可线性化的非线性回归的有关问题与几种回归方法的比较

对于幂函数、指数函数等类型的非线性回归,只当采用乘积随机误差时才能够线性化.导出了采用乘积随机误差时幂函数型因变量的数学期望的表达式,表明因变量的估计值并非是其数学期望的估值;导出了非线性回归与其线性化回归二者的残差平方和之间的关系式,表明当对非线性回归的因变量做了变换时,传统方法所求非线性回归系数不满足该因变量的残差平方和为最小.故幂函数、指数函数等类型的回归计算,应采用非线性回归方法求解.实例进一步表明,非线性回归方法高斯-牛顿法和麦夸尔特法均显著优于传统方法,且借助MATLAB软件易于实现.     

实自变量模糊参量的非线性Fuzzy回归分析

关于非线性Fuzzy回归问题，文[1]已经讨论了自变量和因变量都取Fuzzy值，而参量θ∈⊙R^m取实值的情况，但大多数实际问题却是其对偶情况，即自变量取实值而参量和因变量都取Fuzzy值。对此本文提供了一种处理方法，给出了相应地Fuzzy回归模型，并讨论了模糊观察值，母体分布，模型参数合理估计等问题，利用可能性理论给出了模型参数的Max-min估计及相应算法。     

投影寻踪模型的改进及其在城市水资源承载能力预测中的应用

在城市水资源承载能力研究中,偏最小二乘回归方法能有效地处理自变量间多重线性相关性问题,但不能较好地处理因变量与自变量间复杂的非线性问题.投影寻踪神经网络耦合模型是处理非线性问题的有力工具,而且神经网络投影寻踪耦合模型稳健性高,但不能较好地处理自变量间多重线性相关性问题.本文把这两种方法结合在一起,建立了基于偏最小二乘回归的神经网络投影寻踪耦合模型,对城市水资源承载能力进行了预测,并取得了满意效果.     

基于众数回归的变系数部分非线性模型的稳健估计

针对变系数部分非线性模型,提出了一种稳健的基于众数回归的两阶段估计方法.首先,基于B-样条函数近似系数函数,利用QR正交分解技术构造了非线性模型,得到了参数的非线性最小二乘估计.其次,提出了变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

针对面板数据的半参数变系数可加模型的估计和推断

本文研究针对面板数据的半参数变系数可加模型的估计和推断问题,该模型将因变量与自变量之间的关系建模成未知函数的形式,并且假设它们之间的关系是随时间变化的.本文基于B样条方法估计未知的参数和函数.本文在允许(N,T)→∞的情况下建立各个估计量的渐近性质.通过大量的模拟评估所提出的估计方法的表现.最后,本文将所推荐的模型用于调查Fama-French三因子的时变行为.     

基于三次样条插值函数的非线性动力系统数值求解

三次样条插值函数具有良好的收敛性、稳定性与二阶光滑性.研究了借助三次样条插值函数构造的非线性动力系统数值求解方法,分析了该方法与已有的非线性动力系统数值求解方法的优缺点,刻画了误差估计且给出了数值算例.结果表明基于三次样条插值函数构造的数值方法比已有的方法收敛速度快、逼近精度高且能够很好地逼近非线性动力系统的解析解.     

用PLS回归方法对中国沿海与内陆城市经济的比较分析

本文采用ＰＬＳ回归方法，对中国部分沿海及内陆城市的经济发展进行比较分析，观察两类城市经济变量间的相互关系，并建立了多因变量对多自变量的ＰＬＳ回归模型     

基于模糊积分的金融数据建模方法

以非可加模糊测度代替经典可加测度,基于模糊积分建立非线性回归模型是新近出现的数据建模方法.该方法充分考虑自变量因素之间的信息熔合(含协同或冲突)作用.本文完整地给出了适用于实数范围内的基于模糊积分(含Choquet积分和(S)ipo(s)积分)的多元非线性回归模型转化为普通线性回归模型的非线性转换方法及其简化算法.并将该方法应用于金融市场数据分析,结果表明效果较之普通多元线性回归有大的提高,且方法简便容易应用.     

新安江流域5—9月间汛期雨量预报的混合回归模型

应用回归模型拟合,是考虑因变量与自变量之间的统计依赖关系,借以预报因变量的未来值.而自回归模型拟合,是考虑因变量自身前后的统计依赖关系,借以预报序列的未来取值.前者没有利用因变量自身的统计依赖关系,后者没有利用因变量与自变量之间的统计依赖关系.在雨量预报中,雨量的多寡,有时不仅与所选自变量有关,而且与预报量的历史取值亦有很大联系.混合回归模型综合了以上两种考虑,克服了单纯回归模型存在的不足。     

纵向数据边际模型非参数光滑方法的比较

对于纵向数据边际模型的均值函数, 有很多非参数估计方法, 其中回归样条, 光滑样条, 似乎不相关(SUR)核估计等方法在工作协方差阵正确指定时具有最小的渐近方差. 回归样条的渐近偏差与工作协方差阵无关, 而SUR核估计和光滑样条估计的渐近偏差却依赖于工作协方差阵. 本文主要研究了回归样条, 光滑样条和SUR核估计的效率问题. 通过模拟比较发现回归样条估计的表现比较稳定, 在大多数情况下比光滑样条估计和SUR核估计的效率高.     

