两种群食饵-捕食者模型参数估计的数值微分法

给出了一种基于数值微分的两种群食饵-捕食模型参数估计的两阶段方法。该方法将参数的非线性最小二乘估计,转化为一个数值微分和一个线性最小二乘估计问题,具有计算简单快速的特点。数值算例详细分析了三种常见有限差分数值微分法及非线性最小二乘估计对参数估计精度的影响,结果表明提出的方法是可行的。     

半参数EV模型两阶段估计结果的比较

在综合核函数法和最小二乘法的基础上,采用二阶段估计的方法定义了半参数EV模型中参数的两个阶段估计。并且从误差方差的角度比较了两个估计结果的优劣．     

联立方程组模型中参数估计的随机模拟

介绍了联立线性方程组模型可识别时结构参数矩阵的几种估计：普通最小二乘估计、间接最小二乘估计、两步最小二乘估计、广义最小二乘估计以及三步最小二乘估计,对这５种参数估计进行了随机模拟,表明这些估计中以广义最小二乘估计和三步最小二乘估计为最好．     

动态调节模型的三阶段最小二乘辨识方法

针对动态调节模型提出一种三阶段最小二乘辨识方法.先将模型变换为CARMA模型,估计出变换后的CARMA模型参数,再利用已得到的参数估计依次辨识原模型中的系统模型参数和噪声模型参数.该方法原理简单,有效可行.     

聚集数据的线性模型参数估计的相对效率

文献［１］提出了聚集数据的线性模型未知参数的两种估计。本文给出了关于最小二乘估计的三种估计的相对效率，并研究了它们的性质以及与文献［２］讨论过的另一种相对效率的关系。     

聚集数据的线性模型参数估计的相对效率

文献［１］提出了聚集数据的线性模型未知参数的两种估计。本文给出了关于最小二乘估计的三种估计的相对效率，并研究了它们的性质以及与文献［２］讨论过的另一种相对效率的关系。     

具有竞争种群的Lotka-Volterra 微分代数模型的复杂性分析

研究了Lotka-Volterra食饵-捕食生物模型,考虑当捕食者数量过多时引入与捕食者形成一种简单竞争关系且不具有捕食食饵能力的物种来抑制捕食者的增长,根据守恒关系建立微分代数生物系统模型。然后,应用微分代数系统的稳定性分析方法和相关判据,讨论参数在一定范围内变化时生物模型稳定性问题。最后,结合分析结果应用Matlab软件对模型进行数值仿真。仿真结果表明,系统在参数取某一定值时出现极限环,所建立的微分代数生物系统模型产生复杂的非线性动力学现象。     

居民消费价格指数的非参数自回归模型

利用我国2004年-2008年的居民消费价格指数数据,建立非参数自回归模型,并分别用线性最小二乘方法、正交序列方法和多项式样条方法进行了拟合和预测．结果表明,非参数模型优于线性模型;在三种估计方法中,正交序列估计方法优于其他两种方法．最后将模拟、预测的结果和刘春燕等建立的基于ARIMA模型模拟、预测的结果进行了比较．     

带交错扩散项的捕食者-食饵模型古典解的整体存在性

应用能量估计方法和bootstrap技巧讨论了一类带自扩散和交错扩散的捕食者-食饵模型.当空间维数小于6时,证明了该模型解的整体存在性.     

增长曲线模型回归系数的主成分估计

对增长曲线模型的回归系数提出了主成分估计，并证明了主成分估计优于最小二乘估计。进一步，对最小二乘估计的任一线性变换，给出其均方误差的一个无偏估计，并应用极小化均方误差的无偏估计的方法，给出了确定偏参数的公式。     

一种新的J-M模型参数区间估计工程算法

将Bayes统计方法应用于J-M模型参数的区间估计研究.首先给出J-M模型参数的基于杰弗莱原则的先验分布,在此基础上给出模型参数的Bayes后验分布密度,由此得出模型参数的Bayes点估计.然后,在点估计基础上,给出模型参数的Bayes区间估计方法.最后,分别将J-M模型参数的最大似然、最小二乘以及Bayes区间估计法应用于多组公开的失效数据集,求解模型参数的区间估计值.计算结果表明,Bayes区间估计算法的计算精度、适用性以及稳定性是三者当中最好的.     

