线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r+1)).

广义部分线性单指数模型的惩罚样条估计

本文讨论了指数族广义部分线性单指数模型(Generalized Partially Linear Single Index Models,GPLSIM)的惩罚样条迭代估计,提出了基于惩罚似然和一组预先取定的单指数参数向量α的初始估计的迭代估计算法。另外本文还通过一组模拟数据的分析对所提出的迭代算法进行了验证。

紫外光谱法水体COD测量的线性-指数分段数学模型

利用紫外光谱法分析水体COD时,当样品达到一定浓度之后(仍处于朗伯-比尔定律通常被适用的浓度范围内),其溶液紫外吸光度与溶液COD数值会明显偏离线性关系,此现象在许多学者发表的紫外光谱论文中都曾有所提及。对此,选用海洋光学公司的S2000微型光纤光谱仪作为光谱测量仪器,选用PX-2脉冲氙灯作为激发光源,在温度为20℃(±0.5℃)及湿度为35%(±5%)的暗室中进行光谱实验,测量了COD值为40~680 mg·L^-1的34组邻苯二甲酸氢钾溶液样品的紫外吸收光谱,并基于样品紫外吸收特性进行了分析建模。采用相关系数法选取优势波段,通过对比样品紫外吸收光谱的第二特征峰和水质COD分析中常用波长处的COD-吸光度关系曲线动态特性,选定优势波长为275 nm。采用逐点延伸的方式,在较低浓度段利用鲁棒线性回归、较高浓度段利用非线性最小二乘回归,反复拟合线性或指数方程,滑动预测下一个数据点,根据均方根误差和相对误差判断预设低浓度临界点和较高浓度临界点,确定了低浓度段和较高浓度段COD-吸光度关系模型的分段点分别为300和560 mg·L^-1,得到低浓度段模型和较高浓度段模型。通过在优势波长处进行低浓度段、较高浓度段和全浓度范围的鲁棒线性回归和非线性最小二乘法回归等不同模型的拟合精度比较,表明40~300和300~560 mg·L^-1范围内COD-吸光度关系的线性-指数分段数学模型,不仅拟合精度最高,而且预测效果好,低浓度段的预测均方根误差为4.9449,较高浓度段的预测均方根误差为6.7689,整体预测均方根误差为5.6647。研究结果对紫外光谱应用于较高COD的水质测量和分析具有一定的参考价值。

固定效应部分线性单指数面板模型的惩罚分位数回归

分位数回归是均值回归的有益补充,该方法毋须对分布函数的具体形式做出假设,且对具有异常值或厚尾分布的数据仍具有稳健性。当前,对部分线性单指数面板模型估计方法的研究主要集中于均值回归,基于此,本文考虑了固定效应部分线性单指数面板分位数回归模型,结合B-样条函数、SCAD惩罚函数和迭代加权最小二乘法,构建了模型的估计方法,证明了估计方法的一致性和渐近正态性,同时利用Monte Carlo模拟评价了所述方法在有限样本下的表现。最后,将估计方法应用于分析碳排放的影响因素。

带有线性约束的指数族非线性回归模型

给出了带有线性约束的指数族非线性回归模型的最大似然估计量的随机展开,所得到的随机展开式由相互独立的正态变量以及曲率立体阵表示,使用简洁方便.

温特斯线性和季节性指数平滑法预测模型在医院管理中的应用探讨

目的探讨温特斯线性和季节性指数平滑法预测模型在医院管理中的应用价值。方法建立温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1～4季度门急诊诊次进行季节预测,并评价该预测模型的预测精度。结果温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1～4季度门急诊诊次的定量预测结果满意。通过计算机反复迭代试算,获得了一组最佳的平滑常数(α,β,γ),使预测模型的预测误差最小。该预测实例平均绝对百分误差(MAPE)为3.5703%<10%,预测精度较高。结论温特斯线性和季节性指数平滑法在医院管理中有实用价值。在建立预测模型时,结合计算机进行迭代运算,可建立最佳预测模型,进一步提高预测精度。

带有线性约束的指数族非线性回归模型置信域的曲率表示

本文从几何的观点,研究了带有线性约束的指数族非线性回归模型下参数的近似置信域与统计模型曲率之间的一般联系,获得了参数的近似置信域.

