基于平均包络线匹配算法的EMD端点效应分析及在股价趋势分解中的应用

经验模式分解(EMD)能够有效获得非平稳非线性信号的时频特征,但传统的EMD分解算法存在严重的端点效应. 在深入研究和分析EMD算法的基础上,提出了一种基于波形匹配的端点效应处理方案,通过计算波形匹配度, 在平均包络线内部寻找与其端部变化趋势最为接近的子波,并用这段子波代替平均包络线的边缘部分, 使处理后的平均包络线极大地接近真实包络线,并把这种端点效应处理方案的EMD分解算法应用到实际的股票市场价格趋势分解中.实验结果表明,与经典的EMD边界延拓算法相比,本文提出的算法能更有效地抑制EMD分解时的边界效应, 分解得到的固有模式函数更能体现模拟信号真实的频率、幅值信息.应用实验表明:与现有方法相比,该方法更能提高预测精度.     

基于活化能指标的煤的自然发火期研究

针对中国现行的煤自然发火期确立方法存在的不足,运用热重分析仪器对不同煤样从常温到燃点之间的氧化热解过程进行了实验研究。运用不同动力学机制模型雨数分别对热重分析数据进行了处理和相关性分析,结果表明煤炭氧化热解过程符合一级化学反应动力学机制,据此求出活化能和自然发火期,得出了利用活化能指标可以确定自然发火期的结论。     

Forecasting Daily and Monthly Exchange Rates with Machine Learning Techniques

In this paper we propose and test a forecasting model on monthly and daily spot prices of five selected exchange rates. In doing so, we combine a novel smoothing technique (initially applied in signal processing) with a variable selection methodology and two regression estimation methodologies from the field of machine learning (ML). After the decomposition of the original exchange rate series using an ensemble empirical mode decomposition (EEMD) method into a smoothed and a fluctuation component, multivariate adaptive regression splines (MARS) are used to select the most appropriate variable set from a large set of explanatory variables that we collected. The selected variables are then fed into two distinctive support vector machines (SVR) models that produce one‐period‐ahead forecasts for the two components. Neural networks (NN) are also considered as an alternative to SVR. The sum of the two forecast components is the final forecast of the proposed scheme. We show that the above implementation exhibits a superior in‐sample and out‐of‐sample forecasting ability when compared to alternative forecasting models. The empirical results provide evidence against the efficient market hypothesis for the selected foreign exchange markets. Copyright © 2015 John Wiley & Sons, Ltd.     

国民经济系统结构传递效应分析

在投入产出框架下,利用总合模型和结构分解模型对国民经济系统中总合部门的内部结构变动的传递进行了深入的分析,给出了相应的计算公式,为深入揭示结构之间的数量关系,量化结构的传递效应,提供了重要下分析工具。     

单重延误休假的$M^x$/G(M/G)/1可修排队系统分析(Ⅰ)—— 一些排队指标

考虑具有单重延误休假的$M^x$/G(M/G)/1可修排队系统,其中休假时间、服务时间、修理时间和延误休假时间都为任意分布(不一定是连续型),采用一种较简洁的方法,我们获得队长的瞬态解、平稳解和队长的随机分解表达式,同时给出了一些特殊情形下队长的随机分解结果.     

CFB锅炉循环灰对NO和N2O排放影响的实验研究

在循环流化床(CFB)锅炉中,NOx和N2O的排放浓度由NOx和N2O在炉膛内生成和降解的相对速度决定。该文利用小型流化床实验台研究了循环灰对NO和N2O浓度的影响。实验温度控制在850℃,反应时间为25ms。结果表明:在实验台反应器中加入一定量的循环灰以后,NO的排放浓度降低,而N2O的排放浓度先增加然后略有降低;循环灰中的C以及C反应生成的CO能还原NO,并促进N2O的生成,而循环灰中的CaO、Fe2O3等活性组分能促进N2O的热分解。     

酉不变范数下广义极分解的扰动界

设A是m×n且秩为r的复矩阵,存在m×n次酉矩阵Q和n×n半正定矩阵H使得A=QH.此分解称为A的广义极分解.文章给出了在任意酉不变范数下次酉矩阵Q和半正定矩阵H的扰动界.     

半定规划问题的筛选算法及其收敛性

给出了解决半定规划问题的一种新的算法.首先采用低秩分解技术将一般的半定规划问题转化为与其等价的非线性规划问题;然后利用多目标优化中的占优概念,来建立一个有效的筛子,使目标函数和不可行性达到最优,建立了半定规划的筛选法;最后给出了算法的收敛性分析.     

基于分解算法的动态大规模合乘匹配-路径规划

动态合乘是出行路线相似的出行者共用一辆车的交通方式,能够有效利用现有资源,最大化社会效益。当前合乘研究存在司机-乘客匹配质量不高,算法实时性差等局限。提出了考虑订单匹配数量、司机旅行时间、乘客等待时间与乘客延误时间的司机-乘客合乘匹配模型。针对模型特点,设计了基于分解方法的司机-乘客合乘匹配与路径规划算法。通过选择贪心随机自适应搜索算法、粒子群算法与本文的算法对比,成都市网约车数据验证,结果表明:分解算法下司机与乘客不方便成本低于贪心与粒子群算法;分解算法订单匹配率在90%以上,高于贪心与粒子群算法的80%～90%匹配率。通过对比证明,所提出的模型与算法,能够在保证高匹配率的前提下,降低出行不方便成本,提高算法实时性,在实际工程中有较好的应用效果。     

波动方程的重叠型区域分解并行有限差分算法

提出了一类新的计算波动方程数值解的并行差分算法. 算法基于区域分解和子区域校正,在每个子域上进行残量修正,各子域之间可以并行计算. 证明了算法的收敛性,并且理论分析表明,在每一时间步,只需校正一或两次,即可达到最优的收敛阶. 数值试验表明了算法的有效性和优越性.