非线性再生散度模型的几何结构及其渐近推断

本文基于唐年胜等（1999）对非线性再生散度模型在欧氏空间建立的微分几何结构导出了与估计有关的随机展开以及与统计曲率有关的若干渐近推断，推广了韦博成等人关于非线性回归模型和指数族非线性模型的相应结果。     

非线性再生散度随机效应模型的贝叶斯分析

非线性再生散度随机效应模型是一类非常广泛的统计模型，包括了线性随机效应模型、非线性随机效应模型、广义线性随机效应模型和指数族非线性随机效应模型等．本文研究非线性再生散度随机效应模型的贝叶斯分析．通过视随机效应为缺失数据以及应用结合Gibbs抽样技术和Metropolis-Hastings算法（简称MH算法）的混合算法获得了模型参数与随机效应的同时贝叶斯估计．最后，用一个模拟研究和一个实际例子说明上述算法的可行眭．     

非线性再生散度模型的Bayes估计

非线性再生散度模型是指数族非线性模型、广义线性模型和正态非线性回归模型的推广和发展,唐年胜等人研究了该模型参数的极大似然估计及其统计诊断。本文基于Gibbs抽样和MH抽样算法讨论非线性再生散度模型参数的Bayes估计。模拟研究和实例分析被用来说明该方法的有效性。     

半参数再生散度非线性模型中参数的投影核和刀切估计的相合性与渐近正态性

半参数再生散度非线性模型(SRDNM)是再生散度非线性模型和半参数回归模型的自然推广和发展,它包括半参数非线性模型和半参数广义线性模型等特殊模型. 基于非参数部分的局部核估计, 给出了SRDNM模型中参数的投影核估计与刀切估计, 并对其进行了理论比较. 在一定的正则条件下,得到了这两类估计的强相合性与渐近正态性. 相比之下, 刀切估计比投影核估计具有更大的渐近方差. 最后, 模拟研究和实例分析被用来说明所给方法的有效性.     

基于纵荡速度的非线性变参数无人艇模型

无人艇的水动力学具有强非线性与时变性,为便于转艏控制,提出一种基于纵荡速度的非线性变参数(nonlinear parameter varying,NPV)模型.首先从水动学机理出发,引入Ross阻尼模型,建立三自由度的非线性机理模型.其次,在机理模型基础上,将非线性项隐含于线性结构中,使模型构成类线性结构,再忽略数值较小的横荡阻尼项,并以纵荡速度为变参数,建立基于纵荡速度的NPV模型.NPV模型结构简单,具有非线性项与变参项,为Norrbin非线性模型与线性变参数(linear parameter varying,LPV)模型的扩展形式.最后,由仿真和实验验证了NPV模型能够很好地刻画无人艇转艏运动的非线性与时变特性.     

非线性测量误差模型的影响分析

本文对非线性测量误差模型给出了统一的诊断方法,并证明了数据删除模型与均值漂移模型的等价性,由此出发得到了Cook距离、残差、杠杆值等诊断统计量.本文还讨论了非线性测量误差模型的局部影响分析,并给出了一个具体应用实例.推广了Zhao & Lee(1995)的结果.     

基于非线性回归分析的棉纤维水分快速测量模型

为了克服现有棉纤维水分测量方法中 ,烘箱法存在耗能费时、直流电阻法存在测试结果稳定性较差等缺陷 ,提出基于交流阻抗法的棉纤维水分快速测试新方法 .实验发现 ,其测试结果 (电测值 )与棉纤维实际回潮率呈非线性相关 .通过多元非线性回归分析 ,建立了棉纤维电测值与回潮率值的多元非线性回归模型 .经稳定性分析与误差分析 ,证实了该回归模型能够较好地拟合棉纤维回潮率值 .回归模型的建立 ,为基于交流阻抗法的智能型棉纤维水分快速测试仪设计打下了基础     

非线性再生散度随机效应模型参数置信域的曲率表示

该文基于Laplace逼近建立了非线性再生散度随机效应模型在Euclid空间中的几何结构, 并在此基础上研究了此模型参数和子集参数的置信域, 进一步推广和发展了 Hamilton, Watts 和 Bates^[1]关于正态非线性回归模型, Wei^[2,3]关于嵌入模型和指数族非线性模型, Zhu, Tang 和 Wei^[4]关于半参数非线性模型,唐年胜、韦博成和王学仁^[5]关于非线性再生散度模型, Tang 和 Wang^[6]关于拟似然非线性模型等的结果.     

