降低OFDM系统峰均功率比的差分回归法研究

针对正交频分复用系统,提出一种利用的差分回归法降低峰均功率比。该方法先把信息伪随机化,在频域和时域上对OFDM符号进行处理。通过以时域为主、频域差分编码为补充,对采样值进行回归处理,来实现抑制峰均功率比的目的;此方法便于硬件电路实现,适用任何载波系统,对128载波系统,可以带来4dB的抑制效果,文中给出随机模拟、CCDF和系统性能BER仿真图。

差分回归分析技术在嗅觉磁共振功能成像研究中的价值

目的:差分回归分析技术适用于生理学相关函数未知的复杂脑高级功能的功能磁共振成像研究,实验应用差分回归分析技术观察人脑嗅觉活动时相关中枢的动态激活区。方法:实验于2005-11/2006-01完成。选择对13例右利手、无嗅觉障碍的健康志愿者进行嗅觉刺激功能磁共振成像实验。①实验方法:刺激方式采用组块设计,先给予30次Scan(S)刺激,再给予第二次刺激15次S,之间有55次S作为控制任务;每位被试先给予愉快气体(乙酸戊酯),间隔足够长时间后,再给非愉快气体(吡啶)。采用GE Signa 1.5T echospeed MR/i磁共振成像系统进行功能图像扫描。②数据分析:在AFNI平台上,数据经头动校正、空间标准化、空间平滑等处理后,再用差分回归分析技术进行数据处理和分析获得嗅觉实验脑激活图。阈值P=0.005。结果:11例受试者的数据进入结果分析。①嗅觉实验激活脑区(双侧皆有)为海马、眶额回、丘脑背内侧核、扣带回的背侧及喙、杏仁核、前额叶及额内侧回、颞叶、岛叶、枕叶、脑干和小脑,各脑区反应时间均较刺激时间有不同程度的延后。②愉快气体与非愉快气体激活的脑区无显著差异(P>0.005),均以右侧大脑半球激活明显(P<0.005)。结论:差分回归分析技术是嗅觉等复杂的脑功能研究可行的实验分析方法,人脑嗅觉刺激是复杂的延迟反应过程,右侧大脑半球为嗅觉"优势半球"。

基于差分自回归—随机森林的动车组轮对旋修策略优化研究

基于动车组运行里程和轮对尺寸退化过程为非平稳时间序列的特点,将差分自回归移动平均模型(ARIMA)与随机森林算法相结合,对关键尺寸退化趋势影响下的轮对旋修策略优化进行研究。利用ARIMA对运行里程数据进行差分处理,运用基尼系数划分特征构建随机森林决策树,将轮对历史检测数据划分为训练集和测试集进行训练,以预测均值确定轮对尺寸预测值。以轮对几何尺寸和动力学性能为约束条件,以最长使用寿命、最少旋修次数和平稳性指标为优化目标,构建轮对旋修策略优化模型,并对轮对旋修量和旋修后轮径值进行预测。结果表明,当轮径旋修量为2.5 mm,轮缘厚度在HAi=28.5 mm和HBi=30 mm时旋修策略最佳,轮对寿命可提高31.4%。研究成果可为动车组轮对旋修策略优化提供理论支持。

基于季节性(差分整合)自回归移动平均模型的广西乙类传染病发病情况预测

目的应用季节性(差分整合)自回归移动平均(SARIMA)模型预测广西乙类传染病发病情况。方法将2011年1月至2022年5月广西乙类传染病月报告发病数据作为训练集构建时间序列,拟合和构建SARIMA预测模型;以2022年6月至11月的广西乙类传染病月报告发病数据作为测试集对模型进行测试。结果广西乙类传染病的发病情况呈季节性规律,最优预测模型为SARIMA(3,1,3)(2,0,0)_(12),其预测效果平均相对误差为7.99%,预测发病例数95%CI均包含了实际发病例数。结论SARIMA(3,1,3)(2,0,0)_(12)模型能较好地拟合广西乙类传染病的发病情况,可用于疫情的短期监测。

基于小波变换与差分自回归移动平均模型的微博话题热度预测

研究话题热度预测问题对于网络广告传播效应最大化、网络舆论引导与控制等具有重要意义.首先,根据用户关系及话题因素计算用户影响力,进而定义话题影响力.然后,基于老化理论并考虑话题影响力和话题相关微博数定义话题能量值,量化话题热度.最后,提出基于小波变换与差分自回归移动平均模型的微博话题热度预测方法,以此预测话题热度(能量值)及话题能量峰值.实验表明,文中方法可有效预测话题热度及峰值,具有较低的残差和遗漏率.

