基于在线更新的线性混合效应模型的参数估计

本文考虑在线更新数据集下线性混合效应模型的参数估计问题,提出了对应的在线更新估计方法,并证明了所得估计量的相合性.通过数值模拟发现,在不同的参数设置下,该方法的表现良好.将该方法与全局估计进行对比发现,虽然该方法在估计误差方面的表现不如全局估计,但是该方法能适用于在线更新数据集的情形,且大大降低了估计量的估计时间,以及估计时对计算机存储性能与计算性能的要求.

多策略融合改进的沙猫优化算法及其在非线性马斯京根模型参数估计中的应用

针对广义非线性马斯京根模型在河道洪水演进中参数估计精度低及易陷入局部最优解的问题,文章提出一种多策略融合改进的沙猫优化算法(MSCSO),以提高洪水演算的精准程度。首先,利用Logistic混沌映射等策略提升原算法寻优能力;其次,通过与沙猫优化算法(SCSO)、灰狼优化算法(GWO)及正余弦优化算法(SCA)对比,验证MSCSO在寻优性能上的优势;最后,将其应用于广义非线性马斯京根模型参数优化。实验结果表明:MSCSO算法有效提升模型精度,具有广泛的应用前景。

基于Jaynes-Cummings模型的量子参数估计与初态优化

参数估计理论是根据实验测量数据推断物理模型中未知参数的重要理论工具.Jaynes-Cumming模型是量子光学中广泛使用的模型,描述了二能级原子和单模量子光场之间的相互作用.利用参数估计理论系统地研究了该模型中光-原子耦合强度g的估计精度,并找到了可达到最高估计精度的初态.该结果可以提高基于Jaynes-Cumming模型的量子精密测量的精度,该研究方法也可用于其他基于混合量子系统的量子度量学研究.

0-k膨胀计数回归模型的参数估计与统计检验

0-k膨胀计数回归模型的参数估计与统计检验一直是数据分析的热点问题.借助隐变量重新设定0-k膨胀回归模型,并采用EM算法和Fisher信息矩阵给出参数的点估计和区间估计;基于Wald统计量和LR统计量对0-k膨胀分布是否会退化的现象进行统计检验;以0-k膨胀泊松回归模型为例进行实际应用.研究结果显示,采用EM算法进行参数估计时收敛速度较快且估计结果稳健,不同的0-k膨胀泊松分布对原始数据的拟合效果不同,若将k设定为非膨胀数值可能会导致拟合结果出现偏差.

基于密度比模型的pAUC半参数估计方法及其应用

为了进一步提高pAUC(Partial area under curve)估计精度和医学诊断测试精确性,提出了一种基于密度比模型的pAUC半参数估计方法,并从理论和仿真两个方面研究其性质。首先,根据密度比模型,用半参数极大似然估计方法得到了pAUC半参数估计量,并用大样本理论分析了它的统计性能;然后,对pAUC半参数估计方法在实际应用中的性能进行了仿真,并与现有精度较高的pAUC非参数估计方法进行比较。研究发现,pAUC半参数估计量不仅具有相合渐近正态性等重要的统计性质,而且比已有的非参数pAUC估计量具有更高的渐近估计效率和精确度。将该pAUC半参数估计方法应用于乳腺癌诊断模型的筛选,得到了一个预测精度更高的新乳腺癌诊断模型,结果表明该方法在实际应用中能提高医学诊断测试的精度。

基于散射模型的球头锥目标几何结构参数估计

针对传统几何参数估计方法对成像质量要求较高,对低信噪比、稀疏孔径的散射回波数据估计精度低的问题,选择球头锥目标为研究对象,提出了一种使用几何参数散射模型和正交匹配追踪(orthogonal matching pursuit,OMP)算法相结合的方法,简化了计算过程,提升了参数估计精度。该方法首先根据先验信息确定代估参数的取值范围,并等间隔地在取值范围内设置参数网格,再根据对应的参数值计算散射模型,生成二维像,之后通过OMP算法拟合回波信号的成像结果,得到精确的几何参数估计值。所提方法实现了在原始回波数据质量较差的情况下,对球头锥类目标的几何参数精确估计与重构。

灰色GM(1,1)档案模型参数估计优化算法

针对最小二乘法在处理总体特征不明显的数据时效果欠佳的问题,提出了一种适用于“贫信息,小样本”的预测方法,采用灰色GM(1,1)模型对数据序列进行归纳、总结和提炼,构建相应的预测模型。新的参数估算方法将初始误差的绝对值和最小化,将参数估算转化为目标规划问题,利用目标规划法,在不依赖于数据整体特性的前提下,有效降低异常值,简化计算过程,提高预测精度。

复合粒子群优化算法在模型参数估计中的应用

化工非线性模型的参数估计是较为困难的寻优问题,经典方法常会陷入局部极值。粒子群算法操作简便、容易实现且全局搜索功能较强,适用于非线性参数估计。但其参数值的确定与问题相关,若设定不当,会严重影响全局搜索的性能。今提出引入遗传算法,在粒子群算法的搜索过程中,逐代优选参数,包括惯性权值,加速常数,以此构建为复合粒子群优化算法。分析与测试表明,其全局搜索性能有显著改善。进一步的工作又将两种粒子群算法成功地应用于重油热解模型的参数估计。采用复合粒子群优化算法估计参数构建的重油热解模型,其预报相对误差比常规粒子群优化算法降低了8.97%,比简单遗传算法降低了23.21%,效果明显。