温特斯线性和季节性指数平滑法预测模型应用探讨

目的:探讨温特斯线性和季节性指数平滑法预测模型在医院管理中的应用价值。方法:建立温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1-4季度门急诊诊次进行季节预测,并评价该预测模型的预测精度。结果温特斯线性和季节性指数平滑法预测模型对成都市卫生局所属医院2009年1-4季度门急诊诊次的定量预测结果满意。通过计算机反复迭代试算,获得了一组最佳的平滑常数(α,β,γ),使预测模型的预测误差最小。该预测实例平均绝对百分误差(MAPE)为3.5703%<10%,预测精度较高。结论:温特斯线性和季节性指数平滑法在医院管理中有实用价值。在建立预测模型时,结合计算机进行迭代运算,可建立最佳预测模型,进一步提高预测精度。

指数族非线性随机效应模型的参数估计及其性质

对指数族非线性随机效应模型进行了较详细的讨论 ,给出了参数估计的方法 ,证明了参数估计的相合性与渐近正态性 ,最后给出一个具体实例 .

指数族非线性模型最大似然估计的相合性和渐近正态性(英文)

本文我们提出了一些正则条件,这些条件减弱了Zhu and Wei(1997)文中的条件.基于所提的正则条件,我们证明了指数族非线性模型参数最大似然估计的相合性和渐近正态性.我们的结果可被认为是Zhu and Wei(1997)工作的进一步改进.

固定效应部分线性单指数面板模型的快速有效估计及应用

将最小二乘支持向量机(LSSVM)和二次推断函数法(QIF)相结合,构造了个体内具有相关结构的固定效应部分线性单指数面板模型的新估计方法;在一定的正则条件下,证明了参数估计量的渐近正态性,导出了非参数估计量的收敛速度;Monte Carlo模拟了所述方法在各种相关结构下的有限样本表现,并与惩罚二次推断函数(PQIF)法进行了比较;将估计技术应用于分析我国人口结构与居民消费率的关系.研究发现,该方法改善了估计量的有效性,应用效果良好,程序运行速度快,适合经济变量间的线性和非线性关系研究以及大数据分析.

指数族非线性混合效应模型基于Q函数的数据删除度量(英文)

对指数族非线性混合效应模型,本文基于Q函数(朱宏图,2001)方法,给出几种度量数据删除影响的统计量．其主要思想是将随机效应视为缺失数据,并利用EM算法来处理完全数据对数似然函数的条件期望．一个实际例子说明我们方法是有效的．

利用广义指数加权回归估计贝叶斯动态线性模型误差方差矩阵W_t的方法(英文)

本文主要研究广义指数加权回归在贝叶斯线性动态线性模型参数估计中的作用 。

基于2种模型的终末期肾脏病直接经济负担预测分析

目的对血液透析(HD)、腹膜透析(PD)的终末期肾脏病进行直接经济负担预测分析。方法用2012-2022年HD、PD患者例数分别乘相应年均直接经济负担作为2种透析方式2012-2022年的经济负担,以此为初始时间序列,建立灰色预测GM(1,1)、Holt线性指数平滑模型,预测2023-2027年2种透析方式的直接经济负担的动态发展趋势。结果HD、PD患者2023-2027年的直接经济负担均呈增长趋势,HD、PD直接经济负担平均增长率分别为7.17%、7.37%。2种模型均能很好地进行预测,平均误差率为4.234%,预测效果良好。预计到2025年透析患者的直接经济负担将突破1000亿。结论透析患者的直接经济负担较重,是一大公共卫生挑战。应加强慢性肾病的宣传教育,做好预防工作,减少透析患者的增长。同时,可适当提高PD的报销比例,对部分地区试行“腹透优先”政策,向医护人员普及宣传PD知识,鼓励更多的患者选择PD。

