具有序列相关结构的混合增长曲线模型

增长曲线模型是纵向数据分析的重要方法,它的一个重要假设是组别阵已知,但这在现实中往往难以满足.因此,本文提出全新的混合增长曲线模型处理该问题,随之将数据分布假设从正态扩展到混合正态.此外,新模型中加入了序列相关结构,为常伴有序列相关的纵向数据提供了合理的分析方法.本文以数据驱动的方法来搜索最佳模型,在获得模型参数估计的同时实现了序列相关数据的聚类与拟合.模拟研究和实际数据分析都说明了所提出的方法具有合理性和有效性.

一种改进的变结构混沌序列性能分析

自提出了基于广义混沌映射切换的混沌同步保密通信方法以来,这种通过混沌映射切换来改变混沌系统结构,以此产生伪随机序列的方法被频繁引用.但这种方法产生的序列的综合性能却一直未能得到有力的证明,而且尚存在不能充分保证序列周期足够长的致命弱点.本文对这种变结构混沌序列产生方法作了动力学分析,并通过数值仿真对该方法产生的序列做了统计性能分析和抗预测性能研究.为了解决周期问题,本文在变结构混沌序列基础上引入了m序列扰动.结果表明:这种改进的变结构混沌序列具有典型的混沌特性,而且产生序列的周期,相空间分布,线性复杂度,相关性以及抗预测性等方面的性能明显优于基于单一混沌系统的序列.

基于非线性混合模型的东北兴安落叶松树高和直径生长模拟

以黑龙江省带岭林业局大青川林场80株人工兴安落叶松解析木数据为例,采用Richards生长模型作为基础模型,利用S-PLUS软件中的NLME过程,分别拟合非线性树高和直径生长模型。采用AIC、BIC、对数似然值和似然比检验等模型评价统计指标对不同模型的精度进行比较分析。结果表明:当对树高-年龄关系进行拟合时,b1、b3同时作为混合参数时模型拟合最好;当对直径-年龄关系进行拟合时,b1、b3同时作为混合参数时模型拟合最好。把相关性结构包括一阶自回归结构AR(1)、一阶移动平均结构MA(1)及一阶自回归与移动平均结构[ARMA(1,1)]加入到树高和直径最优混合模型中,一阶自回归结构AR(1)显著提高了树高混合模型的拟合精度,一阶移动平均结构MA(1)显著提高了直径混合模型的拟合精度。模型检验结果表明:混合模型通过校正随机参数值能提高模型的预测精度。因此,混合模型在应用上不但能反映树高和直径的平均预测趋势,还能用方差协方差结构和误差相关性结构校正随机参数来反映个体之间的差异。

基于Bernstein Copula函数的中国入境旅游需求预测

旅游需求的序列相关结构是旅游学研究中长期被忽略的一个问题。在旅游预测建模中,往往假定线性的或者是某种特定的非线性序列相关结构。这种假定虽然为模型构建带来一定的便捷性,但是很可能会影响预测的精确性。该研究引入Bernstein Copula函数刻画中国入境旅游需求的序列相关结构,以构建预测模型进行实证分析。实证结果表明,Bernstein Copula模型在旅游预测中具有其优越性。研究的结果为旅游需求建模提供了一个新的思考方向。