多项式回归的建模方法比较研究

在实际工作中,人们在采用回归模型解释因果变量间的相关关系时,经常会遇到自变量之间存在幂乘关系的情况。在这种情况下,多项式回归模型成为一个合理的选择。由于多项式回归模型中自变量之间存在较强的相关关系,采用普通最小二乘回归方法来估计变量的回归系数,则会存在较大的误差。在本文中,为了提高多项式回归模型的预测准确性和可靠性,提出使用主成分分析、偏最小二乘回归建模,并采用仿真数据来比较它们的异同。     

一类小样本的统计方法建模及其可视化

针对一类高维小样本数据,利用统计方法的非参数检验与偏最小二乘回归(PLS)构造小样本预测模型,实现基于Wilcoxon秩和检验的变量选择与基于PLS的变量压缩降维.并通过DNA序列分类问题实现基于统计方法的小样本数据建模与可视化,计算结果表明方法对小样本具有可行性、有效性.     

多维时序定阶方法对偏最小二乘回归模型预报精度的改进

运用时间序列多维自回归模型的定阶方法 ,解决了偏最小二乘回归模型中自变量的选择问题 .通过对我国财政收入的预报分析表明 ,这两种统计模型的结合使用 ,较大程度地提高了预报精度     

偏最小二乘回归方法(PLS)在短期气候预测中的应用

对广西88个站冬季(12月、1月和2月)各月平均气温距平场作自然正交展开(EOF分解),选取累积方差贡献超过90%的前3个主成分作为预报量.从前期平均大气环流场和海温场中查找预报因子,对这些初选因子用偏最小二乘回归方法(PLS)进行信息筛选和成分提取,用提取的新综合变量(又称成分)作预报因子,分别建立各月平均气温前3个主成分的回归预报方程.经独立样本预报试验证明,偏最小二乘回归方法具备良好的因子信息提取能力,其预报建模方法对冬季月平均气温预报具有较好的预测效果.     

多元组内回归分析的模型及其算法

从工程实践的需要出发，提出多元组内回归分析的模型和算法。该模型参考逐步回归的思想，将副除的自变量转变为因变量，既充分利用数据信息，又获得完整的结果。该模型克服传统多元回归模型在因变量集合不确定的情况下难以应用的不足，应用前景广阔。     

在有交互作用下上海、伦敦期货市场铜期货价格引导关系的研究

传统的两变量引导关系模型一般仅仅考虑到自变量（包括即时与滞后因子）对因变量独立的引导作用，往往忽略了因素之间（自变量与自变量，自变量与因变量之间）交互作用对因变量产生的影响，本文提出了一种改进的引导关系模型，在传统模型的基础上添加一个交互项来刻画因素之间的交互作用对因变量所产生的影响，并对上海期货交易所和伦敦金属交易所铜期货价格之间的引导关系做了实证分析，得到一些有意义的结果，并且改进后的模型较之传统模型检验的拟合度和精确度都有一定的提高。     

Resonant instability and nonlinear wave interactions in electrically forced jets

We investigate the problem of linear temporal instability of the modes that satisfy the dyad resonance conditions and the associated nonlinear wave interactions in jets driven by either a constant or a variable external electric field. A mathematical model, which is developed and used for the temporally growing modes with resonance and their nonlinear wave interactions in electrically driven jet flows, leads to equations for the unknown amplitudes of such waves. These equations are solved for both water and glycerol jet cases, and the expressions for the dependent variables of the corresponding modes are determined. The results of the generated data for these dependent variables versus time indicate, in particular, that the instability resulted from the nonlinear interactions of such modes is mostly quite strong but can also lead to significant reduction in the jet radius.     

A new General Algebraic Method and its applications to the (2+1)-dimensional Broer-Kaup-Kupershmidt equations

Using a computerized symbolic computation technique, a new method named the Repeated General Algebraic Method (RGAM) is established in this study in order to find exact solutions of Nonlinear Partial Differential Equations (NLPDEs). The new method is validated based on the (2+1)-dimensional Broer-Kaup-Kupershmidt (BKK) equations. By using the RGAM in various conditions, a number of exact solutions of NLPDEs have been obtained showing potential importance in future physical applications. Also, it is anticipated that the RGAM can be applied to other nonlinear evolution equations in mathematical physics to produce some interesting outcomes.     

FA-RBF复合神经网络模型及其在地下水位预测中的应用

地下水动态变化过程呈现出高度复杂的非线性特征,增加了地下水位预测的难度.为充分反映地下水位变化过程中自变量和因变量之间的非线性映射关系,克服在获取水文地质参数与查明水文地质条件方面的困难,避免部分智能方法实现繁琐复杂、计算效率低、限制条件多等不足,提出将因子分析方法与RBF神经网络算法构成复合模型,用于地下水位预测.结果表明,复合模型可以用于地下水位预测,模型计算结果可靠,网络训练时间缩短,计算精度有所提高;而且有成熟算法,实现简单.     

非线性系统的一种模糊滑模变结构控制方案

基于HM模型对非线性系统进行描述，采用Lyapunov方法设计出确保系统全局渐近稳定的滑模变结构控制器。对满足匹配条件和不满足匹配条件的情况均适用。并用一级倒立摆系统进行仿真验证。成功的将变结构控制应用于非线性控制系统中。