“人工+智能”复合回归管理方法在高炉生产的应用

通过归纳一线人工经验,确定关键参数和权重系数,形成“人工+智能”复合最佳回归公式;通过电脑编辑智能程序,实时采集各关键参数,精准预测绩效指标,进而指导实际生产管理。模型铁水硅成分预测准确度90%以上,改进后铁水平均硅降低约0.04%,实现了高炉生产高效运行,经济效益显著。

一类系统的建模方法 复合回归分析

本文在分析了多元回归分析模型的局限性的基础上,提出一类系统的建模方法复合回归分析;并对社会经济系统中经常出现的小样本建模问题,提出一种有效的定阶方法.理论分析和实际计算表明,该方法优于多元回归分析方法.

基于加权复合分位数回归的变系数部分线性模型的稳健经验似然估计

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然比函数渐近服从卡方分布,得到参数分量的置信区间。该估计方法中引入了基于矩阵QR分解的正交投影技术,保证对模型的参数分量进行估计时不会受到非参数分量估计精度的影响,因此具有较好的稳健性和有效性。

基于复合分位数回归的部分线性模型平均估计

针对部分线性模型的参数与非参数估计问题,基于复合分位数回归提出了一种稳健的模型平均估计量.为了提高估计效率,采用B样条的方法拟合子模型中的非参数函数.数值模拟和仿真实验证明了所提出的估计量预测效果优良.

流数据下的复合分位数回归

随着互联网的发展,数据规模急剧增长,但有限的内存只能存储一小批数据,因此在不访问历史数据的情况下进行分析是非常有必要的,流数据分析也因而引起了广泛关注。同时复合分位数回归因其鲁棒性和全面性,在许多领域得到应用,但由于传统复合分位数回归是基于内存可容纳完整数据的条件,因此在流数据环境中实现复合分位数回归是非常有挑战的。针对流数据提出了一种可更新的复合分位数回归方法,可以随着数据的到达,使用当前数据和历史数据的汇总统计量来更新估计量。在理论上证明提出的可更新估计量与使用完整数据得到的估计量是渐近等价的。最后通过模拟研究验证了所提出方法的有效性。

删失部分线性可加模型的复合分位数回归及应用

本文针对一种具有广泛适用性的半参数模型,部分线性可加模型,研究其响应变量存在删失数据时模型系数和非参数函数的估计.对此,提出了一种基于数据增广的复合分位数回归估计方法.该方法利用分位数回归和分布函数之间的联系,构造插补数据集,并通过迭代采用复合分位数回归得到最终的估计值.所提方法放宽了对模型的假设,不但对迭代初始值的要求很低,还允许响应变量同时存在多种类型的删失,具有一定的普适性.数值模拟表明所提方法可以较为准确地估计出删失部分线性可加模型的系数和非参数函数.实证研究中,本文选取了北京市空气质量数据,测度了PM10浓度、CO浓度、温度、气压以及露点对PM2.5浓度的影响.结果显示,部分线性可加模型的复合分位数回归可以较好地从线性和非线性关系两个角度来刻画这些因素对PM2.5浓度的影响,并且所提方法在删失数据的处理上表现良好.

带辅助信息的复合分位数回归模型的估计

文章研究带辅助信息的复合分位数回归模型的参数估计问题。在已知某些辅助信息的情况下,如何利用好这些辅助信息来增加估计的有效性,常见的做法是在回归方程中利用辅助信息进行加权处理,就可以充分利用这些辅助信息。本文利用经验似然法得到基于辅助信息的自适应权重,将其带入复合分位数回归方程进行计算,并证明了在合适的条件下,所提出的带辅助信息的复合分位数回归估计量相比缺少辅助信息的复合分位数回归估计量更加有效。

基于弹性网惩罚的复合分位数回归估计

针对高维数据的建模分析问题,提出一种基于弹性网络法和复合分位数回归相结合的稳健估计方法。在该估计方法中,所提出的模型能够有效进行变量选择与系数压缩,并处理数据间的多重共线性与群组效应问题,在大数据时代下具有较广的适应性。同时,与已有的惩罚最小二乘估计和惩罚分位数回归估计相比,该估计方法不仅放宽了对模型误差项的分布要求,而且综合考虑了多个分位点的损失,在面对离群值或呈现尖峰、厚尾分布数据时能够保持更强的稳健性和抗干扰性。在一定条件下,对所构建模型估计的相合性与稀疏性进行了理论分析,结果表明:所提出的模型能够将不相关的变量完全压缩至零,且估计量和真实系数以趋于1的概率相同。此外,在数值模拟方面,设置了5种误差项分布条件,根据设定的4项指标,通过与其他惩罚函数模型以及损失函数模型进行比较,结果表明新提出的方法具备更好的稳健性与有效性。

