SVM回归法在汛期旱涝预测中的应用研究

研究基于统计学习理论的支持向量机（SVM）回归在汛期旱涝预测中的应用．根据浙江省38个测站的降水量资料，用正态化Z指数对汛期旱涝等级进行划分，得到了能够反映全省旱涝状况的指标．以此指标作为预测量，通过相关分析从前期大气环流场、海温场中选取高相关预测因子，应用逐步回归和SVM回归技术分别建立浙江省汛期旱涝短期气候预测模型，并进行了对比分析．结果表明：SVM回归模型集中了众多预测因子的预测信息，有效地利用了支持向量机方法的非线性映射能力，无论在历史样本拟合的精度上还是模型实际预测的能力上都比传统的逐步回归方法有一定提高，具有较好的应用效果．     

线性模型中相依误差下回归系数最小二乘估计的相合性

本文研究了线性模型y_i=X_i’β+e_i,i=1,2,…中回归系数β=(β_1,…,β_n)’的最小二乘估计的相合性.文章前一部分考虑了随机误差序列{e_i}相依情况下的(?)的γ-阶平均相合性,改进了胡舒合在[1]中的有关结果.文章后一部分推广陈希孺在[2]中的(?)的强相合性于相依情形.     

一个适于新疆河流日径流预测的实时预报模型

本文基于ARMA(p,q)模型和非平稳时序分析的乘法模型,并考虑到气温和降水对径流的影响作用,提出了一个适用于干旱区、半干旱区水文和气象资料缺乏的乌鲁木齐河1984～1988年日径流过程的连续模拟和预报中,取得了良好的结果,可用于实际作业和预报。     

向量自回归模型与向量误差修正模型预测功能的比较——基于我国国内生产总值和居民消费支出变量的实证研究

建立国内生产总值与居民消费支出有关形式变量的向量自回归模型和误差修正模型,依据国内生产总值和居民消费支出的历史数据分别对模型进行估计,并利用估计好的2个模型对近2年的相应变量进行预测,将预测结果与实际数据相比较,从而得出2个模型的预测效果.通过比较显示：误差修正模型预测效果优于向量自回归模型.     

基于WRF数值模式的SDAE-SVR风速预测模型研究

风速预测是风力预报中的核心与基础, 采用天气研究和预报(Weather Research and Forecasting, WRF)模式进行风力预报往往存在风速预测误差较大的问题. 为了提高风速预测精度, 提出了一种基于深度学习和支持向量回归(Support Vector Regression, SVR)相结合的风速预测模型. 该模型以WRF模式预报输出的多种气象变量为基础, 结合气象自动观测站传感器的实测风速, 引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder, SDAE)深度网络来学习样本数据中隐含的深度特征, 然后将该深度网络最后一层输出的深度特征置入回归器SVR中, 利用SVR良好的回归预测性能对WRF模式预报的未来1h风速进行预测订正. 结果表明: 所建立的SDAE-SVR风速预测模型具有较高的风速预测精度, 在对典型日的WRF模式预报未来1h风速的预测订正中, 其平均百分比误差与均方根误差仅为8.28％与0.8 066 m·     

基于SVM和LS-SVM的住宅工程造价预测研究

为在方案设计初期与工程造价相关信息很少的条件下,准确快速地预测住宅工程造价,在分析既往相关理论和方法优劣的基础上,选取支持向量机构建住宅工程造价预测模型,并通过主成分分析对原始数据进行降噪处理.选取住宅工程造价预测指标集与样本,对输入指标的数据进行主成分分析,消除指标相关性的同时对原始数据降维,将处理后的数据分别导入到"标准支持向量机"和"最小二乘支持向量机"模型中进行训练和预测,并对预测结果进行对比分析,选取较为合理的预测模型,通过参数寻优进一步优化预测效果.所构建预测模型的相对误差均控制在±7%以内,预测精度较高,结果稳定.     

基于神经网络的股票收益率预测研究

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明：神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。     

基于神经网络的股票收益率预测研究

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明：神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。     

基于多样本的在线支持向量回归算法

提出一种针对多样本的在线支持向量回归（SVR）算法,以解决目前SVR在线训练算法每次只能处理1个样本的问题．算法以拉格朗日乘数法和库恩一塔克（KKT）条件为基础,逐步改变样本的系数,并在每次迭代中保持原来的样本满足KKT奈件,最终使所有训练样本满足KKT条件．实验表明,该方法可有效更新SVR模型,且计算效率相比于基于单样本的在线回归算法有较大的优势．     

基于边缘ZI回归模型的分组数据影响分析

为了研究含零较多的分组计数数据对边缘ZI(zero-inflated)回归模型的影响,在完全数据的对数似然基础上利用局部影响法对其进行诊断.同时,基于模型中参数的ES(expectation-solution)估计,分别研究了类内加权扰动、类音加权扰动、解释变量扰动和响应变量扰动下的局部影响分析,得到了相应的诊断统计量.最后,根据所得统计量,获得了园艺试验中一组计数数据的影响点,结果说明该文提出的方法是有效的.     

随机删失场合半参数回归模型参数估计的重对数律‘

本文探讨了随机删失场合半参数回归模型的参数估计问题.考虑半参数回归模型Y =X}}3 + g(T)十。，其中(X,T)’为取值于Kp X [0,1〕上的随机向量，月为1'维未知参数向量，8为定义于【0.1]上的未知函数，。为随机误差，Ee = 0 . Eez = az }。未知，且(X ,T)与。独立，).被一个与之独立的随机变量V所截.此时仅能观察到:Z=min(Y,V),o=1(Y簇V)，参数I3,az的估计量禽及公 z可综合非参数的权函数估计法与参数的最小二乘估计方法得到.本文对核函数的情形得到了念及ar z的精确收敛速度即重对数律.