数字时间序列分析(Ⅵ)

第三讲动态数据的时域分析模型(2) §3非线性模型 最一般的非线性模型呈如下形式其中f(·)是满足某些解析条件的非线性函数,｛at｝是噪声列。 显然,对于这样一般的非线性模型形式是无从下手研究的.由于非线性领域太宽广,面临的问题又非常复杂多样,因此非线性模型的研究必须更具有应用的针对性,必须与具体的应用学科结合,选择合理的模型形式.下面介绍的几种特殊的非线性模型,都是近几年来基于不同的应用背景提出的,并在实践中得到了肯定. Ⅰ.几种特殊的非线性模型 1.非线性自回归模型即为非线性自回归模型的一般形式.式中f(·)称为模型的p阶…     

非线性随机效应模型的置信域

本文对非线性随机效应模型,建立了微分几何框架,推广了Bates＆Wates关于非线性模型几何结构．在吡基础上,我们导出了关于固定效应参数和子集参数的置信域的曲率表示,这些结果是BatesandWates(1980),Hamilton(1986)与Wei(1994)等的推广．     

门限自回归滑动平均模型——TARMA

一、引言 近年来,时间序列的理论及应用得到了很大的发展,各种模型也应运而生。人们在实际应用中越来越感到现有的线性模型,如AR,ARMA模型等,难以很好地刻划复杂的物理现象。因此,对非线性模型的讨论越来越活跃,已经提出了一些非线性模型。但这些模型一般都较复杂,局限性强,建立模型很麻烦,难以推广。1977年,汤家豪提出的门限自回归模型,简称“TAR”(Threshold Autoregression),较好地克服了这些缺点。它的计算复杂性与一般的AR模型相当,且能刻划线性模型难以刻划的物理现象。本文就是基于这一思想,进一步发展了这一模型,提出了一种新的非线性模型——门限自回归滑动平均模型(TARMA)。     

基于人工蜂群算法的非线性系统模型参数估计

将人工蜂群算法用于非线性系统模型的参数估计,通过对谷氨酸菌体生长模型的参数估计进行验证,并与人工神经网络、遗传算法和微粒群算法的优化结果进行了比较.仿真试验结果表明:人工蜂群算法对非线性系统模型的参数估计精度高于人工神经网络、遗传算法和微粒群算法的参数估计精度,为非线性系统模型参数估计提供了一种有效的途径.     

资源利用与能耗约束下铁矿采选品位的智能优化

集成非线性目标规划模型与差分进化(DE)及神经网络(ANN)等智能算法,提出了资源利用和节能降耗约束下铁矿采选生产品位的动态优化方法。首先建立以截止品位和入选品位为决策变量,精矿产量、资源利用率、总用电量以及经济效益为目标约束的非线性目标规划模型,模型中包括损失率、选矿金属回收率和采选成本三个非线性函数;然后将所构建的非线性目标规划模型转化成无约束优化问题,将DE的高效寻优能力和ANN的建模功能相结合,构成DE-ANN算法来搜索最优采选品位组合;最后以D铁矿为例进行研究,结果表明了所提出方法的有效性。该方法综合考虑了资源利用、节能降耗等因素,为新时期铁矿的采选品位优化提供了科学可行的思路。     

员工流动季节性问题及SARIMA-ANN模型应用

中国企业员工流动受到中国商品生产季节性、劳动力市场供给周期性、员工身份两栖化等多种因素的影响,其数据呈现出季节性、非线性等特征。单一的自回归单整移动平均模型(ARIMA模型)不能较好地拟合其发展趋势并预测未来。本文通过神经网络模型(ANN模型)来修正传统的自回归单整移动平均模型(ARIMA模型),并加入季节性因素,从而形成SARIMA-ANN耦合模型,对企业员工流动的数据进行拟合与预测。通过对多组SARIMA-ANN模型的构建、衡量、比较与讨论,最终确定了较佳的神经网络对时间序列模型进行修正的耦合模型。实证结果显示,SARIMA-ANN模型充分考虑数据的季节性与趋势性,随机性与非线性特征并存的问题,对于季节性时间序列的经济数据的处理与预测是切实可行的。该耦合模型的应用证实了中国企业员工流动数据的趋势性与季节性、线性与非线性特征并存。这说明中国企业员工的流动具有更复杂的不规则的运动与突变,在精确预测有一定难度的情况下做好现有员工的留存工作是首要之策。     

