应用MCEM算法估计一阶双重线性时间序列模型中的参数

本文利用MonteCarloEM算法实现了对一阶双重线性时间序列模型的参数的估计。推出了估计模型中两个未知参数m与σ2的迭代步骤,并对模型进行了模拟计算,给出了模拟计算的结果。

一阶双重线性时间序列模型的参数估计

本文利用Gibbs抽样法求一阶双重时间序列模型的参数的估计。推出了模型中两个未知参数的Gibbs抽样迭代步骤 ,并对模型进行了模拟计算 。

基于一类非线性时间序列模型的锂离子动力电池建模研究

伴随着新能源产业的飞速发展,锂离子动力电池作为一种高效的储能方式,已成为电动汽车的重要组成部分。在电池管理系统的功能中,电池的高精度建模至关重要。在实际应用中,电池不是一个线性系统,其输入和输出由于外部扰动等原因表现出非线性特征,从而直接影响参数识别效果,进而影响模型精度。鉴于此,本文对锂离子动力电池进行了Hammerstein-ARMAX(Autoregressive MovingAverage with Extra Input)模型构建,并对模型参数的估计方法进行研究,旨在提高模型的准确性。实验结果表明了该方法的有效性。

基于双重预测模型的非线性时间序列预测

在支持向量机(SVM)预测问题中,为了减小错误参数选取对预测结果的影响,提出了1种基于双重预测模型的非线性时间序列预测算法。该算法在充分考虑支持向量机参数对推广能力影响的基础上,分别利用自回归预测模型(AR)、自回归滑动平均模型(ARMA)、线性回归和决策树模型对SVM参数进行预测,将预测参数运用到SVM预测模型中。最后,利用该算法对中国火灾发生起数进行了预测,实验表明,该方法在预测准确率上明显优于基于遗传算法选参和粒子群算法选参的SVM预测方法。

双线性时间序列模型高阶矩的渐近性质

讨论了一般双线性时间序列模型BL(R ,r ,Q ,q)的高阶 (2u阶 ,u =1,2 ,… ) 平稳解存在的充分条件 。

上次对角双线性时间序列模型的近似三阶矩结构和双谱密度

本文讨论一类特殊的双线性时间序列模型,该模型中,每一个双线性项均为两个相关的随机变量的乘积,该模型的二阶结构(自协方差和谱)目前已经很清楚了,同线性ARMA模型类似,亦具有有理谱密度,理论上,为了识别该模型,通常是考虑三阶结构(三阶矩和双谱),但由于该模型的复杂性,精确的三阶结构是无法求出的,本文给出一种计算近似三阶矩的公式,由此得到了近似的双谱密度,仿真计算验证了这种方法是有效的。

右上角双线性时间序列模型的一阶渐近稳定性

本文研究右上角双线性时间序列模型：的一阶渐近稳定性，其中｛ｅｔ｝是独立随机序列，且Ｅ＜＋，Ｅ（ｅｔ）＝Ｅ（ｅ３ｔ）＝０，Ｅ（ｅ２ｔ）＝．我们获得极限向量ｕ＝ｌｉｍ（Ｅ（Ｘ），Ｅ（Ｘｅｔ－１），存在的条件及其表达式，其中Ｘｔ＝（ｘｔ，ｘｔ－１ｒ＝ｍａｘ（ｐ，ｎ，ｍ）。

非线性位移时间序列分析模型的进化识别

引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的岩土结构变形非线性动力学演化特征的进化识别算法·设计了能自动确定输入时步长度以及非线性动力学模型结构和参数的分步进化方案,对非线性时间序列分析模型的结构和参数进行全局最优搜索·将该方法用于三峡永久船闸高边坡开挖变形的预测分析,取得了满意的效果,提供了一个有效的岩土工程设计与施工的分析工具·

线性/非线性时间序列模型一般表达式及其工程应用

提出一种线性/非线性时间序列模型的一般表达式(GNAR),论述其线性和非线性特性.对3种典型的非线性、非平稳时间序列进行试验及应用研究.将样本数据分成训练集和测试集,在训练集上建立GNAR模型,采用最小二乘方法以及结合预测误差的修正AIC准则实现其参数估计和模型定阶.在测试集上进行预测,进而验证模型.结果表明该模型对3组数据跟踪性能良好,预测预报精度优于传统时序模型,因此该模型有良好的适应性和有效性,能应用于工程实际.

沉降预测的多层递阶时间序列模型研究

为了研究沉降模型中参数的时变特性,提出了多层递阶时间序列模型,该模型将沉降预测分为预测模型参数的预测和在此基础上的沉降预测两部分.采用参数递推公式计算沉降时间序列模型的参数序列,并根据计算出的参数序列构建其时间序列预测模型.依此类推,可建立多层参数的预测公式,直至认为参数不随时间变化为止,然后根据参数预测结果来预测后期沉降.实例分析和计算表明,多层递阶时间序列模型能较好地反映参数的时变特性,取得较精确的沉降预测结果.

