基于EEMD-PSO-LSSVM的中国沿海散货运价指数预测

针对中国沿海散货运价指数(CBFI)预测对精度的要求,从内在波动特性角度出发,提出一种基于集合经验模态分解(EEMD)-粒子群优化算法(PSO)-最小二乘法支持向量机(LSSVM)的组合预测模型.对比LSSVM、PSO-LSSVM、EMD-PSO-LSSVM三种预测模型,EEMD可对CBFI序列中波动较大数据进行降噪分解,保留序列的内在波动特性,且预测精度有一定提升,预测性能更佳.     

典型相关分析方法在半干旱区作物生长系统中的应用

典型相关分析是研究两变量集间相关关系的主要方法；本文根据大田试验结果，对半干旱区主要作物春小麦的两个生长阶段中的环境因子集与作物指标集进行了典型和相关分析，在极大相关下计算得各对典型变量及其得分等；结果表明，环境因子中土壤含水率作用最大，是作物生长的限制因子；土壤速效氮贡献最高，作物指标中叶面积指数对环境条件的反应最显著。     

如何理解统计系综概念

本文对统计系综概念进行了详细讨论,并对系统概念中包含的各态历经问题作了简单说明。     

一般有理插值问题的完全解

文献[1]应用Lwner与Hankel矩阵解法得出一般有理插值问题的McMillan次数小于插值点个数N(含重数)的所有真有理解及其参数表示.沿用[1]中记号与术语,我们在本文中继续考虑这个插值问题并得到包括真与非真有理解在内的所有解及其参数表示(详情见[2]),因而完全解决该问题。给出一般有理插值问题{(x_i,Y_(ik)),i=1,…,t;k=0,…τ_i-1},其Hankel向量记为b∈Q~(N-J),N=sum from i=1 to tτ_i.设n_1,n_2为b的特征度;(p(λ),q(λ))为典型特征多项式对.令α(λ)=p(λ)ω(λ)     

费尔玛-欧拉定理的几种证明

本文应用初等数论知识及近代数学工具,对整数论中著名的费尔玛-欧拉定理,给出较完整的异于传统的几种证明。     

线性多变量系统的辨识规范型及结构辨识算法

从线性多变量系统状态空间规范型导出了系统的新输入输出辨识规范型，该模型直接与系统的输入输出数据相联系，且待辨识的参数较少，与现在的Ｇｕｉｄｏｒｚｉ辨识模型相比，大大减少了各子系统输出间的重迭（ｏｖｅｒｌａｐｐｉｎｇ）数目。给出了确定其结构指标的算法。数值实例表明了算法的有效性。     

贝叶斯模型平均及其在北京降雨预报中的一个应用

贝叶斯模型平均(Bayesian Model Averaging:BMA)是动态建模中融合集合预报信息的一种重要统计后处理方法.本文首先系统论述了BMA的建模分析过程,包括模型架构、参数估计方法、训练期的选择准则以及典型预报分布的抽样原理.然后,结合北京市2011年5—8月份逐日累积降雨量实例,我们详细描述了BMA的实现过程.实例分析结果表明,BMA统计后处理,无论是精度还是校准度,相对于原始集合预报都有优势.     

矩阵的若尔当标准形与有理标准形的关系探究

给出n级矩阵的若尔当标准形J与有理标准形B之间的关系,即存在可逆矩阵H,使得H^-1JH=B．     

利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例

开展基于空气质量数值模式CMAQ (社区多尺度空气质量模型)预报结果的后校正算法研究。利用集合深度学习方法, 对CMAQ的PM_2.5 (细颗粒物)原始预报结果进行误差订正, 以期提高预报准确率。该方法集合了深度神经网络模型、随机森林模型、梯度提升模型和广义线性模型4种机器学习模型, 在每一个模型中结合原始的气象预报、空气质量预报和土地利用类型等多源数据作为辅助变量, 对PM_2.5预报浓度进行校正, 最后求取4个模型的集合结果。将该方法应用于订正新疆乌(鲁木齐)昌(吉)石(河子)城市群的CMAQ预报结果, 利用2018年的独立样本进行评估, 订正预报结果的准确性显著提升, 站点5天预报的决定系数R²为0.41~0.60, 比原始预报提高60%~160%, 均方根误差RMSE降低 40%左右; 交叉验证的站点预报R²同样提升50%~80%, RMSE下降30%左右。该订正方法的计算效率高, 可以部署于业务化预报平台, 进行可靠的运行。     

由广义系综分布导出七种系综分布

根据系统与外界进行热的、物质的交换，以及力的作用，三类外界条件的作用，导出各种不同系综分布．