基于动态调整的Copula-非线性分位数回归资产组合优化

为优化资产组合方案,考虑单资产分布的非对称性、异方差性、尖峰厚尾性等特征,资产之间的时变非线性相关性,建立了Copula-非线性分位数回归模型。本文的创新与特色,一是通过构建期望超额收益率与考虑动态损失厌恶效应的VaR比率函数,确定了目标函数的表达式,改变了使用超额收益率标准差度量风险,而实证研究中更关注资产的损失风险而非全部风险,未考虑投资者对于收益与损失非对称偏好的不足;二是通过建立基于支持向量机的非线性分位数回归模型,确定了边缘分布函数表达式,解决了普通模型无法处理非对称、非线性,依赖于分布假设的不足;三是通过构建混合Copula函数,确保能够有效捕捉金融市场中的尾部相关、非对称性,完善了刻画资产之间相关关系的模式;四是通过建立风险非线性叠加的资产总风险评价模型,确定了资产组合总风险的表达式,弥补了现有风险评价模型未考虑资产间的相关性的不足。实证结果表明,本文建立的模型预测性能高于其它模型,该模型有更高的VaR比率值,在单位风险下能够获得更高的资产组合效果。     

基于人工智能的黄金价格非线性组合预测

黄金价格时间序列数据具有较强的非线性,在采用单模型对其预测时较多采用线性模型、非线性模型以及加入外生变量的非线性模型.但是,单一模型较难全面体现黄金数据的非线性特征,因此,预测效果不很理想.在利用线性方法进行模型组合时若被组合模型与原数据序列无线性关系,此时采用线性组合预测效果较差,甚至组合后的模型预测精度低于被组合的单模型精度.为充分发挥单一模型的优势,采用人工智能的方法建立非线性组合预测模型,模型可有效利用各模型特点,预测精度优于采用的各单一模型.     

基于ARIMA与神经网络集成的GDP时间序列预测研究

本文深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型的预测特性和优劣,并在此基础上建立了由ARIMA模型和NN模型集成的GDP时间序列预测模型与算法。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,据此将GDP时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终集成为整个序列的预测结果。仿真实验表明:集成模型的预测准确率显著高于单一模型的预测准确率,从而证实了集成模型用于GDP预测的有效性。     

柔长结构气固耦合的线性与非线性气动力理论

针对柔性结构与风在三方向相互作用的特点,在合理的结构节段力学模型的基础上,建立了新的气动力模型,即三分力系数C_i=C_i(β(t),θ),(#em/em#=D,L,M)不仅是瞬时攻角的函数,而且也是转速的函数,并依据“片条理论”与改进的“准静态理论”,提出了推导结构节段模型与风相互作用的线性与非线性气动力项的方法,从而将土木工程中柔性结构与风的相互作用的线性与非线性理论集中到一个模型中.对于线性气动力部分,给出了与经典气动力公式中相对应的颤振导数的半解析表达式.对于非线性气动力部分,给出了扭转气动耦合的非线性气动力表达式,并给出了Tacoma大桥扭转非线性运动的控制方程,其形式与结果与V.F.B-m的相吻合.     

一种改善了非线性和色散性的Boussinesq方程模型

推导了一种在不平底上的新的Boussinesq方程．在不增加方程的最高导数项的阶数的情况下提高了模型方程的非线性．为了提高模型的色散性,引入长波近似,通过调节待定系数来使模型的色散性达到Padé(2,2)．对模型方程进行了非线性、线性色散性和线性浅化性分析,分析表明此模型在非线性、色散性和浅化性上都有所提高．将计算结果与实验数据做了比较,结果显示模型更好的符合了实验数据．     

具有非线性传染率的疱疹动力学模型分析

建立了一个具有非线性传染率的疱疹动力学模型.首先用数学方法分析了平衡点的存在性与模型基本再生数之间的关系.其次,通过简单的变换把模型变为容易研究的Lienard等式的形式.最后,应用Lyapunov稳定性原理得到模型的无病平衡点和地方病平衡点的稳定性条件.