基于向量自回归模型的电网虚假数据注入攻击检测

虚假数据注入攻击(false data injection attack,FDIA)是威胁电网运行安全的主要因素之一,其主要通过攻击电网中的一些通信环节,误导电力系统的状态估计结果,给电网安全运行带来巨大威胁。针对FDIA难以有效检测及电力系统状态估计中过程噪声与量测噪声两者协方差矩阵非正定问题,将向量自回归(vector auto regression,VAR)模型引入电力系统状态估计,提出一种基于VAR和加权最小二乘法(weighted least squares,WLS)的FDIA检测方法。首先,建立VAR状态估计模型,将量测噪声视为稳定量,只对过程噪声进行估计,解决两者协方差矩阵的非正定问题;其次,分别采用VAR与WLS对电力系统进行状态估计,采用一致性检验与量测量残差检验对2种方法的结果进行检测,以判定是否存在FDIA;最后,IEEE 14节点和IEEE 30节点仿真结果表明,本文所提检测方法能够成功检测到FDIA,且检测成功率较高,从而验证了该方法的可行性及有效性。

农业科技创新、生态效率与农户增收质量的动态关系——基于面板向量自回归模型的实证分析

农业科技创新在提高农产品产量和质量的同时也面临促进农户增收的困境,而生态效率的提高也可能造成农户收入不平等的问题。为进一步探究农业科技创新水平、生态效率与农户增收三者之间的关系,根据2000—2020年间湖南省的时间序列信息,利用面板向量自回归模型,采用协整检测、格兰杰检测、方差分解等各种手段,对农业科技创新水平、生态效率和农户增收质量间的相关性开展实证分析,以为处理好农业发展、农户收入和生态环境保护之间的关系提供理论参考。结果显示:农业科技创新与农户增收质量之间存在显著的双向正向关系,即科技创新在提升农业生产效率和质量的同时显著促进了农户的经济增长,但生态效率的提升在短期内未能显著转化为农户的经济收益;农业科技创新对农户增收质量的影响即时且显著,并随着时间推移而趋于稳定;在预测农户增收质量时,农业科技创新的作用明显超过生态效率。基于此,从长期规划生态效率提升、加大农业科技创新的支持与投资和增强农户生态环保意识等方面提出政策建议。

基于向量自回归的气温与新型电力系统负荷相关性模型

针对气温引起的电力负荷变化给新型电力系统稳定带来的影响,提出了一种用于分析气温与电力负荷相关性的模型。首先,为避免伪回归现象发生,利用Savitzky-Golay滤波去除负荷中的非气温趋势项,得到气温敏感负荷。其次,为有效提高模型拟合精度,利用皮尔逊相关性分析和Vectorauto-regression模型,获取气温和气温敏感负荷的相关关系和潜在的动态关系。以某省电网2016—2021年的数据为算例,对模型的可靠性和先进性进行验证。结果表明,模型拟合误差均小于4%。利用模型对气温与负荷数据进行分析,发现在夏季和冬季,温度对负荷的影响较大;在春季和秋季,温度对负荷的影响十分微小。

基于向量自回归模型的旅游业相关因素分析——以贵州省为例

随着在第三产业的占比越来越大,旅游业逐渐成为城市发展的支柱产业,分析贵州省旅游业影响因素有利于促进旅游业持续发展和经济的增长。通过构建向量自回归模型,分析了贵州省旅游业与地区生产总值和园林陆地面积之间的关系。通过收集2000—2021年相关指标数据,运用平稳性检验、单位根检验、脉冲响应分析等进行检验,研究发现:贵州省旅游业与上述指标相互影响。

基于ATE的测试向量自动生成技术研究

随着FLASH存储器容量的不断扩大,实现其全地址多功能测试所需要的向量深度也急剧增加。传统的复制法实现全地址测试向量编写耗时耗力。并且生产一线大容量FLASH的测试时间花费较长,1Gbit的FLASH全地址program测试需要30分钟左右。针对以上两个问题,本文基于ATE测试系统利用DSRC技术以及写缓冲技术开发了存储器测试向量的自动生成工具,可以实现全地址读写测试。最后以MICRON公司的MT28EW01GABA1HPC为例,通过实际测试数据评估向量自动生成工具的开发效率及生产测试效率。

