共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
随机前沿模型中如果忽略单边干扰项的异质性(heterogeneity)往往导致错误的效率估计.从个体特征的影响和方差的时变性两方面对单边干扰项进行考虑,提出异方差动态随机前沿模型.利用Gibbs抽样方法对动态异方差随机前沿模型进行Bayesian分析.导出了模型参数的后验条件分布,对中小样本的模拟实验显示在最小后验均方误差准则下得到的参数估计值非常接近真值.对电力公司的实际数据进行分析显示对数无效率项的方差有一定的时变性. 相似文献
3.
4.
预测胎儿体重的非线性模型 总被引:9,自引:2,他引:7
应用 B型超声对 5 1 6例胎儿的股骨长、双顶径、腹围进行测量 ,经非线性回归分析得出预测胎儿体重的模型 ,并且应用这些模型对 1 2 0例胎儿进行前瞻性验证 相似文献
5.
本文描述了贝叶斯预测的基本思想以及动态线性模型.系统地讨论了一阶多项式动态线性模型.它是最简单、应用最广泛的一种模型.它体现了动态线性模型的许多重要的基本概念和分析特性.本文介绍了卡尔曼滤波递推算法,并分别根据已知和未知观测方差详细给出了它们的先验分布,预测分布和后验分布.根据实践中 W_t 不易求出,文中引入了折扣概念.并讨论了一阶多项式折扣贝叶斯模型及其预测.最后还讨论了具有实用价值的主观干预模型及其预测方法. 相似文献
6.
7.
8.
本文讨论多变量非线性贝叶斯动态模型参数估计 ,将 Monte Carlo最优法用于极大似然函数 ,得到未知参数和状态变量的估计 相似文献
9.
赵海青 《数学的实践与认识》2008,38(1):88-91
非线性回归模型是中长期负荷预测的一种有效的方法,对常规变化趋势的负荷有很好的拟合性,但对有转折点的突变趋势或增长处于饱和阶段的负荷进行预测误差较大.通过对历史数据的最优分段,提出了非线性回归校正模型,可以很好地解决这个问题.实例表明,此模型在中长期负荷预测中是适用的,尤其对于有转折点的突变趋势,具有很高的预测精度. 相似文献
10.
本文基于Bnyesian估计理论,讨论了MA模型阶的识别,在关于阶和参数的一个一般先验分布下,给出了阶的估计的Bayesian准则,并证明了该估计方法具有强相合性. 相似文献
11.
12.
13.
抗癌药物的定量结构-活性关系(QSAR)预测模型的研究有助于对癌症病人药物治疗的靶点进行预测和优化.首先综合XGBoost、随机森林和MIC筛选出与生物活性最重要的20个变量,其次,采用遗传算法对多个机器学习模型进行超参优化,最后将优化后的模型采用神经网络进行非线性组合,通过与多种机器学习模型以及组合模型的预测效果进行比较,发现此非线性组合优化模型具有最好的预测效果且稳健性检验结果表明本文模型能保持预测精度的稳定性. 相似文献
14.
本文研究了在生态学和经济管理中有应用意义的非线性动态模型f(x,y)=(a+by(1+rx) ̄(-1),x),并通过定性分析给出了该系统的若干结论。 相似文献
15.
本文研究了在生态学和经济管理中有应用意义的非线性动态模型f(x,y)=(a+by(1+rx)^-1,x),并通过定性分析给出了该系统的若干结论。 相似文献
16.
文章给出了非线性预测的一般理论方法,运用动态BP神经网络对实际问题的历史数据进行学习,然后根据学习后获得的非线性机理来进行预测。并将此方法应用于港口货物吞吐量及出口量预报。仿真表明此方法是有效的。 相似文献
17.
用遗传算法拟合电力系统负荷短期预测的非线性模型 总被引:2,自引:0,他引:2
本文运用遗传算法,根据河北省1985—1990年春节期间每小时用电量的统计数字,建立了非线性回归模型(Gompertdz),结果表明,遗传算法性能良好,可望成为电力系统各种非线性模型辨识的有效手段。 相似文献
18.
《数学的实践与认识》2018,(22)
时间序列模型在股票价格的分析与预测中有着极其重要的应用.本文针对沪深300日收益率建立了ARIMA-GARCH拟合模型.首先对数据进行对数处理、平稳性检验、自相关检验、偏自相关检验和ARCH效应检验,然后消除条件异方差性,最后通过实证分析得到了模型的有效性与准确性. 相似文献
19.
提出了广义变系数模型函数系数的一种新的估计方法.我们用B样条函数逼近函数系数,不具体选择节点的个数,而是节点个数取均匀的无信息先验,样条函数系数取正态先验,用Bayesian模型平均的方法估计各个函数系数.这种估计方法一个主要特点是允许各个函数系数所需节点个数的后验分布不同,因此允许不同函数系数使用不同的光滑参数.另外,本文还给出了Bayesian B样条估计的计算方法,并通过模拟例子,说明广义变系数模型的函数系数可以由Bayesian B样条估计方法得到很好的估计. 相似文献
20.
GAS模型是一种基于观测的动态模型,理论简单且应用灵活,可以直接估计VaR.将GAS模型和GARCH类模型应用于不同条件下生成的模拟数据和三个时间段的沪深300指数的日对数收益率数据,并比较模型关于VaR的预测效果。结果表明:在对称的条件分布下,GAS模型容易高估风险且不稳健,其表现不如GARCH类模型;但在条件分布为有偏的时,GAS模型与GARCH类模型的表现相当,部分情况下会优于GARCH类模型,尤其在实证分析中关于序列2和序列3的VaR的估计,GAS模型的预测效果较好。因此,实际应用中,对于具有较明显偏态分布或尖峰分布的数据可以考虑使用GAS模型预测动态VaR. 相似文献