基于时间序列模型与残差控制图的兰州市空气质量研究

利用2003-2012年兰州市月均空气污染指数API和季节性时间序列模型SARIMA,对数据序列进行拟合并对其变化趋势进行了分析,研究其演变趋势并选取空气质量良好(月平均API<150)的月份(2012年6月2013年2月),选用时间序列模型ARIMA(1,1,1)进行拟合,再结合残差控制图,对2013年3月日平均API预测监控。结果表明,SARIM A(0,1,1)×(0,1,1)12模型较好的拟合了近10年兰州市API的变化趋势,兰州市的空气污染大致呈冬、春季污染相对较重,夏、秋季相对较轻,空气质量总体在逐渐好转。适合该地区短时间尺度的时间序列模型是ARIMA(1,1,1),结合残差控制图对2013年3月API进行预测监控,结果显示6,9,10,11,12和13日超出控制限,对6日和9日提出预警。预测结果与实际结果相吻合,证实了将时间序列模型与残差控制图结合预测监控大气污染的有效性。

AR-GARCH型残差控制图及其应用研究

受控过程经常呈现出自相关性和波动簇聚性并存的特征.为解决这类过程的监控问题,本文提出ARGARcH型残差控制图,用自回归模型结合残差图解决自相关问题;用受控过程的条件标准差替代无条件标准差,构造控制图的控制线,解决波动簇聚的问题.并结合对股票周收益序列进行监控的实例对该控制图的有效性加以分析.

自相关过程的质量控制方法——残差控制图

当质量过程呈现自相关现象时,常规控制图已经不能准确反映生产中质量的波动。因此本文研究了基于时间序列理论的残差控制图,并通过蒙特卡洛模拟方法表明,残差控制图能够较好解决过程自相关条件下的质量控制问题。

残差控制图检测能力分析及效率评价

当质量过程呈现自相关现象时,残差控制图是解决其控制问题的有效方法之一。但是与常规控制图相比较,两者检测性能有很大不同。本文应用检测能力指数和平均链长两种衡量指标,评价了质量过程为AR(1)的残差控制图对异常状态的检测能力。

监视过程均值变化的残差控制图检测能力分析

对过程实施统计质量控制的基本假设前提是观测值彼此独立,但实际工作中经常出现过程的观测值存在自相关的现象.若自相关过程的残差满足独立同分布条件,对残差实施控制图监视是解决自相关过程控制的方法之一.应用检测能力指数和平均运行长度两种衡量指标,分析了自相关过程由时间序列模型AR(1)描述时,残差控制图对过程均值变化的检测能力.结果表明,残差EWMA(φ≤1-λ)控制图对过程均值小偏移较灵敏,当φ<0时,残差EWMA控制图对过程均值大偏移的检测能力略差于残差Shewhart控制图.

信噪比在分析残差控制图检测能力中的应用

应用信噪比与平均运行长度2种方法,分析了自相关过程由时间序列模型AR(1)描述时,残差控制图对过程均值变化的检测能力。结果表明,信噪比是控制图的检测能力的一个良好指标,在合理参数0.1≤l≤1-范围内,残差EWMA控制图对过程均值小偏移较灵敏,对过程均值大偏移的检测能力略差于残差Shewhart控制图。

基于LS-SVM残差控制图的失控信号诊断

针对多变量统计过程控制中失控信号的诊断问题,提出了一种基于最小二乘支持向量机(LS-SVM)残差控制图的诊断方法,给出了基于LS-SVM残差控制图的构造方法与诊断程序,进行了实例分析与模拟分析,并与基于主成分分析的诊断方法进行了对比。研究结果表明:基于LS-SVM残差控制图的方法可以准确地诊断出失控变量,同时在小样本情况下依然适用。

监测SPC/EPC整合过程的残差控制图研究

针对SPC/EPC整合中的自相关问题和窗口问题,在分析整合监测规律的基础上,构建了SPC/EPC整合过程的AR(3)时间序列模型,并分析了模型的稳定性条件,构建了监测整合过程的残差控制图,通过仿真比较实验表明:该方法与常规控制图相比能准确监测到异常扰动的发生并能解决窗口问题。

基于GRU神经网络的自相关过程残差控制图

为提升自相关过程监控的效率,提出基于门控循环单元(gated recurrent unit,GRU)神经网络的自相关过程残差控制图。采用受控下的自相关过程数据对GRU网络进行离线训练与测试,对预测误差进行监控,形成控制用残差控制图。采用训练好的GRU网络预测当前过程波动,利用控制用残差控制图判定当前过程是否失控。运用蒙特卡洛仿真法,与基于一阶自回归模型、BP神经网络以及支持向量回归构建的残差控制图进行性能对比。研究表明,过程受控时,所提残差控制图与其他3种的稳态平均运行链长相差不大,即4者的性能表现相当;而在均值偏移异常过程中,所提残差控制图的平均运行链长远小于其他3种,对自相关过程均值偏移具有较好的监控性能。

基于EGARCH残差控制图的美股收益率波动监测分析

通过研究股票收益率,发现股市的波动性特征,成为证券市场研究重点。本文以监测美股收益率波动为目标,基于2010年5月17日至2020年5月17日标准普尔500指数,先利用EGARCH模型来处理金融时间序列数据的波动簇集性和“杠杆效应”,建立EGARCH残差控制图来监测分析,并结合股票收益率序列对监控的实例对该控制图的有效性加以分析。结果显示EGARCH型残差控制图能够很好地应用于实际工作,有效地在股市发生剧烈变动前检测出异常点,对金融风险有良好的监测效果。

基于残差控制图的宏观经济运行质量研究

常规控制图主要用于产品系统的质量监控中,其前提假设是过程的质量特性值相互独立。在研究宏观经济运行质量时,由于经济时间序列存在自相关性,不能直接运用常规控制图对宏观经济运行质量进行监控。文章提出残差控制图对具有自相关性的经济序列进行稳定分析,对未来经济运行质量进行监控,并结合中国GDP数据进行了实证分析。

基于IGGⅢ权函数的稳健ARMA残差控制图构建

针对传统ARMA残差控制图易受异常值的影响,本文首先用由中国科学院测量与地球物理研究所提出的抗差方法(IGGⅢ)权函数建立稳健ARMA模型,得到独立同分布残差序列.接着用加权三均值和平均绝对离差分别估计均值和标准差,进而构建稳健ARMA残差控制图.模拟与实证检验均表明:本文所构建的稳健控制图能更好地抵抗异常值干扰,监控效果优于传统控制图.

