中国沿海赤潮灾害时间序列特征的模拟与预测

对赤潮灾害时间序列的特征分析是进行赤潮灾害防灾减灾工作的基础,对未来赤潮灾害的预测具有重要意义。通过观察发现中国沿海赤潮灾害年发生频次和分布面积的时间序列(2004—2019年)均呈现出趋势项和周期项并存的特征,因此利用灰色-周期外延组合预测模型对两个序列中的趋势项和周期项进行提取,模型的拟合度分别达到95.20%和95.24%,优于灰色模型、Fourier级数扩展模型和Holt-Winter指数平滑模型等。最后将该模型结果应用到对未来中国赤潮灾害的预测中,得到结论:2020和2021年赤潮灾害发生频次分别为39次和42次,与2019年相比略有上升,2020年赤潮灾害分布面积达到3168km^(2),与2019年相比增加了约59%,而2021年赤潮灾害分布面积出现回落,为1901km^(2)。

基于证据理论的风暴潮灾害损失评估

本文提出了一种基于Dempster-Shafer证据理论的风暴潮灾害损失评估方法。鉴于风暴潮致灾过程中的不确定性,选择合适的具有代表性指标(包括最大风暴潮增水、最大有效波高和防灾减灾能力)产生灾害损失评估的证据,并根据所选指标和风暴潮直接经济损失之间的相关性大小确定证据权重,最后采用改进的Murphy证据融合算法进行证据融合,从而判断灾害损失等级。通过实证分析发现,本文所提出的方法在判断风暴潮灾害损失等级上的正确率达到93.1%,优于朴素贝叶斯、支持向量机、神经网络和决策树等常用方法,同时本文方法计算简便,且随着训练集样本量的增加,损失评估结果可进一步精细化。

基于潜变量模型的多元有序数据轮廓分析法

提出了一种适用于多元有序数据的轮廓分析方法。鉴于有序数据无法满足轮廓分析对数据正态性的要求,采用潜变量模型对有序变量进行赋值,利用Bootstrap方法重构样本,使重构后的新数据满足正态性且总体均值与原样本一致,因而可以将轮廓分析法应用于有序数据均值向量的比较问题。讨论了单样本情形的同水平假设、两样本和多样本情形的平行、同水平和平坦性假设,并给出相应的检验统计量和拒绝域。最后,通过随机模拟来检验该方法的合理性,并得到结论:样本质量较高时,该方法在控制第一类错误和提高检验的功效上效果很好;对于一般样本而言,该方法的实际第一类错误较名义值有所增大,可通过提高原始样本量、降低名义第一类错误和进行多次试验来解决。

一种有序数据的多组别比较方法

文章介绍了一种适用于有序数据的一元单因素方差分析方法。该方法根据正态潜变量模型计算各个类别客观和合理的代表值,通过Bootstrap方法将有序数据重构为连续正态数据且与原始数据保持相同的总体均值,继而采用ANOVA来比较各总体均值的一致性。通过随机模拟发现,该方法的实际第一类错误会出现＂膨胀＂现象（大于名义第一类错误）。在大样本情况下,适当降低名义第一类错误和进行多次检验可以很好地解决这个问题。

基于Welch方法凝聚谱的偏差与方差估计

在有限的数据量下,采用Welch方法可以使凝聚谱(MSC)估计量获得更小的偏差与方差,然而此时估计量的分布尚未导出,致使MSC估计量的偏差与方差无从获得。给出了四种偏差与方差的估计方法,即采用N_(d)(独立分段数)、N_(s)(总分段数)、N_(c1)(修正自由度法)和N_(c2)(参数估计法)修正非重叠情形下偏差与方差的计算公式,通过随机模拟比较四种方法在不同重叠率和分段数下的优劣,最后给出四种方法的适用范围:在25%重叠率下,使用N_(s)、N_(c1)和N_(c2)得到的估计值与实际值比较吻合;在50%重叠率下,使用N_(c1)和N_(c2)得到的估计值与实际值比较接近;而在75%的重叠率下,N_(c1)和N_(c2)分别需要在分段数超过11和5的情况下使用。

电商对消费者购买方式和企业传统销售模式的影响分析

从国美、苏宁实体店亏损到数家实体店倒闭，实体店的销售模式受到电商前所未有的挑战。而对于消费者，网购这种购买方式也深入到生活的方方面面。我们从消费者和企业这两大方面进入我们的课题，探究电商的兴起对这两方面的冲击并提出对未来的趋势分析。

高速公路交通流量的齐次泊松过程模型检验

为检验高速路上车辆到达时刻是否服从齐次泊松过程模型,使用实测的交通数据资料,记录车辆到达监测点的时间,构成一个随机点过程。基于空间点过程的理论,将Ripley的K函数应用到一维随机点过程中,依据齐次泊松过程情形下K函数的特殊形式,结合包络检验,提出了一种齐次泊松过程的图形化检验方法,并通过随机模拟验证了检验方法的有效性。使用该图形化方法对车辆到达常台高速监测点的时间所构成的点过程进行检验,结果表明该点过程是一个齐次泊松过程,通过估计其参数得出常台高速该时段车流量的齐次泊松过程模型。