基于图方法的自回归和双线性时间序列模型系数的检验

自回归和双线性时间序列模型被表示为时间序列链图模型.在此基础上, 证明了自回归和双线性模型的系数为其他时间序列分量给定的条件下的条件相关系数.然后提出基于图的检验方法来检验自回归和双线性模型系数的显著性, 模拟结果表明此方法在水平和功效方面表现很好.     

古塔的形变研究

利用投影多边形模型确定古塔各层的中心坐标,采用最小二乘法建立线性模型,借助三维高次曲线方程建立古塔的曲率模型和挠率模型。使用Matlab数值实验完成了对所有模型的求解,详细地分析了古塔的倾斜、弯曲和扭曲的变形趋势,为古塔的纠偏和保护工作提出了建议。     

冲击模型:进展与应用

综述了近30年来冲击模型研究的主要进展.介绍了一个新模型(δ-冲击模型)及其最新工作.基于簇生标值点过程的结构,给出了冲击模型的一个一般性框架,最后作为特例提出并分析了一个新的保险风险模型.     

多供应商条件下选址模型的一个研究结果

通过实例和对模型的分析,得出[1]中已有多供应商条件上所建模型的不合理性,并提出了模型合理性的原则。     

食品卫生安全保障体系数学模型及改进问题研究

论文研究了食品卫生安全保障体系的数学模型,阐述了各种模型的建立方法.在建模过程中,探讨解决了一些改进模型的理论问题.主要工作包括:1、通过改进CAC食品分类标准,给出了一种有效的适用于抽样调查的食物分类方法,在此基础上建立了膳食模型;2、给出了污染物分布模型及建模方法,提出了一种由少量样本数据迭代地外推随机变量整体概率密度函数的算法,讨论了由不同区域的监测数据估计全国总体分布的问题,并给出了一种解决方案;3、建立了风险评估模型,探讨了输入数据不配套时,抽样调查数据的衔接问题.提出了一种新的污染物摄入量的99.999%的右分位点的估计方法.     

皮尔曲线模型的推广及其应用

在分析皮尔曲线模型增长特性的基础上 ,提出了 1 4种推广模型 ,并依据这些模型建立了几种主要耐用消费品拥有量的预测模型 .预测模型的精度很高     

一种新的空间计量模型——部分线性可加自回归模型及其应用

本文提出一种新的空间计量模型,部分线性可加空间自回归模型。首先,引入样条逼近可加函数分量,然后利用截面拟似然的思想得到模型参数的估计;所提出的估计方法简单易行,且对误差分布的要求低。通过模拟研究,得到所提出估计方法的有限样本性质,模拟结果显示了所提出估计的有效性;最后,将估计方法应用到波士顿房屋数据进行统计分析,得到了较他人估计更好的结果。     

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.     

基于混合地理加权Fay-Herriot模型的小域估计

作为一类区域层次模型, Fay-Herriot模型在小域估计中已经得到广泛的应用,这类模型假定各区域的直接估计是空间不相关的.很多情况下这个假定是不成立的,因此一些考虑空间效应的Fay-Herriot模型被提出.本文基于混合地理加权回归模型提出一类新的Fay-Herriot模型用以刻画空间非平稳性,基于提出的模型,给出小域目标参数的经验最佳线性无偏预测估计量,并研究了该估计量的均方误差.最后通过数值模拟验证了所提方法的有效性.     

基于参数模型的EVaR风险度量计算方法及实证研究

针对EVaR(Expectile-based Value at Risk)风险度量提出了基于GARCH类和SV波动率模型的EVaR风险度量计算方法,即EVaR计算的参数模型方法.并基于模拟学生t分布时间序列数据,给出EVaR样本外预测的失败率检验方法:Kupiec失败率检验和动态分位数(DQ)检验法.与采用CARE(Conditional Autoregressive Expectile)模型的EVaR计算方法进行了对比研究,结果表明基于GARCH类模型和SV模型相对于基于CARE模型有更优的EVaR预测效果.选取2004年1月5日到2009年12月30日的国内外五个股票市场指数数据,针对日对数收益率进行了EVaR风险度量的实证研究,得出在金融危机期间,基于参数模型的EVaR预测要比基于CARE模型的EVaR预测更接近市场实际风险.     

再论AMSAA-BISE模型不能成立

AMSAA-BISE可靠性增长模型的另一种推导方法中同样存在错误.SK1004采集站的故障数据,包括35台产品的可靠性增长试验数据和80台产品的外场使用统计数据,并不能说明AMSAA-BISE模型是正确的,恰恰相反,只能说明AMSAA-BISE模型是错误的.     