自由贸易区的经济增长效应研究——基于双重差分空间自回归模型的动态分析

使用2009—2017年省级面板数据,基于双重差分空间自回归模型,从总体考察、区域比较、时间趋势等多角度就我国现有11个自贸区对地区经济增长的影响强度展开经验研究。结果表明:(1)从总体上看,自贸区设立对经济增长均具有显著正向促进效应。从效应强度看,相较人均国内生产总值,其对国内生产总值总量的促进作用更大。从空间效应看,各自贸区对周边省份的空间正向溢出效应均比较显著。(2)从区域比较看,沿海自贸区对经济增长的正向促进效应小于内陆型自贸区。(3)从时间趋势看,三批自贸区对经济增长的正向促进效应呈现先下降后上升的U形趋势。据此,应加大自贸区战略实施力度,完善自贸区空间辐射机制;优化自贸区空间布局,推动自贸区因地制宜地差异化发展;设计自贸区梯度发展路径,充分释放系统化协同效应,以推动自贸区战略更好地服务于我国经济发展。

差分自回归移动平均模型在南通市手足口病疫情预测中的应用

目的:应用差分自回归移动平均模型(ARIMA)预测南通市手足口病疫情趋势。方法:以2010年1月—2019年6月南通市手足口病分月报告病例数据为基础,构建符合季节性时间序列的ARIMA(p,d,q)×(P,D,Q)S模型,用2019年7—12月全市手足口病月发病率为验证数据进行验证,检验模型的预测效果。结果:2010—2019年南通市共报告手足口病90 766例,年平均发病率为124.36/10万,疫情有明显季节性,呈双峰特征,为夏季(5、6、7月)高峰和冬季(11、12月)次高峰;近年来南通市手足口病的病原谱以其他肠道病毒为主;利用ARIMA(1,0,1)(1,1,1)12模型,预测2019年7—12月手足口病发病率分别为7.08/10万、1.81/10万、3.74/10万、7.21/10万、10.71/10万和11.29/10万,与实际发病率相比,两者差异无统计学意义(Z=0.48,P=0.63)。结论:差分自回归移动平均模型能较好地预测手足口病的发病趋势,可用于短期的预警监测。

基于差分自回归滑动平均模型的风电场短期风速预测

目前,风力发电的并网规模越来越大;但是鉴于风力发电特有的间歇性和随机性,难免会对电力系统的稳定运行和电能质量造成巨大影响;也就限制了风电的发展速度与规模。对风力发电场的风速进行中、长、短期的预测可以在一定程度上有效地解决该问题。依据风速序列的自相关性以及时序性,提出了一种基于时间序列分析的风电场短期风速预测ARIMA模型。重点讨论了建模的过程、模型的识别、模型的定阶和模型参数的估计。最后结合风电场实际,对比于持续法预测,给出了相应的预测结果和误差分析,验证了所提出的ARIMA模型用于风电场风速预测的可行性。

改进的差分自回归移动平均模型的共轭梯度参数估计法

为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。

时序自回归差分方程模型在传染病预测中的应用

本文通过分析传染病的特性,建立了时序自回归差分方程模型,对SARS传染病的流行规律进行了进一步研究,并讨论了平衡点及其稳定性.仿真结果表明,使用自回归差分方程模型预测传染病的流行趋势,具有精度高、简单易行的特点.

结合回归方差分析法评价投资项目的风险

资本资产定价模型(CAPM)的基本思想常常被运用在评价投资项目的风险系数大小上。在传统的评价风险系数大小的过程中,往往要涉及到计算量过大的协方差矩阵,并多次运用协方差矩阵进行迭代。运用资本资产定价模型结合回归方差分析法给出了另一种比较简便的求解方法,并附实例分析。

季节性差分时空地理加权回归在HFRS分析中的应用

为了更好地利用模型对湖北省肾综合征出血热(Hemorrhagic fever with renal syndrome,HFRS)发病率数据的时间和空间分布进行拟合和预测,本文基于传统的时空地理加权回归模型(Geographically and Temporally Weighted Regression model,GTWR),引入时间序列中的季节性差分方法,同时采用空间自相关法优化模型中的带宽参数,构建了季节性差分时空地理加权回归模型(Seasonal Difference-Geographically and Temporally Weighted Regression model,SDGTWR)。研究结果表明,经过季节性差分优化的GTWR模型拟合精度要优于传统的GTWR模型及最小二乘法模型(OLS)和地理加权模型(GWR)方法。

