污染数据线性回归模型的参数估计和区间估计

研究线性回归模型:yi=α βxi iε,i=1,2,…,n,其中Eiε=0,E2iε=21σ;但y1,y2,…,yn受到另一个独立同分布随机变量序列W1,W2,…,Wn的污染,仅能观察到yi*=(1-v)yi vwi,i=1,2,…,n,Wi与yi相互独立.文章给出了α,β,v的估计及区间估计.     

旅游资源评估中专家因素影响的实证研究——以龙胜旅游资源评估为例

在前人研究的基础上,为了准确的评估旅游资源的价值,通过将层次分析法和模糊评估法有机结合的基础上,探讨在龙胜旅游资源评估中专家因素对评估结果影响的实证研究.     

基于Origin的牛顿环实验数据处理方法

用Origin软件对牛顿环实验的数据进行线性拟合与作图,拟合的结果与所作图形均与传统的最小二乘法进行数据处理的结果相吻合.实验表明：利用软件处理的实验数据与作图,具有简洁、快捷与直观等特点,避免了人为因素所造成的误差.     

广义次正定矩阵上的Oppenheim不等式

用矩阵分析的方法, 通过对广义次正定矩阵性质的进一步研究, 得到了更一般条件下的两个广义次正定矩阵的Hadamard乘积的行列式下界估计的Oppenheim不等式, 在适用范围和估计精度上都改进了已有的相应结果.     

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.     

基于抵消技术的邻道干扰抑制

针对无线设备间的邻道干扰,提出了一种干扰抑制方法。在接收机中设计邻道干扰重建支路,利用记忆多项式估计信道的非线性参数,构建邻道干扰信号模型并重建干扰信号,最终从接收信号中消除邻道干扰信号。所提方法能够有效减小邻道干扰影响,提升期望信号接收信噪比,使有限带宽内容纳更多通信设备。计算机仿真与软件无线电平台实验结果表明,在实验室视距环境中,甚高频频段,信号带宽25 kHz,所提方法能够抑制18 dB的邻道干扰,为有限空间内无线电设备间邻道干扰抑制提供了新的研究思路。     

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.     

基于四阶累积量的MIMO信道及其相关性的联合估计

MIMO技术一直受到人们的广泛关注,并被广泛采用于各种移动通信系统的标准化协议中.在此系统中用到的分集合并和空时解码技术都需要以准确估计的信道状态信息为前提条件,以往的信道估计都是在MIMO系统子信道间是非相关的假设下进行的.事实上,由于天线之间距离的限制和传播路径散射体的不充分,子信道之间常常存在一定的相关性,常称为空间相关.另外,在信道估计、天线选择和自适应调制等方面需要已知(估计)这一参数.但是,要精确估计信道的相关性非常困难,到目前为止,这一问题没有得到很好的解决,以至于在大部分关于信道估计的文献中都是预先假定已知信道的相关特性.本文运用四阶累积量理论对MIMO信道及其相关矩阵进行了估计.仿真结果表明,本文所提出的方法具有较高的估计精度.