基于ARMAS(p,q)退化冲击模型可靠性的预测

在实际的工程应用中,系统自身的许多因素和随机环境随着时间的影响,会引起系统的退化和损坏。在退化模型中,系统的可靠度是重要的研究指标,系统的退化达到预警前的预测也十分必要。基于此,提出了ARMAS(p,q)退化冲击模型,并用线性最小方差方法给出了冲击强度未来n步的预测值,并在正态假设下,推导出预测值Y_t-n|Y_t,Y_t-1,…的置信水平为1-α的置信区间。此模型的提出,为有效控制系统损坏带来的经济损失提供了预判。也为退化冲击模型的研究框架的进一步扩展提供了理论支撑,将在可靠性领域有广泛的应用。     

C~n中F(p,q,s)空间的等价刻画及应用

设0相似文献   

基于灰色时滞OBGM-BP神经网络模型的滑坡变形预测

旨在研究大气降雨因素影响下的滑坡变形预测.文章首先使用时滞灰关联分析提取滑坡位移相对降雨量的滞后期特征;然后将该时滞因子引入多变量OBGM(1,N)模型,构建带时滞因子的一种新OBGM模型,以模拟滑坡位移序列趋势特征;以BP神经网络模型拟合具有较强随机性的滑坡位移偏离量;最终建立带时滞因子的灰色OBGM-BP神经网络组合模型来预测滑坡位移.应用模型对长江三峡库区新铺滑坡作实际模拟和预测,结果显示本文模型具有较强的趋势跟踪性能和有效性,对制定滑坡灾害防治策略和措施具有一定实际参考意义和辅助决策作用.     

ARIMA(p,d,q)与GM(1,1)模型在洪涝灾害预测中之比较研究——以广东省做实证分析

运用经济时间序列ARIMA(p,d,q)模型与GM(1,1)模型对广东省的洪涝灾害进行了预测.研究结论显示,所建立的ARIMA(p,d,q)模型能够较好的对洪涝灾害进行预测,模型可以运用到各种主要气象灾害风险预测与管理中,但所建立的GM(1,1)模型虽然具有很好的精度,但预测效果并不好.这充分体现了模型选择在预测过程中的重要性.     

左删失数据下ARMA(p,q)模型的估计

在观测数据左删失情形下由K—M估计方法得到,严平稳遍历序列{Xt}的均值和自协方差函数的估计,从而获得ARMA（p,q）模型的参数估计,且所给估计量是强相合估计．     

Gleason问题在多复变F(p,q,s)空间上的可解性

在0相似文献   

GM(1,1)模型参数的神经网络算法

GM(1,1)模型的实质是小样本、贫信息下的预测模型,其目的是得到误差尽可能小的预测值.在分析GM(1,1)模型建模机理的基础上,提出了GM(1,1)模型中参数a,b的一种新算法——神经网络算法.把神经网络中的BP算法应用于GM(1,1)模型的建模过程,实例表明可使预测精度得到提高.     

F(p,q,s)空间到Block型空间的复合积分型算子(英文)

This paper deals with the boundedness and compactness of the compositionintegral type operators T g, from F (p, q, s) spaces to(little) Bloch-type spaces in the unit ball of C n , where Tg,φf(z) =∫01fφ(tz)Rg(tz)(dt)/t , z ∈ B, g ∈ H(B) and φ∈H(B, B).     

F(p,q,s)空间到Bloch型空间的广义积分算子的差分

设g,φ∈H(D),φ(D)D,n是正整数,定义广义积分算子为I_(g,φ)~((n))f(z)=∫_0~zf~((n))(φ(ζ))g(ζ)dζ.本文给出了F(p,q,s)空间到Bloch型空间的广义积分算子的差分的有界性和紧性的充要条件.     

一类奇异拟线性(p,q)-方程组解的存在性

研究一类拟线性椭圆方程组■其中N≥3,1p≤q≤N,-∞a (N-p)/p,-∞b (N-q)/q, d∈(q,p~*)(p~*=(pN)/(N-p)若Np,p~*=∞若N≤p).函数V_1(x),V_2(x),F(u,v),f_1(x)及f_2(x)是满足适当条件的已知函数.运用山路引理和Ekeland变分原理证明了问题至少存在两个非平凡的弱解.     