Health prediction algorithm for edge layer nodes

An improved state prediction algorithm for edge layer nodes is proposed to solve the problem of the existing state prediction algorithm for edge layer nodes based on Hidden Markov, such as the subjectivity of initial parameter selection, the dependence of feature weights setting on experience, and the bad adaptability of multidimension feature node analysis. At the data processing layer of the algorithm, the parameter of the model and observation sequence are optimized by the method of clustering; and then at the training layer of the algorithm, the single-feature Hidden Markov Model is used to model the multi-feature Hidden Markov Model; finally, an adaptive genetic algorithm based on the information gain is used to optimize and reduce the state sequence generated by the Hidden Markov Model. The problems of feature weight setting and parameter initial value selection are solved effectively. Experimental results show that the proposed algorithm effectively improves the accuracy of the high-dimensional health state of large-scale edge layer nodes compared with the existing algorithms.     

非主断面观测站求解边界角和移动角的新方法

由非主断面观测站求取主断面上的边界角和移动角,目前采用等权最小二乘估计求参后反求,由于厚松散层失水等因素的影响及概率积分法具有边界收敛快的特点,所求边界角和移动角的精度得不到保证。从修正随机模型的角度,采用加权最小二乘估计求参。通过实例,从下沉残差序列、临界变形值和残差中误差等方面分析了等权和加权的拟合效果,得出等权估计的整体拟合效果优于加权估计,加权估计能有效提高求取边界角和移动角的精度的主要结论。     

风电齿轮箱零件寿命分布函数的确定方法

以1.5 MW风电齿轮箱齿轮为研究对象,基于齿轮的设计参数,通过机械零部件动态可靠性模型,得到风电齿轮箱齿轮的寿命分布模型。假设它的寿命分布函数分别服从双参数威布尔分布和对数正态分布,并用最小二乘法对两种分布形式的参数进行估计,用相关系数法对两种分布形式的估计结果进行检验。检验结果表明,两种分布形式中威布尔分布对寿命分布模型的分布函数形式拟合得较好,由此确定的寿命分布函数对于零件全生命周期的管理具有一定的指导意义。     

混合威布尔分布参数估计的L-M算法

混合威布尔分布模型常用来分析具有多种失效模式的机械系统或零部件的可靠性寿命数据,为提高混合威布尔分布未知参数估计的精度,利用非线性最小二乘理论,建立了小子样条件下两重混合威布尔分布参数优化估计模型,将L-M算法用于优化求解。以概率图参数估计法的结果作为迭代初始值,提高了迭代求解的速度。计算实例表明利用该方法估计混合威布尔分布参数是可行的,而且能够获得较精确的结果。     

线性模型的分裂

对统计模型1(Y,Xβ,σ~2I),本文给出了有关β的部分分量βp的模型2,使得βp在模型2中的最小二乘估计与在模型1中的一样。模型2称为模型1关于βp的分裂模型。这模型可用于需要部分参数估计的场合。     

一种新的手写体数字识别方法

应用多分支二阶伪二维隐马尔可夫模型进行了手写体数字的识别,引入了多分支二阶伪二维维特比算法对模型进行训练,该训练算法比传统的前后向算有下述优点：１,避免了下溢出问题。２．运算精度大大提高．３。运算速度加快。采用多分支模型可以更充分描述模型特征,其识别率高于普通伪二维隐马尔可夫模型,试验结果训练集识别率９６．１％、测试集９４．９５％。     

基于统计的中文机构名实体识别的研究

针对中文机构名实体的识别提出了利用隐马尔科夫统计模型的方法.同时,在此方法的基础上通过构建一元模型来补充识别那些缩写的和没有核心词的机构名,弥补了单一统计模型在机构名实体识别中的不足.实验证明二者相结合的方法能获得较高的准确率和召回率,具有可行性.     

基于分布式抗差最小二乘法的状态估计

针对电力系统互联的必然趋势,在研究传统算法和分布式算法的基础上,提出了基于结构和电压等级分布的组合分布式状态估计算法,建立了相应的数学模型。抗差估计理论主要研究抗拒少量粗差对估值的影响。拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计。算例结果表明,基于分布式的抗差最小二乘法具有良好的抗粗差能力和收敛可靠性,并且收敛速度快。