Morgan-Mercer-Flodin模型和Weibull模型的拟合

Morgan-Mercer-Flodin模型和 Weibull模型是两个著名的四参数 S形生长模型 .在一定的正则变换下 ,它们的隐函数方程及未线性化参数与拐点特征之间的联系都非常相似 .从而可用完全相同的方法对它们的未线性化参数初始值进行搜索 ,以拟合隐函数曲线的 GNL法对它们进行最小二乘拟合 .还用实例对这种算法进行了验证 .     

二个四参数增长曲线模型参数初始值的确定方法与模型应用

对非线性回归模型进行非线性最小二乘估计一般需要确定参数初始值.在非线性回归模型中,General Logistic模型和Von Bertalanffy模型是二个含有四参数的增长曲线模型,对数据的拟合有较强的适应性,应用较为广泛.本文给出这两个模型参数初始值的确定方法,并应用于实际拟合,得到很好的效果.     

Richards模型在蔬菜生长预测中的应用

本文从 Richards模型的数学表达出发 ,阐述了模型中各参数初始值的确定以及优化过程 .并利用菜花和菠菜的试验数据建立其“最优”生长模型 .     

非线性灰色Bernoulli模型的改进及应用

非线性灰色Bernoulli模型是灰色预测模型的一类拓展,在捕捉序列非线性趋势性能上表现良好,但仍然存在许多改进的空间.在传统的非线性灰色Bernoulli模型的基础上提出一种改进的方法,结合优化初始值,采用Guass-Newton算法求解最优模型参数以及滚动建模机制三个方面对模型进行改进.数值结果表明,优化初始值能够提高模型的预测精度,Guass-Newton算法寻求最优参数以及滚动建模机制能进一步减少预测误差的产生.因此,改进的模型能够有效地提高非线性灰色Bernoulli模型的预测性能.     

Logistic模型中参数的估计

本文得到Ｌｏｇｉｓｔｉｃ模型中参数ａｉ、ｂｉ 的一种便于使用的估计公式,在样本容量较小及精度要求不高时用作试题参数的估计是合适的,也可作为联合极大似然估计中的初始值     

用循环搜索法确定单个未线性化参数的初始值

在最小二乘意义下用 GNL法拟合常见的三参数隐函数曲线时 ,用循环搜索法确定了单个未线性化参数初始值 .并成功地以多个著名模型为例对此进行了验证 .     

两个未线性化参数初始值的确定

在最小二乘意义下用 GNL法拟合了常见的四参数隐函数曲线 .将用循环搜索法确定初始值的未线性化参数数量由一个推广到两个 .并成功地以多个著名模型为例对此进行了验证 .     

面向下一代光通信的VCSEL激光器仿真模型

根据L-I经验公式得到参数待定的L-I模型,并利用遗传算法搜索最优参数得到参数模型,对结果进行拟合优度检验,求出误差.在该模型基础上对环境温度进行修正并且考虑电流瞬时变化的影响,建立微分方程模型,采用Ode23求解,并利用遗传算法搜索最优参数得到参数,对结果进行拟合优度检验,得出了该激光器不同温度下的L-I特性曲线和激光器小信号幅频响应.同时根据速率方程推导出了带宽响应的数学模型,对参数归一化后,利用遗传算法搜索最优参数得到参数.     

火灾损失预测的改进GM(1,1)模型

本文对随机性较强的火灾事故,提出了采用改进GM(1,1)模型来减小预测误差.该模型通过三次改进提高预测精度,首先基于普通GM(1,1)模型,改进模型中初始值提高模型精度;其次基于初值改进后的GM(1,1)模型进行残差修正,再次提高预测准确性;最后对残差修正模型中的初始值进行改进,使最后预测模型更加精确.并且在处理含负值的残差数列时,提出了二次累加的方法进行模型预测.通过普通模型的预测值与改进模型的预测值进行对比,可以发现改进后模型的预测值更加接近实际值.结果表明,三次改进后的GM(1,1)模型精度明显提高,为以后预测研究提供一种理论参考.     

确定双指数曲线参数初始值的循环搜索法

提出了在最小二乘意义下用 Gauss-Newton法拟合双指数曲线时 ,充分利用观测值确定参数初始值的一种算法——循环搜索法 .据此可编制一个能自动拟合 2 0种单、双指数曲线中指定曲线的 Qbasic程序 .并成功地以多个模型为例对此进行了验证     

基于初值修正的组合灰色Verhulst模型

对灰色Verhulst模型的拟合精度进行了分析,表明初值的选取对模型精度有重要影响.为提高灰色模型的拟合精度,利用最小二乘原理确定初值中的待定常数,给出了初值修正的灰色Verhulst模型.进一步利用修正模型和传统灰色Verhulst模型建立了组合灰色Verhulst模型,在平均相对误差最小的原则下,利用蚁群算法确定组合权系数.最后通过两个应用实例进行了计算和分析,结果表明,通过初值修正和组合模型能够提高灰色Verhulst模型的拟合精度,便于通过程序实现.     

