基于最大相关熵准则回归模型的大盘指数预测

大盘指数是衡量股票市场运行情况的“晴雨表”,是投资者洞察股票市场发展态势和制定投资策略的重要依据.大盘指数的变化趋势与经济发展状况、宏观经济政策、投资者心态等诸多复杂因素密切相关,具有明显的随机性和不确定性,这导致精准预测大盘指数的变化趋势成为一个富有挑战性的问题.文章基于最大相关熵准则,使用一种新的回归预测模型,该方法将实际输出与理想输出视为两个随机变量,并采用相关熵度量它们之间的相似程度,进而基于最大熵准则构建一种新的回归模型优化函数,用于指导回归系数的确定.在实际操作中,通常基于有限样本,采用高斯核函数的Parzen窗方法估计两个随机变量的相关熵,因此可借助高斯核函数的核宽调节,解决最小均方误差准则回归模型对异常数据和随机噪声敏感性问题,从而提升预测精度.基于实测数据的实验结果表明:与自回归模型、差分自回归模型以及深度学习方法等相比,文章所提方法能有效降低异常数据对预测精度的影响,预测误差小,鲁棒性强.     

基于灰色预测模型的广州市城镇生活垃圾清运量预测

基于灰色预测理论,分别用GM(1,1)模型、分数阶GM(1,1)模型和新陈代谢GM (1,1)模型对广州市2015-2019年城镇生活垃圾清运量数据进行建模、检验和比较,结果表明新陈代谢GM(1,1)模型预测精度最高.预测2020-2024年广州市城镇生活垃圾清运量仍呈现长的趋势,在2024年将会突破1000万吨.     

细菌模型的连续时空有限元方法

本文针对细菌模型提出一种连续时空有限元方法,通过引入时空投影算子,得到了在时间离散节点处能量模意义下的最优误差估计结果.与传统全离散方式不同的是,该方法对时间变量和空间变量同时采用有限元离散,且无时间离散步长和空间网格尺寸的网格比限制,这对于拓宽各向异性有限元方法的应用范围是有益的.     

The Cubic B-Spline Method for a Class of Caputo-Fabrizio Fractional Differential Equations北大核心CSCD

基于分数阶微积分基本定理和三次B样条理论,构造了求解线性Caputo-Fabrizio型分数阶微分方程数值解的三次B样条方法,利用分数阶微积分基本定理将初值问题转化为关于解函数的表达式,再使用三次B样条函数逼近表达式中积分项的被积函数,进而计算了一类Caputo-Fabrizio型分数阶微分方程的数值解.给出了所构造的三次B样条方法的误差估计、收敛性和稳定性的理论证明.数值实验表明,该文数值方法在求解一类Caputo-Fabrizio型分数阶微分方程数值解时具有一定的可行性和有效性,且计算精度和计算效率优于现有的两种数值方法.     

粘弹性波动方程的H1-Galerkin时空混合有限元分裂格式

构造一维粘弹性波动方程的H¹-Galerkin时空有限元分裂格式.这种新的分裂格式在时空两个方向同时利用有限元离散,具有H¹-Galerkin混合有限元方法和时空有限元方法的优点,如在不受LBB相容性条件限制的同时能够高精度逼近流体的压力和达西速度,有限元空间可以利用不同次数的多项式空间,能同时得到时间和空间两个变量的形式高阶精度等.通过构造时空投影算子并讨论其相关逼近性质,证明了解的存在唯一性和稳定性,给出混合时空有限元解的误差估计,给出数值算例验证了理论推导结果的合理性和算法的有效性,并和传统H¹-Galerkin方法做比较,得到了更小的误差和超收敛阶.     

基于有理多项式模型的高分四号卫星可见光通道面阵成像载荷在轨几何定标

针对我国首颗静止轨道高分辨率光学遥感卫星高分四号（GF4）的可见光通道面阵成像载荷,基于成像模型中内外方位元素的相关特性,提出一种基于先验有理多项式（RPC）模型的在轨几何定标方法,以地面控制点的真实像点和基于RPC模型计算的虚拟像点为观测值,在初始的定标参数基础下重建精确的几何定标参数,实现卫星成像载荷系统性几何误差的补偿。本方法完全避免了传统在轨几何定标构建严格几何成像模型中复杂的辅助数据处理和多个成像坐标系统的转换,建模和解算均极为简单,且定标结果可直接应用于基于严格几何成像模型的地面处理系统。通过一组GF4卫星面阵载荷的真实影像数据实验验证了本方法的有效性和模型的合理性,结果表明：本方法可有效补偿成像模型中的系统几何误差,且得到定标结果与基于严格几何成像模型的传统定标方法几乎一致。     

基于深度相位估计网络的涡旋光束相位校正

大气湍流会引起涡旋光束（VB）的相位畸变和模态扩散,造成湍流介质中通信性能下降。提出基于深度相位估计网络的拉盖尔-高斯（LG）光束相位补偿方法,以提高模态检测准确度,即通信的可靠性。分别利用使用和不使用高斯光作为探测光束两种方案进行学习,在光强图像与大气湍流引起的扰动相位之间建立映射关系,在接收端依据接收到的光强图像,预测湍流引起的扰动相位并进行相位校正。结果表明,所提深度网络能够较准确地实现相位预测,经补偿后,光束模态纯度达到95%以上,补偿后光强图像与发送端光强图像之间的均方误差明显减小。     

基于改进的主成分分析法宽带光谱反射率重建

为了降低光谱反射率重建设备的复杂度和成本并且在宽带光谱上进行更高精度的反射率重建,采用宽带多光谱成像的方法,将投影仪的红、绿、蓝三色光作为光源,用彩色数码相机对光谱图像进行采样。在主成分分析法的基础上引入加权系数,以及误差校正函数,利用改进后的方法重建色卡、染色纸张、油画表面的反射率。选取表征反射率重建精度的均方根误差、拟合度系数、光谱匹配偏度指数3个指标,对所提方法与主成分分析法和加权伪逆法的重建结果进行对比,结果表明：所提方法的重建精度较主成分分析法提高了约45%,较加权伪逆法提高了约30%;由所提方法计算的反射率重建的颜色色差值也优于后两者。     

一维有限深方势阱能量本征方程的泰勒级数解和二次近似解

一维有限深方势阱能量本征方程的求解受限于超越方程,无法严格求解.本文将奇、偶宇称情况的超越方程归结为一个方程,自洽地给出两种近似解析解：一阶泰勒级数解和二次近似解.分析二者适用范围并做误差分析,发现泰勒级数解可以很好地理解能谱随量子数n平方变化的数值解(即,所谓n平方律),但在特定参数R下失效,该参数正比于势阱宽度乘以势阱高度开方.二次近似解对所有参数R都适用,能谱在大R极限下,可退化为精确求解的无限深势阱情况.对于任意参数R,二次近似波函数的保真度始终大于99.7%.     

基于动态神经元网络的激光陀螺输出误差模型

惯性敏感器误差补偿技术对提高武器装备的性能具有重要的意义,而误差补偿的关键在于误差模型的辨识。由于动态神经元网络是在前馈网络的节点引入前馈和反馈环节,理论上已证明其具有很强的动态逼近能力,可用来描述任意的非线性动态系统。根据惯性敏感器误差的动态特性,本探讨将动态神经元网络引入到激光陀螺误差建模中去,详细介绍了网络结构和对应的动态梯度算法。通过仿真算例说明,动态神经元网络在激光陀螺输出误差建模时具有一定的优点：网络收敛速度快、较好的跟踪性能、稳定性好。