A RANDOM PARAMETER PROCESS FOR MODELING AND FORECASTING TIME SERIES

Abstract. A generalized autoregressive (GAR) process {Z ( t ) ; t = 0 , ±1, …} is defined to satisfy the recurrence relation Z(t) = A_θ (t)Z (t -l)+ u( t ), where {A_θ(t); t = 0,±1, …} is itself a stochastic process depending on a vector parameter θ and where {u( t ); t = 0, ±1, …} is white noise with Eu ² ( t ) = a ². This paper develops theory and methodology and implementing the class of GAR processes for time series modeling and forecasting. Conditions on the 'parameter process' { A _θ ( t ); t = 0, ±1, …} are obtained for the existence of a GAR process; necessary and sufficient conditions on { A_θ ( t ) ; t = 0, ±1, …} for existence of a stationary GAR process are also obtained. Procedures are developed for computing maximum likelihood estimates of the parameters 0 and u² and for computing the minimum mean squared error forecasts for GAR processes.     

一种不确定图中最可靠最大流问题的解决方案

最可靠最大流是不确定图中可靠性最高的最大流,它是传统最大流问题在不确定图上的自然延伸.现有的最可靠最大流算法SDBA时间复杂性较高,无法满足实际中不同应用的需求,为此,文中提出一种具有普遍适用性的最可靠最大流解决方案.该方案包含面向不同需求的3种算法:基于负权群落消去的NWCE算法、基于时间约束优先单环消去的SPEA-t算法和基于概率阈值约束优先单环消去的SPEA-p算法.其中,NWCE算法借鉴最小费用最大流的"流平移"思想并基于文中提出的负权群落概念,在辅助剩余图中不断地消去可使可靠性增加而流量不变的负权群落,可证当消去所有负权群落时对应的最大流即为最可靠最大流.根据负权群落中由单环组成的群落占很高比例且相对于多环组成的群落更易查找和消去的性质,同时考虑到NWCE算法为了获得最优解,往往为了消去最后少数几个对概率提高贡献很小的负权群落却花费了很长时间的现象,提出SPEA-t和SPEA-p两种快速近似算法,前者是以规定时间内尽可能逼近最优解为目标,后者是以最少时间达到预设的概率阈值为目标,它们都采用了优先消去概率-时间效益较好的单环群落的策略,加快对最优解的逼近速度,减少或放弃时间开销较大的多环群落的消去,以满足那些对算法时间性能要求很高而结果以近似最优即可的应用需求.实验表明,相对于SDBA算法,NWCE算法结合概率剪枝策略在时间性能上有了数量级的提高,而SPEA-t算法和SPEA-p算法则具有更高的性能和更好的适用性.     

Selecting the forgetting factor in subset autoregressive modelling

Abstract. Conventional methods to determine the forgetting factors in autoregressive (AR) models are mostly based on arbitrary or personal choices. In this paper, we present two procedures which can be used to select the forgetting factor in subset AR modelling. The first procedure uses the bootstrap to determine the value of a fixed forgetting factor. The second procedure starts from this base and applies the time-recursive maximum likelihood estimation to a variable forgetting factor. In one illustration using real exchange rates, we demonstrate the effect of the forgetting factor in subset AR modelling on ex ante forecasting of non-stationary time series. In a second illustration, these two procedures are applied to time-update forecasts for a stock market index. Subset AR models not including a forgetting factor act as a set of benchmarks for assessing ex ante forecasting performance, and consistently improved forecasting performance is demonstrated for these proposed procedures.     

云数据库中基于极大熵差分进化的负载评估算法

由于分布式关系型数据库基于两阶段提交协议的设计方式,使得系统如出现单节点瓶颈问题,数据库事务将全部回滚,从而造成巨大的系统开销,影响数据库在大数据环境下的应用。针对这一现状,提出一种基于极大熵差分进化的负载评估算法,利用评价函数法,将多目标优化问题转化为不可微的单目标优化问题,再利用极大熵函数,将不可微优化问题转化为一个带有参数的无约束优化问题,最后用差分进化算法对其进行求解,找出节点资源最优集,从而为过载节点的数据迁移提供了理论依据,也进一步实现了对云数据库的设计。实验结果表明,该算法能够提高系统的整体性能,有效避免单节点瓶颈问题。     