A preprocessing method for parameter estimation in ordinary differential equations

Parameter estimation for nonlinear differential equations is notoriously difficult because of poor or even no convergence of the nonlinear fit algorithm due to the lack of appropriate initial parameter values. This paper presents a method to gather such initial values by a simple estimation procedure. The method first determines the tangent slope and coordinates for a given solution of the ordinary differential equation (ODE) at randomly selected points in time. With these values the ODE is transformed into a system of equations, which is linear for linear appearance of the parameters in the ODE. For numerically generated data of the Lorenz attractor good estimates are obtained even at large noise levels. The method can be generalized to nonlinear parameter dependency. This case is illustrated using numerical data for a biological example. The typical problems of the method as well as their possible mitigation are discussed. Since a rigorous failure criterion of the method is missing, its results must be checked with a nonlinear fit algorithm. Therefore the method may serve as a preprocessing algorithm for nonlinear parameter fit algorithms. It can improve the convergence of the fit by providing initial parameter estimates close to optimal ones.     

蛇形算法及其改进

蛇形算法 (活跃轮廓法 )在图象处理过程中有广泛应用 .本文介绍参数化蛇形算法 ,并指出该算法的问题 ,在此基础上本文提出一种改进的蛇形算法 ,它对初始曲线的选取没有严格要求 ,并且在处理过程中动态地调整蛇形算法的参数 ,以便最快地收敛到所需位置     

拟合隐函数曲线的GNL法

１参数可线性化的曲线拟合问题假设我们已经获得ｎ组独立观测值（ｘｉ,ｙｉ）,其中是精确观测值,ｉ＝１,２,…,ｎ,下同．现欲在最小二乘意义下,拟合非线性模型并假设观测点都分布在模型函数曲线附近．其中为连续可导函数ｇ（ｙ）的反函数,且在我们所研究的ｙ变化范围内恒有ｇ’（ｙ）≠０,（ｊ＝１,２.....下同）为ｐ（＜ｎ）个待定参数．（ｘ）为区间Ｘ内ｐ个线性无关的已知连续函数．随机变量,即为也就是要求求解残差平方和Ｑ（）的无条件极值问题其中参数向量,残差向量,而残差都是微量．对这类常见问题,有以下几种算法．…     

Visualizing parameters from loglinear models

Summary  This paper presents a graphical display for the parameters resulting from loglinear models. Loglinear models provide a method for analyzing associations between two or several categorical variables and have become widely accepted as a tool for researchers during the last two decades. An important part of the output of any computer program focused on loglinear models is that devoted to estimation of parameters in the model. Traditionally, this output has been presented using tables that indicate the values of the coefficients, the associated standard errors and other related information. Evaluation of these tables can be rather tedious because of the number of values shown as well as their rather complicated structure, mainly when the analyst needs to consider several models before reaching a model with a good fit. Therefore, a graphical display summarizing tables of parameters could be of great help in this situation. In this paper we put forward an interactive dynamic graphical display that could be used in such fashion.     

基于加速失效时间模型模拟生存时间应用于检测生存性状位点

对于考察预指定情形下的统计模型的性能、性质及适应性,模拟研究是非常重要的统计工具.作为生存分析中两个最受欢迎的模型之一,由于加速失效时间模型中的因变量是生存时间的对数,且此模型能够以线性形式回归带有易解释的参数的协变量,从而加速失效模型比COX比例风险模型更便于拟合生存数据.首先提出了关于带有广义F-分布的加速失效模型的模拟研究中生成生存时间的方法,然后给出了描述加速失效时间模型的误差分布和相应的生存时间之间的一般的关系式,并给出了广义F-分布是如何生成生存时间的.最后,为证实所建议模拟技术的性能和有效性,将此方法应用于检测生存性状位点的模型中.     

基于马尔科夫状态转移模型的天气衍生品定价

引入马尔科夫状态转移(MRS)模型拟合长沙市每日平均气温变化,利用最大期望算法估计马尔科夫状态转移模型参数,通过误差分析得到了最佳MRS模型.基于最佳的MRS模型,采用无套利定价原理定价气温衍生品,并利用蒙特卡罗方法得到了取暖指数(HDD)欧式看涨期权的数值解.实证结果表明,五状态的MRS模型对长沙市每日平均气温变化的拟合效果明显优于其他的MRS模型,它使得气温衍生品定价结果相比以前的方法更为精确.     

Markov interest rate models

A general procedure for creating Markovian interest rate models is presented. The models created by this procedure automatically fit within the HJM framework and fit the initial term structure exactly. Therefore they are arbitrage free. Because the models created by this procedure have only one state variable per factor, twoand even three-factor models can be computed efficiently, without resorting to Monte Carlo techniques. This computational efficiency makes calibration of the new models to market prices straightforward. Extended Hull- White, extended CIR, Black-Karasinski, Jamshidian's Brownian path independent models, and Flesaker and Hughston's rational log normal models are one-state variable models which fit naturally within this theoretical framework. The ‘separable’ n-factor models of Cheyette and Li, Ritchken, and Sankarasubramanian - which require n(n + 3)/2 state variables - are degenerate members of the new class of models with n(n + 3)/2 factors. The procedure is used to create a new class of one-factor models, the ‘β-η models.’ These models can match the implied volatility smiles of swaptions and caplets, and thus enable one to eliminate smile error. The β-η models are also exactly solvable in that their transition densities can be written explicitly. For these models accurate - but not exact - formulas are presented for caplet and swaption prices, and it is indicated how these closed form expressions can be used to efficiently calibrate the models to market prices.