非线性Bayes动态模型预测的数值算法

本文用一阶样条函数分段逼近密度函数的方法给出了非线性 Bayes动态模型预测的一个数值算法     

动态异方差随机前沿模型的Bayesian推断

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.     

动态指数分布模型及Bayes预测

本文给出了观测值服从指数分布的动态指数分布模型，并在自然参数与状态参数之间满足线性关系ω_t=F'_tθ_t的假设下，利用共轭分布给出了动态指数分布模型多数的修正递推及其预测．     

预测胎儿体重的非线性模型

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     

一阶多项式动态模型及贝叶斯预测

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.     

非线性双重介质模型的精确解及动态特征

考虑了二次梯度项的非线性双重介质模型．在模型中假设岩块和裂缝间的压力差作为初始未知量,在岩块中是拟先态的,从而避免了解联立方程组．利用广义Hankel变换求得了径向流动的解析解,由于解析解是无穷级数,无法得到具体的值．通过数值求解特征值问题,从而算得了窟体的压力值,并探讨了非线性参数和双重介质参数变化时压力的变化规律,给出了典型压力曲线图版,这些结果可用于实际的试井分析．     

非线性组合动态传播率模型与我国COVID-19疫情分析和预测

针对传统的流行性传染病学中基本传染数R0难以准确估计以及单一模型预测精度低的缺陷,利用组合动态传播率替换基本传染数R0,提出基于支持向量回归的非线性时变传播率模型并对我国COVID-19疫情进行分析和预测.首先,计算动态传播率的离散值;其次,使用多项式函数、指数函数、双曲函数和幂函数分别对动态传播率的离散值进行拟合并基...     

多变量非线性贝叶斯动态模型的参数估计

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     

非线性回归校正模型在突变负荷预测中的研究及应用

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.     

平稳MA模型阶数的Bayesian估计

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．     

动态线性季节模型及其贝叶斯预测

研究了适用于描述周期性变化的采样间隔非均匀情况下的季节模型,并分别根据观测误差已知和未知常数两种情况,给出了它们的先验分布、预测分布和后验分布.     

可扩展非线性异构车队系统分布式模型预测控制

针对具有状态与控制约束的非线性异构车队系统,提出一种可扩展的分布式模型预测控制(model predictive control,MPC)策略.基于前车-后车(predecessor-follower,PF)单向通信拓扑,建立车队可扩展纵向离散时间非线性偏差模型.通过定义车辆跟踪性能指标和车队系统队形约束,建立可扩展车...     

基于非线性组合优化模型的抗癌药物QSAR预测

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.     

一类非线性动态模型的研究（Ⅰ）

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。     

一类非线性动态模型的研究（I）

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。     

基于动态BP神经网络的非线性预测及在港口货物吞吐量中的应用

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。     

用遗传算法拟合电力系统负荷短期预测的非线性模型

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。     

基于非线性时间序列模型的股票分析与预测

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.     

广义变系数模型的Bayesian B样条估计

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．     

基于GAS模型的动态VaR预测效果分析

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.