基于向量自回归模型的科技进步、城市化与绿色发展关系实证分析——以广东省为例

为理清科技进步、城市化与绿色发展三者之间相互影响与作用机制,以科技进步、城市化与绿色发展的相互作用机制作为理论基础提出假设,基于广东省1993—2020年的时序数据,应用向量自回归模型、脉冲响应函数和格兰杰因果检验、方差分解等进行实证分析。结果表明:科技进步和城市化对绿色发展具有正向影响作用,绿色发展对城市化高质量发展具有促进作用;城市化推动了科技进步,而科技进步对城市化的影响并不显著。为此,广东省需要加快建立以绿色产业为核心的新兴产业体系,在推动绿色发展的同时积极整合落后产能,以绿色经济进步带动城市化高质量发展和科技创新。

投资者高频情绪对股市成交量的异质性影响研究——基于分位数向量自回归模型

从高频视角分析股市情绪效应的异质性特征及机理,对我国金融风险管控具有重要意义。本文借助文本分析法抓取网络舆情数据,构造日内投资者高频情绪指数,在分位数Granger因果关系检验的基础上,构建分位数向量自回归模型并进行脉冲响应分析,探究不同极性投资者高频情绪对不同市场状态下及不同分位水平股市成交量的异质性影响。结果表明:(1)不同极性投资者情绪对股市成交量影响具有异质性,悲观情绪对股市成交量的脉冲强度明显大于乐观情绪且衰减较慢;(2)投资者情绪对股市成交量的影响随市场状态的变化而不同;(3)在相同市场状态下,情绪对不同分位水平股市成交量的影响也存在差异,投资者情绪对股市成交量的下分位点脉冲强度显著大于上分位点,中位点最弱。

地方政府债务与区域协调发展研究--基于半参数空间面板向量自回归模型的分析

地方政府债务在区域经济发展中扮演着重要角色,探讨地方政府债务的时空分布是否均衡、时空经济效应是否存在区域异质性,不仅有利于加强地方政府债务管理,也切合我国当下新型城镇化和区域协调的政策背景与发展方向。本文从地方政府债券发行实际出发,建立半参数空间面板向量自回归模型,分析增量和存量地方政府债务在时间和空间上的经济效应,并根据举债冲击的时空传导效应,讨论地方政府债务在区域协调发展中的作用。研究发现:地方政府债务时空分布和举债冲击在新增地方政府债务、基础设施存量和人民生活福利水平之间的时空传导效应的共同作用下,区域经济未能实现彼此协同促进、共同发展,区域经济协调发展任重而道远。在此基础上,本文提出改革地方政府债券发行额度分配制度、支持国家重点区域发展战略、关注区域债务风险等政策建议,以促进区域经济协调、可持续和高质量发展。

基于Bagging混合策略的多风电场稀疏向量自回归概率预测

风电功率预测对电力系统的安全稳定运行具有重要意义。针对多风电场的超短期概率预测问题,提出了一种基于Bagging混合策略和核密度估计(kernel density estimation,KDE)的稀疏向量自回归预测方法。首先通过时间序列分解和余项自举,生成若干自举时间序列。对于每个时间序列,采用向量自回归(vector autoregression,VAR)模型进行预测。针对传统模型在风场数量较多时容易出现的过拟合问题,采用稀疏向量自回归模型,筛选最有效的回归系数,得到稀疏系数矩阵。每个时间序列训练的预测模型分别产生点预测结果,对于多重点预测结果,使用KDE方法产生概率密度的预测结果。在真实风电集群数据上,验证所提多场站概率预测方法的有效性,采用分位数得分评估概率预测精度。相关实验结果表明,该方法可以有效提高概率预测精度。