植被指数模型估算干旱区稀疏光合/非光合植被覆盖度

定量估算干旱与半干旱地区的稀疏光合与非光合植被覆盖度(f_(PV)和f_(NPV))可为土地荒漠化研究和生态系统研究提供重要信息,同时获取f_(PV)和f_(NPV)有助于为土地退化监测和土地管理提供重要的数据支撑。选取典型干旱区的稀疏植被为研究对象,基于Sentinel-2A多光谱影像及地面实测纯净端元光谱数据获取影像及纯净端元归一化植被指数(normalized difference vegetation index,NDVI)、优化的叶绿素吸收指数(modified chlorophyll absorption ratio index,MCARI)、干枯燃料指数(dead fuel index,DFI)和红边叶绿素指数(red-edge chlorophyll index,CI red-edge),构建DNVI-DFI、MCARI-DFI、CI-DFI 3个像元三分模型,并采用NDVI、DFI和比值土壤指数(ratio soil index,RSI)构建线性植被指数模型。经过地面实测植被覆盖度分析评价构建模型精度,得到如下结论:NDVI-DFI模型相较于MCARI-DFI、CI-DFI模型表现出更好的估算效果,f_(PV)估算的RMSE为0.0590(R^(2)=0.7738),f_(NPV)估算的RMSE为0.0510(R^(2)=0.8);NDVI-DFI模型中融入RSI指数构建的线性植被指数模型可以提高f_(PV)和f_(NPV)的估算精度,f_(PV)估算的RMSE为0.0524(R^(2)=0.7764),f_(NPV)估算的RMSE为0.0444(R^(2)=0.8115),精度分别提高11.2%和12.9%。因此,融入RSI指数的NDVI-DFI线性植被指数模型可以有效地估算典型干旱区稀疏植被的f_(PV)和f_(NPV)。该文的研究为NPV覆盖度的定量估算提供更可靠的理论基础。

基于非线性回归的工业废水排放量预测方法

由于进行工业废水排放量预测的过程中,没有分析工业废水排放量影响因素,导致预测结果精度较低,提出基于非线性回归的工业废水排放量预测方法。分析工业废水排放量影响因素,将城市居民人均生产总值(GDP)和工业生产总值作为预测变量,从区域统计年鉴和中国统计年鉴中收集数据样本,并对数据进行对数化处理;根据选取的预测变量建立非线性指数模型,并在此基础上建立工业废水排放量非线性回归模型;通过对模型参数确定和精度检验,将数据代入到模型中对其进行非线性回归分析,输出工业废水排放量预测值。经实验证明,设计方法的预测精度最高可达99%,具有较好的预测精度,在工业废水排放量预测方面具有良好的应用前景。

给水管网漏失预测模型的研究

给水管网无论采用何种管材 ,随着时间的推移都会不可避免地发生漏失。根据实际给水管网的漏失数据 ,采用时间序列分析方法建立了给水管网漏失预测的线性指数平滑模型和二次曲线指数平滑模型。通过精度分析和比较 ,发现二次曲线指数平滑模型预测精度高于线性指数平滑模型 ,能更好地反映给水管网漏失频率随时间非线性增加的变化趋势。

不同基因型棉花地上部干物质积累对氮素的响应

选取有代表性的3个棉花品种(美国抗虫棉33B、常规棉中棉所12和抗虫杂交棉中棉所46),在大田试验条件下测定不同施氮处理下(0、90、180、270、360kg.hm-2)的叶面积指数(LAI)、地上部干物质量和植株氮浓度的动态变化。运用指数线性生长模型对棉花地上部干物质积累过程进行模拟,并用幂函数模拟棉花氮稀释效应。结果表明:(1)棉花地上部干物质增长过程可以用指数线性模型模拟,模型参数能较好地反映基因型和氮肥处理对地上部干物质积累的影响。(2)棉花地上部氮浓度随干物质的增长而降低,模型能较好地反映不同基因型棉花氮素吸收能力的差异。(3)通过对棉花地上部干物质增长和氮稀释效应的模拟分析,认为田间最佳施氮水平为180kg.hm-2,过量施氮对3个棉花品种的干物质积累和地上部植株氮素吸收增加无明显影响。

我国食用植物油供给现状分析及未来发展战略研究

近年来,伴随着我国食用植物油自给率的持续走低,提高我国本土食用植物油料的供给、保障国家食用油安全上升为国家战略。通过梳理前人研究和官方信息,整理出2000—2019年我国传统八大食用植物油料的产量数据,并结合相关研究计算得出对应历年食用植物油本土供应量,同时建立Holt双参数线性指数平滑模型对我国本土食用植物油料和油脂的总供给进行预测,结合国家食用植物油发展规划,进一步分析当前制约我国食用植物油发展的因素,并提出针对性建议,以期为国家制定食用植物油料油脂发展规划,提高我国食用油自给率提供数据参考和技术支持。