基于时间序列模型的残差控制图在MAP中的应用

针对在MAP中,测控设备高频率地采集数据导致数据呈现时序依赖性,难以满足传统控制图要求的数据间相互独立的问题,提出根据时间序列原理用受控状态下观测数据估计模拟出自回归模型AR(p),求出服从独立同分布的观测值残差,建立控制图。为进一步说明残差控制图的有效性,通过真实数据求出残差控制图并与休哈特控制图进行比较,结果表明,残差控制图的虚假警报明显减少。

稳健ARMA残差控制图的构建及在金融市场的应用

传统自回归与滑动平均(ARMA)残差控制图往往对离群值比较敏感,容易导致监控失效.为了解决这一问题,本文利用稳健统计的思想对传统ARMA残差控制图进行修正,构建出稳健ARMA残差控制图算法,以克服离群值对模型的影响.模拟和实证结果表明:当数据中不存在离群值时,由传统和稳健ARMA残差控制图得到的监控结果基本一致;当数据中存在离群值时,相对于传统ARMA残差控制图而言,稳健ARMA残差控制图能更有效地抵抗离群值的影响,具有较好的抗干扰性和高抗差性.

自相关过程的残差控制图

常规控制图应用的基本假设是从过程得到的观测值彼此独立。但许多过程出现了自相关现象。该文分别运用单值控制图和残差控制图就受控状况和失控状况的观测值对案例进行了分析比较。结果表明 :当过程存在自相关时 ,运用残差控制图更合适 ,但是 ,当自相关参数大于 0时 ,残差控制图检测过程异常的灵敏性有待提高。对于在现代生产过程中自相关数据 ,建议使用残差控制图 。

稳健残差控制图的构建及在金融时序中的应用

对于呈现自相关和波动族聚性并存的受控过程,通常采用残差控制图对其进行监控。但异常点的存在会对自相关或波动族聚性模型的拟合产生重要影响,使得基于该模型的残差并非独立同分布导致常规残差控制图监控失效。为解决这类问题,本文提出稳健残差控制图。即建立稳健的ARMA模型解决自相关问题从而得到无自相关的残差序列,用稳健的GARCH模型来构建控制图的上下限。模拟和实证研究表明,本文提出的稳健残差控制图具有很好的抗异常点能力并能更好的对金融时间序列的异常现象进行监控。

残差控制图应用中的自相关过程模型研究

随着自动化技术的发展,数据自相关现象在现代制造业中普遍存在。基于自相关模型的残差控制图是解决自相关数据统计监控问题的一类较好方法。现有研究均假设数据呈一阶自相关,仅研究一阶自回归模型与残差控制图结合的过程监控问题。但是,实际生产中观测数据可能服从多阶自相关。基于此,针对数据多阶自相关的过程监控问题,运用蒙特卡洛仿真法,研究不同自回归阶数的自回归模型对残差控制图性能的影响。研究表明:在残差控制图应用中,过程受控时,一阶自回归模型的表现与同阶自回归模型的性能表现相当,即二者发生第一类错误的概率相差不大;而在质量偏移诊断中,一阶自回归AR(1)模型的性能表现整体优于同阶的自回归模型,大大降低了漏警的成本。

过程控制图在股票收益波动分析中的应用研究

应用AR型残差控制图解决过程自相关问题;用受控过程的条件标准差替代无条件标准差,构造控制图的控制线,解决过程波动簇聚问题。在实证中,以上证50指数中股票的周收益序列为样本过程,根据其统计性质将其分为四类,并分别举例、选择适当的控制图加以监控。然后,对控制图识别出的异常点举例进行验证、分析,以评价控制图应用于股票收益序列监控的有效性。

SOx、NOx、PM10浓度的时间序列模型及其残差T^2控制图

利用统计学软件,对内蒙古包头市2012年1月1日~2012年12月31日市环境监测站的SOx、NOx、PM10日浓度数据,进行了时间序列分析,并建立了时间序列模型(ARIMA)。然后对模型进行识别、估计,并对估计后的残差进行检验,经检验后的SOx、NOx、PM10浓度的残差值均为白噪声序列,则计算出相应的SOx、NOx、PM10日浓度的残差值。由于残差值满足传统的统计过程质量控制理论中的统计量彼此独立的基本假设,因此我们绘制出多元自相关过程的残差T2控制图。实例应用表明,该方法是合理科学的。

残差T2控制图中多元自相关过程模型研究

针对当前多元自相关残差T2控制图研究中,存在阶数过高且在确定拟合模型阶数过程中花费成本过大问题,本文采用蒙特卡洛方法,取不同的偏移量δ,借助平均运行链长ARL比较多元p阶自相关数据在VAR(1)和VAR(p)拟合下残差T2控制图的性能。研究表明:对于高阶多元自相关数据,VAR(1)比VAR(p)拟合得到的残差T2控制图性能优越,因此可以直接用一阶模型拟合多元高阶数据,来对残差T2控制图进行研究,此方法既简化了问题,又节约了成本。