基于面板向量自回归模型分析单采血浆站设置对无偿献血采集量的冲击

目的运用面板向量自回归模型分析浆站建设与无偿献血采集量的动态关系,为我国血站、浆站管理政策提供科学参考。方法收集四川省广元市7个行政区域2011—2021年血站的无偿献血采集量以及区域内2家单采血浆站自执业起两年内的采浆数据,构建面板向量自回归模型,采用脉冲响应分析和方差分解分析,分析模拟浆站设置对无偿献血采集量的冲击和时滞效应,然后利用协方差分析,探究排除初始值差异影响后浆站设立是否对无偿献血采集量造成了影响。结果脉冲响应结果显示,浆站设置后对无偿献血采集量在第1阶有负向冲击效应,其影响在第2阶后即开始上升,在第3阶达到最高值,随后开始下降,在第7阶之后趋于平稳,但在10阶范围内,无偿献血采集量响应强度的置信区间始终包含0,说明区域内采血量对浆站设立的响应没有统计学意义。方差分解结果显示,无偿献血采集量对自身影响的贡献度达94.3%。在浆站因素影响的贡献度方面,献浆人次对无偿献血采集量的影响相对更大(2.2%)。通过协方差分析可知,去除初始值混杂因素后,是否设立浆站对两组地区献血量影响并不显著(P>0.05)。结论新浆站的设立对该地区血站采血量短期内会造成一定的冲击,但从长期来看,可能不会直接影响区域内的无偿献血采集。

基于变分模式分解和向量自回归模型的波浪发电系统输出功率预测

为准确预测直驱式波浪发电系统的输出功率,提出基于变分模式分解和向量自回归模型预测方案。通过分析原始时间序列的相关性选择预测特征时间,应用变分模式分解方法将所选特征时间序列分解为不同子序列,经过单位根检验及差分运算,建立每个子序列的向量自回归模型,求和重构子序列模型预测结果获得所选特征的预测初值。建立了直驱式波浪发电系统的波能转换模型,仿真结果表明:所提方案模型具备合理性与可行性,模型预测结果稳定,预测精度高,预测趋势准确。

科技创新赋能农村产业融合发展研究——基于空间计量及面板向量自回归模型的实证检验

文章聚焦科技创新与农村产业融合发展,基于空间计量及PVAR模型的实证分析发现,农村产业融合具有显著的、正向的空间溢出效应;科技创新对农村产业融合发展存在显著的正向影响,并且能够促进农村产业融合发展的空间溢出;农村产业融合发展对于来自科技创新的一个标准差冲击表现出持续的正响应,但整体反应并不大;科技创新对农村产业融合发展的方差贡献率偏小。文章进而从优化农村产业融合发展的空间布局、增强要素流动与集约化配置机制、强化知识创新与技术创新互动机制、完善科技创新与产业融合对接机制等方面提出相应的政策建议。

基于向量自回归和动态模式分解的城市轨道交通短时OD预测

针对城市轨道交通OD客流量短时预测问题,提出基于向量自回归(Vector Auto Regression,VAR)和动态模式分解(Dynamic Mode Decomposition,DMD)的VAR-DMD组合预测模型.首先,以北京市范围内的地铁站点为例,基于自动售检票系统数据(Auto Fare Collection,AFC),对地铁OD客流进行时空特征分析;其次,构建高阶加权向量自回归模型捕获OD客流数据的时空关联性,利用动态模式分解算法估算模型的参数,提取OD客流数据动态特征,实现数据的降维和降噪,利用实时更新算法更新模型的参数,实现长期连续预测;最后,以北京地铁AFC数据为算例,对模型进行验证.研究结果表明:相较于基准模型,VAR-DMD模型的运行时间减少96.67%,预测误差减少2.6%,具有较高的预测速度和预测精度,为城市轨道交通运营管理部门提供了可靠又及时的决策依据.

向量自回归和T^(2)控制图在变工况齿轮箱故障检测中的应用

针对齿轮箱传统故障分析方法难以评估变工况下齿轮箱健康状态,对齿轮箱的振动数据按工况分类后,进行了基于向量自回归模型(vector autoregression,VAR)和统计过程控制方法的变工况下齿轮箱异常检测方法研究。采用时域同步平均算法(time synchronous averaging,TSA)去除原始振动信号中的噪声,并分工况建立向量自回归模型计算残差;提取残差的均方根(root square mean,RMS)和整流平均值作为指标,初步判断齿轮故障;选取残差的均方根及整流平均值进行统计过程分析,建立多变量指数加权平均(multivariate exponential weighted moving average,MEWMA)、广义方差以及T2控制图来判断齿轮早期异常发生点。研究结果表明,均方根T2控制图效果最佳,检测出了60、151、152三个异常点,从而完成了对变工况下齿轮箱的故障检测。