差分自回归移动平均与广义回归神经网络组合模型在丙型肝炎月发病率中的预测应用

目的探讨差分自回归移动平均(ARIMA)与广义回归神经网络(GRNN)组合模型在丙型肝炎月发病率中预测建模效果及应用前景,为疫情预测提供依据。方法 2015年5月—2016年5月,选取山东省疾病预防控制中心法定传染病直报系统2004—2014年丙型肝炎月度发病率数据及山东省统计局发布的同期人口资料。对2004—2014年山东省丙型肝炎月发病率数据构建ARIMA模型,验证拟合精度并外推预测;将ARIMA模型拟合值作为GRNN模型的输入,实际值作为GRNN模型的输出,对样本进行训练和预测。比较单纯ARIMA模型和ARIMA-GRNN组合模型在丙型肝炎月发病率中的预测效果。结果 2004—2014年山东省丙型肝炎年均发病率为17.28/10万,并随着时间的推移呈上升趋势(Z=29.05,P<0.01)。ARIMA(1,2,1)模型预测2014年山东省丙型肝炎发病率与实际发病率基本一致,落在95%置信区间内,拟合效果较好。以ARIMA(1,2,1)模型拟合值作为GRNN模型的输入,丙型肝炎月发病率实际值作为GRNN模型的输出,取最优光滑因子0.12训练模型,ARIMA-GRNN组合模型预测的拟合值与实际值基本吻合。ARIMA模型和ARIMA-GRNN组合模型的平均误差率(MER)分别为16.87%、15.30%;决定系数(R^2)分别为0.53、0.60;平均绝对误差(MAE)分别为0.17、0.09;平均绝对百分误差(MAPE)分别为1.18、0.35。结论 ARIMA-GRNN组合模型对山东省丙型肝炎月发病率拟合及预测效果优于单纯ARIMA模型,具有较高的拟合精度,有较为广阔的应用前景,对于疫情预测工作有一定的实用性意义。

基于改进自回归差分移动平均模型的网络流量预测

为了缓解通信网络的拥塞问题,减少用户请求服务的等待时间,提高网络的利用率,网络运营服务商需要对网络实时流量进行分析,而建立准确高效的流量分析模型能提供更加准确的数据支持。基于此,提出了改进的自回归差分移动平均模型,该方法与传统模型方法相比,引入了误差扩散因子这一新的参数,并使用改良的粒子群算法得到欲求解的参数值。通过对测试集中的流量数据进行验证分析,可以得到,改进后的模型相比改进前,预测精度和稳定性均得到了提升。

基于多期双重差分的分位回归及其应用

文章通过多期双重差分(DID)模型研究限购政策是否有效抑制了中国的房价,进一步利用分位回归方法全面刻画了限购对抑制房价过快上涨的效果。在模型求解上,构建了双向固定效应面板回归模型,求出了基于均值的系数估计值,并首次尝试运用推广的FEQR法及两步差分法求解双向固定效应面板分位回归,探索限购令的出台对住宅价格的影响。

综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用

桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性。由于不同位置处相同类型传感器的相关性较强,首先利用岭回归(ridge regression,RR)解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据。接着引入季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据。最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了有效的预测模型。

浙江省月度电力需求的变分模态分解-自适应模糊神经网络-差分整合移动平均自回归组合预测模型及应用

为提高电力需求预测的精度,提出了一种将变分模态分解(variational mode decomposition,VMD)和自适应模糊神经网络(adaptive network-based fuzzy inference system,ANFIS)相结合的方法并应用到月度电力需求预测中。首先将原始数据通过VMD分解成有限带宽的子模态序列,选用差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)、ANFIS、经验模态分解(empirical mode decomposition,EMD)与ANFIS相结合和VMD-ANFIS几种模型进行预测结果对比。结果表明:相比直接利用ANFIS模型得到的预测结果,增加VMD分解过程能有效减小预测误差。说明所应用的VMD-ANFIS方法更具优越性,可以获得更好的预测结果。

部分线性回归模型中的差分两参数估计

考虑部分线性回归模型中回归系数的估计问题,提出一类新的差分两参数估计.同时讨论新估计的优良性.

基于差分自回归移动平均法预测苏格兰鲱鱼的迁移

作为苏格兰渔业经济支柱的鲱鱼,正在随着全球变暖而向北迁移。为研究鲱鱼种群分布位置的变化,把北大西洋苏格兰海域划分成28个区域,将过去167年间捕鱼季的海洋表面温度视为时间序列,建立了基于差分自回归移动平均法的海洋表面温度预测模型,得到了未来50年海表温度变化情况。结合鲱鱼的适宜生存条件,分析了鲱鱼的迁移路径及未来最有可能聚集的地点。研究结果为苏格兰地区的渔业经济管理与规划提供了参考和指导。

基于季节性差分整合移动平均自回归模型的城市公交短期客流预测

为了解决公交车辆过载及空车浪费资源并存问题,提高城市公交服务质量水平,基于公交客流季节性波动及周期性变化特征,构建季节性差分整合移动平均自回归模型,并对城市公交短期客流进行预测;以山东省青岛市K1路公交线路刷卡数据为模型样本,对非平稳的客流时间序列进行1阶7步差分处理,对差分后的数据进行平稳性检验;通过相对信息量计算,确定预测模型中未知参数,对差分处理后的时间序列进行标准化残差检验,检验结果为白噪声序列,得到周期为7的季节性差分整合移动平均自回归预测模型;利用预测模型对2019年7—12月公交客流量进行预测与误差分析。结果表明,模型预测的平均相对误差为4.02%,最大相对误差为8.36%,模型预测精度较高,适用于青岛市公交短期客流量预测。