一种自适应的种群增长模型及参数估计

通过对种群增长的非线性制约机制的数学形态分析，提出了一种新的种群增长数学模型其解析解为：该模型当非线性密度制约指数s＜1，s=1，s＞1及s→∞时分别对应于Smith，Logistic，崔-Lawson及指数增长模型，具有自适应性。本文还提出了一种种群增长模型参数估计的搜索寻化方法，只要给出参数的一组启动值，通过逐步搜索可以任意精度近近参数的真优值。利用本文模型和参数估计方法对Gause的草履虫实验数据和济南市灵岩山侧柏生长资料分别进行了拟合，结果表明自适应模型的拟会精度明显优于Logistic模型，也优于崔-Lawson模型。

多智能体遗传算法用于马斯京根模型参数估计

将智能体对环境的感知和反作用的能力与遗传算法的搜索方式相结合提出了一种改进的多智能体遗传算法,用于马斯京根模型的参数估计。该方法中每个智能体代表一个候选解并固定在网格上,为了增加自身能量,它将与其邻域的智能体进行合作或竞争,也可以利用自身的知识进行自学习来增加能量,通过这些智能体与智能体间的相互作用来达到优化模型中参数的目的。应用实例表明,该算法同其他算法相比具有更好的优化性能,从而为准确估计马斯京根模型参数提供了一种更为有效的方法。

基于实码遗传算法的河流水质模型的参数估计

针对理想条件下采用解析法往往导致水质参数估计较大误差的问题,以及针对含有多参数的二维水质模型的参数估计问题,具体介绍了采用有限单元法和实码遗传算法求解二维水质模型未知参数的基本步骤,对水质参数(包括纵向、横向弥散系数和衰减系数)分别进行编码,通过计算机模拟浓度输出,并与实测值比较从而得出最优的水质参数估计值.算例表明,采用有限单元法-遗传算法估计河流水质模型的参数是可行的.

栅格型新安江模型的参数估计及应用

根据新安江模型与一维扩散波模型理论,构建了基于栅格的新安江(Grid-Xin’anjiang)模型.该模型以DEM栅格为计算单元,将每个单元的产流量划分为地表径流、壤中流以及地下径流3种水源,最后再根据栅格间的汇流演算次序,利用扩散波汇流方法依次将各种水源演算至流域出口.模型在进行产汇流计算时,考虑了栅格之间的水量交换以及河道排水网络的影响.以流域地貌特征、土壤及植被类型等下垫面条件为基础,研究了模型参数的估计方法,并对其进行了验证.将模型用于安徽省屯溪流域的洪水模拟,取得了良好的应用效果.

基于Matlab的AR模型参数估计

基于Matlab用时间序列的最小二乘估计和FPE、AIC、BIC准则对AR(n)模型进行参数估计。用实例说明运用Matlab进行AR(n)参数估计,编程简单。

基于分段模糊c－均值的连续密度HMM语音识别模型参数估计

本文在分析了连续密度隐马尔可夫模型（CDHMM）的两种主要最大似然参数估计方法的基础上，引入模糊集思想，提出了分段模糊c－均值算法代替普通的分段k－均值算法进行CDHMM的最大似然参数估计。文中给出了其实现方法。实验结果证明其在语音识别中具有很好的性能。

马斯京根模型参数估计的新方法

提出了马斯京投模型参数估计的一种新方法—加速遗传算法，分析了该算法控制参数的优化特性，总结出了这些参数的简便设置技术．应用实例表明，该方法简便、直观、通用、适应性强，它可广泛应用于各种自然灾害模型的优化问题之中。

GPS精密单点定位中对流层延迟模型改正法与参数估计法的比较

对GPS对流层延迟改正的两种方法——UNB3模型改正法和参数估计法进行深入的探讨。在精密单点定位程序中,分别利用两种方法对IGS跟踪站数据进行坐标计算。结果表明,参数估计法在高程方向上的精度优于UNB3模型改正法,平面坐标精度相当;UNB3模型改正法在收敛速度上略优于参数估计法。

基于粒子群优化算法的Logistic模型参数估计

将Logistic模型的参数估计问题转化为一个多维无约束函数优化问题，然后利用粒子群优化算法（PSO）的全局搜索能力对此问题求解.仿真实验中所使用的数据包括真实数据和随机采样数据.实验结果表明，在这两种数据条件下PSO算法均能够较准确地估计获得Logistic模型的参数，证实了PSO算法是Logistic模型参数估计的一种可靠有效的算法.同时也分析了参数维数和噪声对PSO算法的收敛性和稳定性的影响.

基于改进PSO算法的发酵过程模型参数估计

建立准确的非线性机理模型是发酵过程优化调控的关键。提出了一种基于改进粒子群优化算法(PSO,particle swarm optimization)的发酵过程模型参数估计方法,并将该方法用于青霉素发酵过程建模。改进的PSO算法通过引入粒子群能量对粒子进行自适应分群以防止粒子陷入局部最优,从而保证收敛于全局最优解。实验结果表明,该方法可以有效地实现青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足发酵过程的状态估计和控制需求。

基于粒子群优化理论的可靠性分布模型的极大似然参数估计法

针对有些复杂分布模型采用常规极大似然法很难直接进行参数估计,将粒子群优化理论引入极大似然法,提出了基于粒子群优化算法的新的参数估计方法,并通过实例模拟论证了该方法的可行性与有效性。

一种非平稳随机信号模型的时变参数估计算法性能研究

采用递推最小二乘算法求解非平稳随机信号模型的时变参数．该方法的主要特点是计算量小，占用存贮空间少，没有矩阵求逆的问题．应用该方法对分段线性调频信号、多个线性调频信号及非线性调频信号进行分析。