The usefulness of heuristic N(E)RLS algorithms for combining forecasts

There exists theoretical and empirical evidence on the efficiency and robustness of Non-negativity Restricted Least Squares combinations of forecasts. However, the computational complexity of the method hinders its widespread use in practice. We examine various optimizing and heuristic computational algorithms for estimating NRLS combination models and provide certain CPU-time reducing implementations. We empirically compare the combination weights identified by the alternative algorithms and their computational demands based on a total of more than 66,000 models estimated to combine the forecasts of 37 firm-specific accounting earnings series. The ex ante prediction accuracies of combined forecasts from the optimizing versus heuristic algorithms are compared. The effects of fit sample size, model specification, multicollinearity, correlations of forecast errors, and series and forecast variances on the relative accuracy of the optimizing versus heuristic algorithms are analysed. The results reveal that, in general, the computationally simple heuristic algorithms perform as well as the optimizing algorithms. No generalizable conclusions could be reached, however, about which algorithm should be used based on series and forecast characteristics. © 1997 John Wiley & Sons, Ltd.     

Structural Time-series Modelling of Monetary Aggregates: A Case Study for Eleven European Countries

Monetary aggregates for eleven European countries are analysed using the structural time-series methodology, paying special attention to unit root issues. Estimation of the parameters of the models is carried out by applying the asymptotic least squares (ALS) procedure. A comparison with the maximum likelihood estimates obtained via the Kalman filter shows that ALS is an alternative to Kalman filter estimation. The empirical results show that for only a small number of series the four variance parameters of the basic structural model are strictly positive. For the majority of the series the variance of the irregular component is equal to 0.©1997 John Wiley & Sons, Ltd.     

身份证底卡扫描图像自动纠偏方法

针对高拍仪拍摄的身份证底卡图像,首先抽取版面字符轮廓,然后计算轮廓的最小外接多边形的重心点来表示字符的位置;并通过随机Hough变换检测重心点形成的候选直线;最后根据最小二乘法拟合的直线与水平方向的夹角来旋转图像,从而实现底卡图像的自动纠偏功能。实验证明方法对图像的形状和噪声不敏感,并在身份证底卡扫描与识别系统中取得了良好的效果。     

电力系统状态估计算法的缺陷探究

电力系统的常用状态估计方法有加权最小二乘法估计和快速分解状态估计等。由于受到函数局部单调性和凹凸性的影响,即使给出了离真实根很近的初值,随着每次的迭代,状态估计方法结果将离真实根越来越远。因此考虑到在对目标函数进行极值求解中可以舍弃牛顿迭代法,采用其他的(例如粒子群进化算法)最优化方法进行尝试。     

液力变矩器的循环圆设计

从液力变矩器的工程设计出发,提出一种利用三段圆弧和两段圆弧逼近非圆弧的液力变矩器循环圆的方法。建立轴面流线方程,推导出圆弧拟合的方程,在给定的约束条件下,对相切圆弧逼近非圆轮廓曲线的目标函数的变量进行优化。比较拟合曲线的过流断面与非圆曲线过流断面的误差,在加工精度允许的条件下选择相应的加工方法,节省成本、减小数控加工的难度。     

既有公路服务区设施配置适宜性评价模型

随着社会的进步和发展,既有公路服务区设施配置逐渐难以满足司乘人员多元化的功能需求,为实现提高既有公路服务区设施配置适宜性的目的,本文围绕适用于既有公路服务区设施配置适宜性评价指标体系与评价模型展开研究。首先,从设施状况、服务水平、用户体验三方面,构建了涵盖设施完备率、平均拥堵程度、价格满意度等11项的评价指标体系;其次,在采用AHP法、序关系分析法、熵权法、DEMATEL法等单一赋权法获取了各指标主客观权重的基础上,引入最小二乘法最小化组合权重与主客观权重偏差的平方和,确定了各指标的最优组合权重,由此建立了改进云模型;最后,将研究模型应用于四川省某服务区R中,结合正向与逆向云发生器,计算出该服务区的综合评估云,进而确定评价等级为“良”。结果表明,运用改进云模型对既有公路服务区设施配置适宜性进行评价的方法是可行的。     

我国货币供给函数的协整与误差校正模型

传统的线性回归建模常假定时间序列是平稳的,以保证普通最小二乘法得到的估计量一致.而多数经济时间序列却是非平稳的,对其做线性回归可能产生所谓的“伪回归”.在协整理论基础上,借助统计和整理的经济数据,运用计量经济学的Eviews统计软件对我国货币供给进行实证分析,建立了误差校正模型.对误差校正模型残差的自相关性、异方差性进行检验,结果表明该模型在我国货币供给中是有效的,克服了“伪回归”现象,且具有很好的经济解释意义.     

使用局部大气光的单幅图像去雾算法

针对传统算法去雾后图像偏暗的问题,根据去雾后图像对比度和亮度均应该增加的标准提出了一种高亮度和对比度的去雾算法。首先依据大气光与复原图像亮度成反比事实,设置像素红绿蓝(RGB)三个颜色分量均值为局部级粗糙大气光,使用具有较好抑制光晕效应的半全局加权最小二乘算法优化获取局部级大气光;然后根据去雾图像方差与大气透射率成反比事实,使用基于像素最小颜色分量的大气散射函数计算粗糙透射率,然后使用局部均值滤波器优化透射率;最后结合雾天成像模型恢复无雾图像。实验结果表明所提算法去雾图像的梯度、亮度和速度等客观指标均优于传统算法,其中亮度最少增强1.5倍。所提算法能提高去雾图像亮度、丰富图像细节和提高去雾速度,具有较好的工程应用价值。     

一类离散灰色预测模型的统一处理方法及应用

在加权最小二乘框架下构建了离散灰色预测模型DGMP(1,1,N),论证了最小均方误差准则、最小均方相对误差准则和最小平均绝对百分误差准则下的DGM(1,1)模型、NDGM(1,1)模型和NGM(1,1,k~α)模型均是DGMP(1,1,N)模型的特殊形式,给出了模型阶数N取值的判定准则,证明了模型的仿射变换不变性和无偏性.将DGMP(1,1,N)模型运用到人均能源生活消费量预测中,结果表明该模型具有高拟合和预测精度,验证了模型的可行性与有效性.     

非线性部分最小二乘法在催化剂活性建模中的应用

结合统计回归与神经网络的优点,使用基于神经网络的非线性部分最小二乘回归法,建立了醋酸乙烯生产装置催化剂活性的非参数模型,模型的精度高且计算量较小。实际应用证明了方法的有效性。