论AMSAA—BISE模型—兼答梅文华

用另一种方法了AMSAA－BISE模型,这无疑表明AMSAA－BISE模型是正确的,并指出梅文华的近似模型的错误,还用工程实例说明这些结论,最后对AMSAA与AMSAA－BISE模型的优缺点进行了讨论。     

某型航空火控系统可靠度置信下限的确定

依据 AMSAA模型利用某型航空火控系统各组成单元的研制阶段试验数据并基于遗传算法确定出单元的时间环境折合系数 ,进而求得各单元 MTBF点估计和置信下限 ,最后利用 L-M法给出该系统可靠度置信下限值 .研究结果表明 ,由此得到的系统可靠性评估结果与依据设计定型后实际使用数据统计得到的可靠性水平相接近 ,应用该方法进行系统可靠性评估能较好地满足工程上的需求 .     

多台系统可靠性增长试验方法研究

提出了一种解决多台系统同步投试、同步停止试验和同步改进问题的新模型——指数模型．该模型充分考虑了增长过程中的各种可得信息,包括各改进阶段的失效数、未失效数和失效时间等数据．如果多台系统经过多次同步改进,并且单台系统的可靠性增长符合AMSAA模型,就可以合理地认为在每两个相邻的改进时刻之间,每台系统的失效时间服从指数分布．采用非参数方法得到多台系统在各同步停止试验时刻的可靠度,并利用最小二乘法拟合求得该模型中参数a和b的点估计值,以及参数b的置信限．通过在工程实例中对所提模型和几种已有模型计算结果的比较,说明了所提模型在解决多台系统同步可靠性增长问题中的合理性．     

产品设计定型时MTBF置信区间的确定

本文从系统工程角度出发提出了一种依据 AMSAA模型利用同类或相似产品研制阶段试验数据通过最优化过程来确定时间环境折合系数的新方法 ,进而给出了产品设计定型时 MTBF置信区间的确定方法 ,为解决长期困扰设计定型中可靠性指标验证这一关键问题找到了一条途径 .最后给出了一个工程应用实例     

多台系统同步开发的可靠性增长

本文将AMSAA模型推广到多台系统进行同步开发的情况,给出了Weibull过程参数的最大似然(ML)估计及平均无故障工作时间(MTBF)的区间估计.而Crow的公式则是本文结果的特例.     

A Wiener process model with truncated normal distribution for reliability analysis

The use of degradation model to perform the reliability analysis has drawn much attention due to the fact that the performance of numerous highly reliable systems degrades over time. To describe the unit-to-unit variability for a population of systems, the random effect has been incorporated into the degradation model that plays an important part in assessing the reliability of deteriorating systems. In the existing literature, the normal distribution is commonly adopted to represent the random effect, but the assumption can be unsuitable for some practical applications, such as the degradation process of train wheels. In this paper, we present a degradation modeling and reliability estimation approach by using truncated normal distribution to characterize the unit-to-unit variability. A Wiener process with truncated normal distribution is firstly applied to model the degradation process of the deteriorating system, and the analytical expressions of probability density function and reliability function are derived. Expectation maximization algorithm is then used to estimate the model parameters. The effectiveness and feasibility of the presented approach are illustrated through a numerical example and practical case studies for laser devices and train wheels. The results indicate that the presented approach can obtain better reliability estimation results by considering the truncated normal distribution when the unit-to-unit variability has significant difference.     

The reliability analysis of probabilistic and interval hybrid structural system

The aim of this paper is to evaluate the reliability of probabilistic and interval hybrid structural system. The hybrid structural system includes two kinds of uncertain parameters—probabilistic parameters and interval parameters. Based on the interval reliability model and probabilistic operation, a new probabilistic and interval hybrid reliability model is proposed. Firstly, we use the interval reliability model to analyze the performance function, and then sum up reliability of all regions divided by the failure plane. Based on the presented optimal criterion enumerating the main failure modes of hybrid structural system and the relationship of failure modes, the reliability of structure system can be obtained. By means of the numerical examples, the hybrid reliability model and the traditional probabilistic reliability model are critically contrasted. The results indicate the presented reliability model is more suitable for analysis and design of these structural systems and it can ensure the security of system well, and it only needs less uncertain information.     

Auxiliary model based least squares identification method for a state space model with a unit time-delay

This paper considers parameter estimation problems for state space systems with time-delay. By means of the property of the shift operator, the state space systems are transformed into the input–output representations and an auxiliary model identification method is presented to estimate the system parameters. Finally, an example is provided to test the effectiveness of the proposed algorithm.     

Auxiliary model based parameter estimation for dual-rate output error systems with colored noise

The dual-rate sampled-data systems can offer better quality of control than the systems with single sampling rate in practice. However, the conventional identification methods run in the single-rate scheme. This paper focuses on the parameter estimation problems of the dual-rate output error systems with colored noises. Based on the dual-rate sampled and noise-contaminated data, two direct estimation algorithms are addressed: the auxiliary model based recursive extended least squares algorithm and the recursive prediction error method. The auxiliary model is employed to estimate the noise-free system output. An example is given to test and illustrate the proposed algorithms.