基于深度自回归模型的电网异常流量检测算法

针对电网中行为种类复杂多样且数量众多的问题,提出了一种基于自回归模型的电网异常流量检测算法。该算法利用深度自编码网络自动提取网络流量数据的特征,降低异常流量检测的分析周期,并自动挖掘数据的层次关系。通过支持向量机对提取的特征进行分类,实现对异常流量的检测。仿真实验结果表明,所提算法可以分析不同攻击向量,避免噪声数据的干扰,进而提高电网异常流量检测的精度,对于流量数据处理具有重要意义。

基于因果自回归流模型的因果结构学习算法

因果自回归流模型已经在非独立噪声等场景的因果方向推断问题上取得了一定的进展,但在多个结点的场景下仍存在全局结构搜索带来的准确度低和计算时间复杂度高的问题。面向非时序观察数据设计一种两阶段因果结构学习算法。在第一阶段,基于观测数据的条件独立性,对完全无向图通过条件独立性检验得到基本的因果骨架;在第二阶段,基于因果自回归流模型,通过标准化流的方法计算骨架中每条无向边在不同方向上的边缘似然概率,进而通过比较边缘似然概率进行因果方向推断。实验结果表明:该算法在多组不同参数生成的仿真因果结构数据集上均有较好的表现,与现有的主流因果结构学习算法相比,F1值平均提升15%~28%;在真实因果结构数据集实验中,该算法能够较为完整准确地学习到变量间的因果关系,与主流的因果结构学习算法相比,F1值平均提升28%~48%,具有更强的鲁棒性。

部分线性空间自回归模型的惩罚最小二乘方法

部分线性空间自回归模型因具有参数空间自回归模型的解释能力和非参数空间自回归模型的灵活性而成为一类备受关注的半参数空间自回归模型。主要研究部分线性空间自回归模型的变量选择问题,基于轮廓拟最大似然方法和一类非凸罚函数,提出了一类惩罚最小二乘方法同时选择该模型的参数部分中重要解释变量和估计相应的非零回归系数。在适当的正则条件下,推导了回归系数的惩罚估计的收敛速度,并证明了所提出的变量选择方法具有Oracle性质。模拟研究和实际数据分析均表明所提出的变量选择方法具有满意的有限样本性质。

云环境下改进自回归模型的网络数据去重仿真

云环境网络数据去重过程中,若不能及时对网络数据实施噪声抑制,会直接降低数据的去重效果,为提升数据去重精度,提出基于自回归模型的云环境中网络数据去重算法。建立云环境弹性空间模型,确定网络数据的空间自相关度量值完成数据去噪,基于去噪结果详细分析云环境中网络数据属性特征;根据提取的属性特征对云环境中网络数据聚类处理,结合自回归模型建立网络冗余数据预测模型,精准预测出云环境中的网络冗余数据,并对其进行剔除处理,实现网络数据的精准去重。实验结果表明,使用该方法开展数据去重时能够有效去除网络数据中的冗余数据,去重效果较好。

一阶混合整数值负二项自回归模型

考虑复杂整数值时间序列数据的建模问题.首先,提出一类一阶混合整数值负二项自回归模型,并证明该模型的严平稳遍历性,讨论该模型的转移概率、期望、方差等概率统计性质;其次,研究该模型的最大似然估计问题,得到了估计量的渐近正态性,并在数值模拟的基础上进行实证分析.实证分析结果表明,该模型在拟合毒品犯罪次数数据时性能良好.

平稳自回归模型的调整经验似然置信域

自回归模型在经济学及信息学等领域有广泛应用.其统计推断是统计学研究的重要问题之一.本文主要研究自回归模型的调整经验似然方法.在Chuang和Chan利用自回归模型的条件最小二乘估计、通过得分函数构造的经验似然比统计量基础上,本文针对经验似然方法可能不存在解的情形构造了调整经验似然统计量,并证明调整后的经验似然比统计量的极限分布服从卡方分布.由此我们可以构造模型参数的调整经验似然置信域(区间).最后,本文通过数值模拟比较了调整经验似然方法和经验似然方法的性能.结果显示,调整经验似然方法所得的区间估计具有更好的覆盖率.

农业科技创新、生态效率与农户增收质量的动态关系——基于面板向量自回归模型的实证分析

农业科技创新在提高农产品产量和质量的同时也面临促进农户增收的困境,而生态效率的提高也可能造成农户收入不平等的问题。为进一步探究农业科技创新水平、生态效率与农户增收三者之间的关系,根据2000—2020年间湖南省的时间序列信息,利用面板向量自回归模型,采用协整检测、格兰杰检测、方差分解等各种手段,对农业科技创新水平、生态效率和农户增收质量间的相关性开展实证分析,以为处理好农业发展、农户收入和生态环境保护之间的关系提供理论参考。结果显示:农业科技创新与农户增收质量之间存在显著的双向正向关系,即科技创新在提升农业生产效率和质量的同时显著促进了农户的经济增长,但生态效率的提升在短期内未能显著转化为农户的经济收益;农业科技创新对农户增收质量的影响即时且显著,并随着时间推移而趋于稳定;在预测农户增收质量时,农业科技创新的作用明显超过生态效率。基于此,从长期规划生态效率提升、加大农业科技创新的支持与投资和增强农户生态环保意识等方面提出政策建议。