一类非线性系统的基于时间序列的多模型自适应控制

针对一类非线性离散时间系统,提出了一种基于时间序列的多模型自适应控制器(Multiple models adaptive controller,MMAC).该控制器首先利用聚类方法建立多个线性固定模型,然后,利用系统的时间序列和方向导数建立一个反映工作点变化趋势的局部加权模型,在此基础上增加了一个全局自适应模型和一个可重新赋值的自适应模型,并设计了一个切换机构选择最优模型实现控制.仿真结果表明该控制器不但具有良好的暂态性能、较快的控制速度,而且在相似的控制效果下,可以极大地减少模型的数量.

ANN非线性时间序列预测模型输入延时τ的确定

用神经网络 (ANN)建立非线性时间序列预测模型时 ,ANN输入数据延时间隔τ的选取是必须考虑的一个方面 .目前关于延时间隔τ选取的流行做法是 :将τ确定为相空间重构时的最佳延时τs.本文提出了与此不同的观点 ,即神经网络输入数据延时间隔τ的选取与τs 无直接关系 .综合考虑其他一些因素 ,认为ANN输入数据延时间隔τ取为 1是最为合理的 .

基于非线性时间序列的预测模型检验与优化的研究

模型的适用性检验和参数优化是系统建模的最关键环节,对于预测模型的适用性检验,常采用残差方差图、最小信息准则和AIC准则等方法,存在计算量大、准确性低、模型不唯一等缺点.本文给出采用自相关系数和偏自相关系数的拖尾先对ARIMA模型检验,再对其进行F适用性检验,克服了由于观测样本的长度是有限的,偏相关的估计存在误差,拖尾时不能为ARMA定阶的缺陷,并采用具有超线性收敛性等诸多优点的变尺度法对模型参数进行了优化,得到了较为精确的、单一AIRMA模型,该方法可应用于网络流量模型的适用性检验和模型优化,为网络流量的预测、异常检测和服务器负载预测的应用奠定了坚实的基础.

基于非线性AR模型的时间序列弱非线性检验方法

提出一种基于非线性AR模型相对预测误差的非线性检验量δNAR,采用替代数据法来检验时间序列中的弱非线性.以4种混沌时间序列为例,分析并比较了非线性检验量δNAR与非线性零阶预测误差δZP的弱非线性检验能力.结果表明,对4种混沌时间序列中的3种,非线性检验量δNAR都表现出比非线性零阶预测误差δZP更强的弱非线性检验能力,表明该非线性检验量具有较强的数据适应性,而且对于不同的数据,具有最佳非线性检验效果的参数比较固定.

线性时间序列计量模型选择方法探讨

如何在诸多具有竞争性的模型中选择一个理想的模型是计量经济学近些年来的一个重要研究领域。文章以系统动力学系统性能评价理论为视角,对线性时间序列计量模型的选择方法做了探讨,认为系统动力学系统性能评价指标体系比计量模型评价指标体系合理,其不但可以克服计量模型选择方法的局限而且简单易行,为计量模型选择提供了一种新的思路。

小波网络方法用于时间序列分析中非线性模型的研究

把小波网络方法用于时间序列分析中非线性模型，利用小波网络的非线性逼近能力，构造一个非线性函数，并对温度资料进行处理，得到了较好的拟合效果。

线性回归模型与传递函数模型在时间序列应用上的比较研究

如果一个因变量是由一个或多个自变量来解释的,那么对这些数据可以建立回归模型。但如果因变量和自变量同时又是时间序列,则也可以建立传递函数模型(transferfunctionmodels)。与普通的回归模型相比,传递函数模型说明因变量与自变量以及扰动项之间关系时,有着更为丰富的结构。在多变量时间序列模型方面,有关线性回归模型与传递函数序列在时间序列方面应用效果的比较很少,因此,本文拟进行这方面的研究,为多变量时间序列建立模型提供参考。

社会经济非线性时间序列的等维灰数递补预测模型

针对社会经济非线性时间序列的特点 ,采用等维灰数递补GM (1,1)模型进行预测 ,模型简单、实用 。

线性回归与时间序列加法预测模型

线性回归和时间序列预测模型各有千秋 ,本文将它们结合起来 ,提出了一种线性回归与时间序列加法预测模型 ,它提高了拟合度和预测能力。

误差为线性时间序列下的回归模型

本文获得线性时间序列加权和的渐近正态性，推广和改进了Tran等人在[1]中得到的结果．还得出了另一种通常采用的g(x)的近邻型估计的渐近正态性．