粒子群-最小二乘支持向量机模型的训练样本,进而根据拟合函数对奇异值进行修正的策略.通过对重点取用水户的取用水监测数据进行实证研究结果发现,利用小波变换模极大值可较大限度地保留取用水监测数据的原始信息,并实现对其中变动幅度偏大数据的分离,可有效降噪并观测取用水监测数据的内在变化规律;同时借助相对误差可进一步挖掘监测数据中存在的奇异值,且辨识效果要好于传统统计方法;而粒子群-最小二乘支持向量机模型对取用水监测数据的样本拟合要比普通最小二乘支持向量机、曲线拟合等方法更为有效,运用该方法修正的取用水监测数据奇异值更加符合实际取用水需求的特点.     

无网格法中一种新型权函数研究和应用

文章基于概率论和误差理论,提出了一种新的权函数——正态权函数(Normal weight function),从理论和实践上证明了它的实用、可行性。通过一维杆和二维梁实例,把正态权函数与现有流行的权函数进行比较,说明它是一种受影响域半径变化的影响较小、高效实用的权函数。最后给出了正态权函数影响域半径的确定规则。     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

基于模糊点数据的线性回归分析

在经典回归分析理论中,假定训练数据是独立同分布的随机样本,并且在回归方程的构建中是同等对待的.然而,在许多实际问题中,训练数据的作用是不同的;通常有些训练数据比其它数据可能更为重要,因而不同的训练数据对曲线拟合的贡献应该不同.人们要求重要的训练数据对曲线拟合做出更大的贡献.实现这一目标的策略是给每个训练数据赋予一个置信权重并且重新推导了经典的最小二乘回归方法,分析了它们的统计性质.受文[1]的启发,将这里的样本称为模糊点样本数据.     

基于最小二乘法的电力系统状态估计算法研究

针对现行电力系统状态估计算法中存在的各种发展潮流,重点剖析了被广泛应用的基于最小二乘法的状态估计的基本原理和改进后的几种状态估计方法,阐明了各算法的应用优势和存在的不足。对于存在不良信息系统进一步提高算法的精度和估算速度的发展方向提出了新的思想。     

约束的移动对象最近邻轨迹查询

提出了一种新的查询概念,即约束的移动对象最近邻轨迹(constrained nearest neighbor search on moving objects trajectories,简称CNNMOT)查询.针对两阶段算法分阶段处理最近邻查询和范围查询的缺陷,对传统空间最近邻算法进行了改进和扩展,使其能够合并到一步完成,并对传统的mindist定义进行了修改.实验结果表明:该改进算法能较好地克服两阶段算法的缺陷,并在数据量较大时仍保持较高的性能.     

移动数据库中支持车辆交通管理的时空模型

提出了一种用于有效管理交通,基于基本空间对象模型,紧密结合时间维的时空模型.针对当前大多数时空模型的局限性在于把复杂立体化的交通网络变成平面化的实体、导致网络分析效率不高的问题,以现有成熟的关系数据库为底层架构,采用自底向上的嵌套方式对移动对象(交通工具)和固定空间对象(交通网络、路标、区域等)进行建模,以及分层和栅格化处理交通网络的各个区域,有效地提高了时空查询和各种操作的效率.     

轴对称辐射传递逆问题的三种求解算法比较

针对轴对称光学薄火焰,用图像探测器和滤色片获得火焰的单色辐射图像,根据火焰的单色辐射强度,分别采用最小二乘法、正则化方法和线性规划法对辐射传递逆问题进行了求解.对一个轴对称乙烯扩散火焰进行实验检测,通过对三种求解方法的结果比较,表明对辐射强度较高的火焰中部和上部区域,三种方法均可获得较好的重建结果;而对于辐射强度较低的火焰下部区域,由于线性规划法同时具有光滑性和约束性的优点,可以获得较好重建结果,它对求解轴对称辐射传递逆问题是一种比较理想的算法.     

一种新的模糊神经网络删剪策略

模糊规则的数量直接决定模糊神经网络结构的复杂度和效率.基于神经网络自构行学习(NNSCL)算法,用共轭剃度预条件正则方程算法求取删除隐层神经元后的剩余权值,得到改进的NNSCL-1算法.将此算法应用到模糊神经网络的规则推理层,可以极大地优化网络的规则及结构,并且结构优化后不需要重新训练也能保持网络的精确度和泛化能力.仿真结果显示了此算法的有效性和可行性.