面板数据复合分位数回归模型的估计

文章针对面板数据复合分位数回归模型,提出了模型中回归系数的估计方法。首先通过乘一个幂等矩阵消除个体固定效应的影响,避免了估计个体固定效应项;然后利用复合分位数回归方法估计回归系数。在一些正则条件下,证明了复合分位数回归估计的渐近性质。

函数型部分线性复合分位数回归模型的估计（英文）

本文研究函数型部分线性复合分位数回归模型的估计问题.我们采用函数型主成分分析方法分析斜率函数,回归样条逼近非参数函数.在相当宽松的条件下给出斜率函数和非参数函数的收敛速度.最后通过理论模拟和实例分析来评价我们提出的方法.

左截断数据下非参数回归模型的复合分位数回归估计

利用局部多项式方法研究了误差具有异方差结构的非参数回归模型,在左截断数据下构造了回归函数的复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,在服从一些非正态分布的误差下,得到该估计比局部线性估计更有效.

删失数据下回归函数的加权局部复合分位数回归估计

在右删失数据下,研究了误差具有异方差结构的非参数回归模型,利用局部多项式方法构造了回归函数的加权局部复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,当误差为重尾分布时,该估计比局部多项式估计以及核估计表现得更好.

扩散模型复合分位回归估计的渐近正态性

主要研究扩散模型中漂移函数的复合分位回归估计的渐近正态性.基于离散观测样本,利用复合分位回归的方法得到了漂移参数函数的局部估计量,并证明了估计量的渐近正态性.

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.

基于贝叶斯复合分位数回归的参数估计及应用

针对传统最小二乘估计易受异常点干扰及稳健性较差的问题,建立了基于复合分位数回归估计的数据拟合预测模型。为了克服复合分位数回归在估计参数时忽视了参数的不确定性,致使估算出的参数精度不够高的缺点,将贝叶斯分析法与复合分位数回归相结合,提高了参数的估算精度。实证分析表明贝叶斯复合分位数回归估计优于复合分位数回归估计,而复合分位数回归估计优于传统最小二乘估计,值得工程技术人员借鉴。

加权复合分位数自回归模型在隧道围岩变形预测中的应用

提出加权复合分位数自回归模型对隧道围岩变形进行预测的新方法,并给出其原理和实现算法。以昆明市阳宗隧道为例,对加权复合分位数自回归预测模型进行计算,并与其他模型进行对比分析。结果表明,新方法预测效果优于非加权复合分位数估值的AR(2)模型、基于最小二乘参数估计的自回归预测、经遗传算法优化的支持向量机等预测方法。

基于复合分位数回归的股市风险研究

本文对GARCH模型的方差方程进行对数变换,得到的模型用于估计股市波动率。这样不仅能保证模型误差的独立同分布性,而且在做对数逆变换后也能保证波动率的非负性。针对模型误差非对称性,利用更为稳健的复合分位数回归方法估计变换后的GARCH模型。实证分析表明:变换后的模型对波动率的估计更为有效,并且复合分位数回归可以更有效的克服模型误差非正态性影响,是一种非常稳健的估计方法。

含测量误差的复合分位数回归的SIMEX估计

考虑含测量误差的线性回归模型,采用模拟外推(SIMEX)方法并结合复合分位数回归构造了回归系数的估计.所得回归系数估计不仅消除了测量误差对估计造成的偏差,而且保留了复合分位数回归估计的优点.在一些正则条件下,证明了估计的渐近性质.模拟研究了所提出方法的有限样本性质,并进行了实例分析.

基于遗传算法的复合分位数回归在沉降数据处理中的应用

针对传统最小二乘法估算模型参数精度不高的问题,采用了复合分位数回归参数估计法,并用遗传算法完成相关计算,建立了三次多项式的沉降数据预测模型。实证分析表明复合分位数具有很强的稳健性和参数估计的稳定性,所得模型预测能力强、精确度高。

基于FPCA的部分函数型线性模型的复合分位数回归估计

本文研究了部分函数型线性回归模型的复合分位数估计问题.采用函数型主成分基函数对斜率函数和函数型预测变量进行展开,在相当宽松的条件下给出斜率函数的最优收敛速度和参数部分的渐近正态性.最后通过理论模拟来评价提出方法的有效性.