企业碳减排、绿色金融与地区经济的关系研究——基于面板向量自回归模型的实证分析

为厘清企业碳减排、绿色金融与地区经济三者间的相互影响与作用机制,本文基于中国31个地级市2008年至2020年的面板数据,运用面板向量自回归模型、脉冲响应函数、方差分解和格兰杰因果检验等方法进行实证分析。研究结果表明:企业碳减排显著推动地区经济增长,而对绿色金融的影响不显著;绿色金融和地区经济对企业碳减排具有显著的正向影响作用;地区经济与绿色金融之间相互促进,但这种促进作用会随着时间的推移逐渐减弱。为了推动企业积极碳减排、有效促进“双碳”目标的实现,提出了相关政策建议。

在线创新社区用户持续贡献形成机理——基于面板向量自回归的动态分析

在线创新社区用户持续贡献是企业新产品研发创新至关重要的战略资源。但是,目前鲜有研究对在线创新社区用户持续贡献的形成过程进行探究,这一过程中有哪些关键影响因素,对比不同因素对用户持续贡献的影响与影响的时间变动效应,以及对于不同社区等级用户这种影响有何差异。本文构建了用户持续贡献的动态效应模型,对用户持续贡献形成过程及机理进行研究。通过网络爬虫构建用户行为面板数据,结合面板向量自回归模型和脉冲响应函数进行实证分析。研究发现:用户贡献习惯、同伴交互和官方认可对用户持续贡献存在正向显著影响;三个变量对用户持续贡献的影响都呈现短期增长且长期衰减的趋势,但其影响在峰值与反应时间上存在明显差异;对社区等级较低的用户,同伴交互和官方认可对持续贡献影响效应更强。本文不仅为探究在线创新社区用户持续贡献形成过程提供了一个全新的视角,也对企业在实践中进行社区激励机制设计以提升用户持续贡献有重要启示。

高维周期向量自回归模型的精度矩阵的假设检验

由周期性向量自回归模型生成的精度矩阵(逆协方差矩阵)是一个块状三对角矩阵.在此精度矩阵的基础上,提出了一种新的块状迹函数,用于检验两个精度矩阵的块状迹相等,并研究了在零假设下的渐近行为.数值实验表明,这种块状迹函数检验方法与常用的检验方法相比,具有简洁易算和功效优良的特点.

基于向量自回归的投资、消费与经济发展的长期影响研究

投资、消费与经济发展水平之间的相互影响关系一直是宏观经济领域的焦点问题,很多学者对此进行了分析和研究。本文选取固定资产投资、消费品零售总额与人均生产总值三个指标来分别反映投资、消费和经济发展水平三方面,构建出向量自回归模型,并在此基础上,运用脉冲响应函数分析和方差分解分析方法对投资、消费与经济发展间的相互作用及影响关系进行了研究。

小时风速的向量自回归模型及应用

短期风速预测对并网风力发电系统的运行有重要意义。该文简述了短期风速预测的价值和方法,分析了小时风速的日变化特点。在此基础上,提出将单变量小时风速时间序列向量化,以消除日周期非平稳,进而建立了向量自回归(vector autoregression,VAR)模型,并用于小时风速预测。算例表明,正常天气条件下,该模型可以预测提前72 h的短期风速。该文提出的方法和模型具有一定的普适性,可用于其它领域的时间序列建模与预测。

风力发电机三维阵风谱建模与仿真的向量自回归法

摘要：针对风力发电机空气动力学和结构分析的要求，提出一种新的向量自回归（vectorautoregressive，VAR）Z维阵风速场仿真方法。在常规自回归（autoregressive，AR）法建模的基础上，根据维纳一辛钦公式，由协方差向量和功率谱求出自回归系数向量。其中输入参数为单点Davenport阵风功率谱（power special density,PSD）和互相关函数。基于此，推导出多维风速时程模型。算例采用一个3桨叶风力发电机所在风场，其中心高为H=30m，风力机转子半径肚11．6m，沿风力机叶尖扫过圆周均布12个点，取其中3点进行仿真，并采用Burg算法进行功率谱估计。采样频率0加．9Hz，频率采用点数Ar=1800，时间间隔0．1S。仿真结果表明，适当选取采样频率点数与时间间隔，可以在保证模拟功率谱计算精度的同时，具有快速高效的特点，弥补了传统方法在模拟三维风速时耗时长、精度低的缺点。