大数据下分位数回归通讯有效算法及其应用

考虑风险度量中常见的分位数回归模型,给出在超大容量数据且复杂数据类型下的几类快速分布式算法.虽然仅考虑分位数回归模型,但本文提供的算法大多数可以应用到其它更一般的模型中.由于分位数回归模型的目标函数为非光滑函数,通常的分块集成法和光滑函数高效通讯算法并不适用.本文首先针对完整观测数据,给出了分位数回归模型参数估计的等度连续法,光滑函数逼近法和改进的数萃(Meta)方法三种分布式通讯有效算法.进一步,考虑了非平衡半监督数据,分别针对无标签数据样本量较小和较大两种情形,提出了加权损失函数法和改进的数萃方法两种数据融合方法.所提出的方法可以把分散在不同机器上的半监督数据进行数据融合,从而实现不同数据类型和不同样本量情形下的高效通讯分布式计算,提高算法的精度和参数估计的效率.本文通过大量仿真模拟研究了所提出的算法在有限样本下的表现,并将其应用到了洛杉矶流浪人口数的实际数据分析中,发现其均具有较好的准确性.

气象调整下的区域空气质量评估

虽然空气污染是由污染物排放到大气中造成的,但是由于气象条件会影响污染物的扩散,因而实际观测到的污染水平会受到气象条件的影响.因此,有效的空气质量管理要求污染评估指标和统计方法不受气象因素的干扰,并能准确客观地反映污染物浓度的变化.为了评估北京地区潜在污染物排放的变化,本文提出一种消除气象干扰的时空调整方法.通过控制气象条件,调整后的污染物时空平均浓度可以捕捉到潜在排放量的变化.本文提出具体调整均值的方法,并进行理论和数值分析,将此方法应用于北京地区的空气质量评估,揭示一些有趣的模式和趋势,这些结果可以用于空气质量评估和管理.