F(p,q,s)到B_μ广义复合算子的差分

令B为N维复空间C~N的开单位球,φ是B上的解析自映射,g是B上的解析函数,且g(0)=0,则广义复合算子定义为C_φ~g(f)(z)=∫_0~1Rf(φ(tz))g(tz)(dt)/t.本文主要研究单位球上从F(p,q,s)空间到加权Bloch空间B_μ的广义复合算子的差分有界性与紧致性.     

不含4-9圈的平面图的L(p,q)-标号

令p≥q是两个正整数.用△(G)和λp,q(G)分别记平面图G的最大度和L(p,q)-标号数.文章证明了若G为不含i-圈,4≤i≤9的平面图,则λp,q(G)≤(2q- 1)Δ(G)+8p-4.这一结果推出x (G2)≤△(G)+5.因此对于这样一类图部分地证实了Wegner的猜想[2].     

映入E0(p,q)的紧复合算子

应用复合算子研究E₀（p,q）空间,当p=2时,它就是Q_q,0,当P>0且q>1时,它就是小 Bloch空间B₀.讨论了复合算子的紧性并利用Carleson测度给出复合算子是紧的判别准则.     

基于改进的GM(1,1)-BP组合模型的人口预测研究

准确地预测人口总量发展趋势,对我国社会稳定发展具有重要意义.通过分析GM(1,1)模型背景值的构造理论,利用Newton插值公式和线性分段函数优化GM(1,1)模型的背景值,得到新的GM(1,1)模型,并结合BP神经网络模型,再利用遗传算法优化GM(1,1)-BP组合模型的权重系数,并将组合模型应用到新疆人口预测中.最后,分别应用不同的模型,以及改进的GM(1,1)-BP组合模型进行计算和平均相对误差对比,结果表明,改进的GM(1,1)-BP组合模型有效地提高了预测精度.     

单位球上F(p,q,s)空间到β_μ空间的加权复合算子

研究了单位球上F(p,q,s)空间到β_μ空间的加权复合算子的有界性和紧性问题.利用泛函分析多复变的方法,获得了单位球上F(p,q,s)空间到β_μ空间的加权复合算子为有界算子和紧算子的充要条件.     

优化灰导数的MGM(1,m)模型

基于灰色MGM(1,m)模型的建模机理,分析了该模型的模型误差产生的原因,针对该原因并结合灰色MGM(1,m)模型的时间响应式的形式和1-AGO序列的准指数规律构造了灰导数的优化公式,使得模型的精度得到了较大的提高,扩大了模型的适用范围,实例证明,优化模型具有较高的理论意义和实际应用价值.     

与广义$(p,q)$量子积分算子有关的调和单叶函数

利用广义的$(p,q)$量子积分算子, 本文引入了与Janowski函数相关的调和单叶函数的某些子类, 得到了这些函数类的充分系数条件, 极值点, 偏差估计及部分和等性质.     

基于区间灰数DGM(1,1)模型的客运交通量预测

科学的预测客运交通量对于我国交通运输业发展具有重要的现实意义.为了提高客运量预测的精度,本文应用区间灰数DGM(1,1)模型对1995—2002年全国客运交通量进行模拟和预测,得到了预测精度较高的结果,这为客运交通量的预测提供了一种简单而可靠的新途径.     

复数阶GM(1,N)模型及其应用

针对传统和分数阶的GM(1,N)模型不能较好的调整新旧信息权重的问题,通过将模型的阶数从实数拓展到复数,则可以同时调整实部与虚部、新信息与旧信息之间的权值,建立复数阶的GM(1,N)模型(简记为CAGM^z(1,N)模型).并采用复数编码粒子群算法对数据进行求解,从而获得更好的预测结果.最后分别以某地道路交通事故、某地粮食产量数据等为例,运用CAGM^z(1,N)模型进行计算比较,结果表明:CAGM^z(1,N)较GM(1,N)模型有更低的平均误差、更好的精度.     

基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究

本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.