一种改进的正弦拟合时基失真估计算法

利用采样输出估计时基失真的方法可以分为正弦拟合法和分解信号法两种。根据输入校准信号以及选择时基失真模型的不同,这两种方法各有其优缺点,且当时基失真模型不符合时,估计性能较差。提出了一种改进的正弦估计失真方法。它不需要考虑时基失真的模型,因此在时基失真类型未知或时基失真与模型不吻合时,较上述两种方法的性能更为优越。     

White noise estimation for discrete-time systems with random delay and packet dropout

This paper is concerned with the optimal and suboptimal deconvolution problems for discrete-time systems with random delayed observations. When the random delay is known online, i.e., time stamped, the random delayed system is reconstructed as an equivalent delay-free one by using measurement reorganization technique, and then an optimal input white noise estimator is presented based on the stochastic Kahnan filtering theory. However, tb_e optimal white-noise estimator is timevarying, stochastic, and doesn＇t converge to a steady state in general. Then an alternative suboptimal input white-noise estimator with deterministic gains is developed under a new criteria. The estimator gain and its respective error covariance-matrix information are derived based on a new suboptimal state estimator. It can be shown that the suboptimal input white-noise estimator converges to a steady-state one under appropriate assumptions.     

Further results on limitations of sampled-data feedback

To control continuous-time uncertain dynamical systems with sampled data-feedback is prevalent today,but the sampling rate is usually not allowed to be arbitrarily fast due to various physical and/or computational constrains.In this paper,the authors examine the limitations of sampled-data feedback control for a class of uncertain systems in continuous-time,with sampling rate not necessary fast enough and with the unknown system structure confined to a set of functions with both linear and nonlinear growth.The limitations of the sampled-data feedback control for the uncertain systems are established quantitatively,which extends the existing related results in the literature.     

基于模糊时间窗的带容积约束选址路径问题

针对现实物流配送过程中顾客存在弹性预约服务时间的特征,采用时间窗模糊化处理方法,定义客户满意度函数,准确地反映客户需求与偏好。在仓库容量约束和车辆容量约束的基础上,以总成本最小和客户满意度最高为原则,建立基于模糊时间窗的有容积约束的双目标选址-路径问题模型。构造求解带模糊信息双目标模型的两阶段模拟退火算法,算法结合了扩展的节约里程算法与改进的邻域操作,同时嵌入模糊优化程序以处理问题的模糊特征。最后进行数值实验,通过算例验证了模型和改进算法的可行性和有效性,可为实际的选址与运输决策提供重要参考依据。     

时间约束下鲜活农产品供应链应急协调契约

针对由1个生产商和n个零售商构成的鲜活农产品供应链,在考虑损耗和新鲜度的影响下,研究收益共享契约如何协调供应链应对突发事件,给出了正常情况下供应链协调模型;在突发事件引起市场需求、价格敏感系数和产品运输时间同时扰动情况下,讨论了突发事件对集权、分权供应链的影响。研究表明,当突发事件造成市场需求、价格敏感系数和产品运输时间同时发生扰动时,通过调整收益共享契约参数,可以实现对供应链的协调。     

基于符号时间序列直方图的高频金融波动预测

将符号时间序列分析方法与K-NN(K-Nearest Neighbors)算法相结合,提出了一种基于符号时间序列直方图的高频金融波动整体分布的预测方法。首先将时间序列符号化得到符号时间序列,并以符号序列直方图表示符号序列的分布,引入符号直方图时间序列的概念,采用K-NN算法得到下一个周期符号序列直方图的预测。在K-NN算法中,针对符号序列直方图的特点,提出以欧几里得范数,χ2统计量和相对熵作为选择邻居时的符号直方图序列相似度的度量方法,利用系统自身的几何特性确定符号直方图序列的嵌入维数。以上证综指5分时的高频数据检验了本文方法的预测能力。结果表明,本文方法预测所得结果整体误差均在可以接受的范围内,预测所得的分布与真实分布均值相同,但是方差较小。     

基于EMD与STSA混合方法的金融收益信息提取与预测

针对STSA方法在金融时间序列分析中的缺陷提出了运用EMD与STSA结合的改进方法。以上证指数、深证成指、建筑指数、金融指数、地产指数、上证商业6种指数的收益数据作为研究样本,利用EMD方法分解提取出一系列反映原始序列不同时间尺度信息的分量,通过对各分量进行STSA分析后发现导致原始序列多变化模式的原因。在此基础上提出了通过单一变化模式分量对原始序列变化趋势进行估计的条件和限定范围,实验结果表明,该方法在提取和分析时间序列变化模式方面具有独特的优势,具有较高的预测精度和实用性。     

沪市指数的短期尾部相依结构

短期相依和同期相依是金融资产两类主要的相依关系。应用相依结构Copula函数模型对上海综合指数收益率序列前后一个交易日的价格波动的短期相依关系的尾部相依结构进行了分析。经检验认为Clayton-copula模型能较好地捕捉沪市收益率序列的短期相依关系的变化规律;上证综合指数收益率的短期相依结构有正相依关系也包含了负相依关系,且主(副)对角线上的尾部相依结构表现为非对称的特征。     

基于GM(1,1)模型的时间序列分段表示方法

时间序列分段表示的目的是对序列进行降维,并使得处理后的数据尽可能保留原始数据特征。以较小的误差,对数据进行较高比率的压缩,是分段表示方法的目标。以往的分段方法主要用线段进行分段,在数据拟合时,存在较大的误差。本文利用GM(1,1)模型的单调变化性质,在拟合误差阀值的限制下,提出了一种基于GM(1,1)模型的分段表示方法(GMPR)。经实验验证,得出相比以往的线性分段方法,GMPR可以取得更好的结果。     

基于专家知识的模糊时间序列预测模型及应用

将投资专家的成功经验引入模糊时间序列模型,实现股票市场走势的多步预测。根据专家经验构造多个反映市场结构特征的变量并将其模糊化为模糊时间序列;建立具有多前件、高阶模糊关系的模糊时间序列预测模型;最后,将该模型用于股票指数预测。结果表明,与经典模糊时间序列模型相比,其预测精度有了较大提高。