一种检测单晶炉热场温度的新方法

为去除单晶炉热场温度测量信号中的低频干扰、提高温度信号的估计精度,本文提出了一种基于跨维模拟退火(trans dimensional simulated annealing,TDSA)的单晶炉热场温度检测方法.该方法首先将AIC(Akaike information criterion)信号个数判断准则纳入采样机制中以便对干扰个数采样估计,进而利用所设计的基于信号频谱和轮盘赌思想的Metropolis Hastings机制对相应个数的干扰频率进行采样,最后设计了混合均匀和高斯采样机制对单晶炉热场温度进行采样估计.仿真和单晶炉工程实验结果表明,该方法在干扰个数未知的情况下,能够有效地抑制低频干扰、准确检测单晶炉热场的温度.     

单向Cf/SiC复合材料的弯曲疲劳性能

对单向Cf/SiC复合材料进行了三点弯曲疲劳性能测试,得到了复合材料的应力－寿命曲线（S－N曲线）,并对其进行线性拟合,得到疲劳最大应力与复合材料疲劳寿命的关系;考察了疲劳过程中刚度下降和疲劳裂纹产生情况。结果表明在疲劳过程中复合材料的弯曲模量有3个变化阶段：首先在疲劳加载初期,弯曲模量的下降速度及幅度都较大;其次在弯曲模量下降到原始弯曲模量的85％（133GPa)后,其变化方式没有明显的规律可循,有时甚至可能上升;最后复合材料发生疲劳断裂时,模量将发生突变。显微结构分析表明：基体横向裂纹群的产生是疲劳断裂的独有特征。它的产生是由于基体SiC的断裂应变小于碳纤维的断裂应变,基体首先开裂并导致应力重新分布的结果。     

相空间重构在语音情感识别中的研究

为了更为全面地表征语音情感状态,弥补线性情感特征参数在刻画不同情感类型上的不足,将相空间重构理论引入语音情感识别中来,通过分析不同情感状态下的混沌特征,提取Kolmogorov熵和关联维作为新的情感特征参数,并结合传统语音特征使用支持向量机（SVM）进行语音情感识别。实验结果表明,通过引入混沌参数,与传统物理特征进行识别的方案相比,准确率有了一定的提高,为语音情感的识别提供了一个新的研究途径。     

基于EMD和互信息熵的微震信号自适应去噪

针对强干扰背景下的微震信号提取,提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）和互信息熵的自适应提取算法。通过EMD对微震信号进行分解,得到高频和低频两部分信号,并对分解得到的各阶固有模态分量求出能量和能量熵值。根据互信息准则,通过依次计算相邻分量能量熵之间的互信息值来区分高频和低频信号。将经过自适应阈值滤波后的高频信号和低频信号一起进行信号重构,得到新的微震信号。仿真结果表明,在对微震信号去噪时,该方法可以有效地去除噪声信号,信噪比均提升了10 dB以上。工程上的微震信号通过该方法处理后,也取得了较好的效果。     

FAST LINEAR ESTIMATION METHODS FOR VECTOR AUTOREGRESSIVE MOVING-AVERAGE MODELS

Abstract. Three linear methods for estimating parameter values of vector auto-regressive moving-average (VARMA) models which are in general at least an order of magnitude faster than maximum likelihood estimation are developed in this paper. Simulation results for different model structures with varying numbers of component series and observations suggest that the accuracy of these procedures is in most cases comparable with maximum likelihood estimation. Procedures for estimating parameter standard error are also discussed and used for identification of nonzero elements in the VARMA polynomial structures. These methods can also be used to establish the order of the VARMA structure. We note, however, that the primary purpose of these estimates is to generate initial estimates for the nonzero parameters in order to reduce subsequent computational time of more efficient estimation procedures such as exact maximum likelihood.     

最小费用最大流问题的一种新算法

现有的最小费用最大流算法都有自身的缺陷,增广链的选取不当会给计算带来不便,同时费用也达不到理想的效果。鉴于对最小费用最大流算法的增广链选取和最小费用的探索,文章通过对费用差的定义给出了一种求最小费用最大流的新算法。新算法的原则是优先选择费用差最小的有向路径进行增广,当费用差相同时就选择修正后的路径。通过对最小费用最大流算法的改进,新算法易理解且便于计算。通过实例说明了新算法的有效性和执行效率。