借助自回归移动平均模型构建儿童口服退烧药消耗量的预测模型

目的 使用自回归移动平均(ARIMA)模型对医院口服退烧药消耗量进行预测,旨在为医院药品供应提供参考。方法 收集某儿童医院2013年1月—2018年12月全院每月口服退烧药的消耗量建立ARIMA模型,预测2019年1—12月口服退烧药的消耗量,以2019年1—12月实际消耗量数据评价预测模型是否合适。结果 2013年1月—2018年12月每月口服退烧药消耗量的时间序列呈现明显的季节性,在每年1月、5—7月及12月出现消耗量峰值。该时间序列经季节性分解后拟合ARIMA(1,1,1)(1,1,1)_(12)模型,拟合效果较好,经过对比发现除2019年1月和2019年12月两个月外,其余月份预测值与实际值的相对误差均在20%以内。结论 依照2013年1月—2018年12月全院每月口服退烧药消耗量建立的ARIMA模型能够较好地预测口服退烧药消耗量,可为医院科学的药品供应提供一定参考。

基于自回归EIV模型的高铁桥墩沉降预测方法研究

高速铁路线下工程沉降监测与控制,是实现铁路轨道的高平顺性施工和高稳定性运营的基础。桥梁工程占我国高铁总里程的50%以上,开展桥墩沉降监测和预报,对高速铁路工程的顺利施工和高速铁路网运营安全意义重大。为建立符合高铁桥墩沉降变形实际的沉降预测模型,基于自回归(AR)模型和线性假设理论,考虑模型变量误差对AR模型建模的影响,推导了顾及模型变量误差的高铁桥墩沉降预测自回归EIV模型建模及解算方法,推演了基于线性假设理论的最佳高铁桥墩沉降预测模型选择方法,在此基础上设计了一种基于自回归EIV模型的高铁桥墩沉降预测方法。研究结果表明:采用该方法建立的沉降预测模型,能够客观、准确地对高铁桥墩的沉降变形趋势作出预测,进而可为施工建设和运营维护决策的制定提供科学依据。

基于ARIMA模型和残差自回归模型的广东省鸡蛋价格分析及预测

本文基于中国畜牧业年鉴的广东省鸡蛋价格,构建了ARIMA模型和残差自回归模型。根据模型理论依据、评价指标,例如拟合优度、均方误差、平均绝对误差、信息准则等选择最优模型预测鸡蛋价格。本文得出最优的预测模型是乘积季节模型。利用该模型测出广东省未来的鸡蛋价格,同时对政府、养殖者、投资者和消费者四大主体提出相应的实际建议。本文不仅丰富了鸡蛋价格预测的理论基础,而且为相关主体的决策提供了有价值的参考依据。

基于向量自回归模型的科技进步、城市化与绿色发展关系实证分析——以广东省为例

为理清科技进步、城市化与绿色发展三者之间相互影响与作用机制,以科技进步、城市化与绿色发展的相互作用机制作为理论基础提出假设,基于广东省1993—2020年的时序数据,应用向量自回归模型、脉冲响应函数和格兰杰因果检验、方差分解等进行实证分析。结果表明:科技进步和城市化对绿色发展具有正向影响作用,绿色发展对城市化高质量发展具有促进作用;城市化推动了科技进步,而科技进步对城市化的影响并不显著。为此,广东省需要加快建立以绿色产业为核心的新兴产业体系,在推动绿色发展的同时积极整合落后产能,以绿色经济进步带动城市化高质量发展和科技创新。

投资者高频情绪对股市成交量的异质性影响研究——基于分位数向量自回归模型

从高频视角分析股市情绪效应的异质性特征及机理,对我国金融风险管控具有重要意义。本文借助文本分析法抓取网络舆情数据,构造日内投资者高频情绪指数,在分位数Granger因果关系检验的基础上,构建分位数向量自回归模型并进行脉冲响应分析,探究不同极性投资者高频情绪对不同市场状态下及不同分位水平股市成交量的异质性影响。结果表明:(1)不同极性投资者情绪对股市成交量影响具有异质性,悲观情绪对股市成交量的脉冲强度明显大于乐观情绪且衰减较慢;(2)投资者情绪对股市成交量的影响随市场状态的变化而不同;(3)在相同市场状态下,情绪对不同分位水平股市成交量的影响也存在差异,投资者情绪对股市成交量的下分位点脉冲强度显著大于上分位点,中位点最弱。

地方政府债务与区域协调发展研究--基于半参数空间面板向量自回归模型的分析

地方政府债务在区域经济发展中扮演着重要角色,探讨地方政府债务的时空分布是否均衡、时空经济效应是否存在区域异质性,不仅有利于加强地方政府债务管理,也切合我国当下新型城镇化和区域协调的政策背景与发展方向。本文从地方政府债券发行实际出发,建立半参数空间面板向量自回归模型,分析增量和存量地方政府债务在时间和空间上的经济效应,并根据举债冲击的时空传导效应,讨论地方政府债务在区域协调发展中的作用。研究发现:地方政府债务时空分布和举债冲击在新增地方政府债务、基础设施存量和人民生活福利水平之间的时空传导效应的共同作用下,区域经济未能实现彼此协同促进、共同发展,区域经济协调发展任重而道远。在此基础上,本文提出改革地方政府债券发行额度分配制度、支持国家重点区域发展战略、关注区域债务风险等政策建议,以促进区域经济协调、可持续和高质量发展。

自回归移动平均模型在骨科Ⅰ类切口感染预测中的应用

目的应用自回归移动平均(autoregressive integrated moving average,ARIMA)模型建立骨科Ⅰ类切口感染预测模型,预测未来6个月的感染发病率。方法回顾性分析2013年1月至2021年12月上海交通大学医学院附属第六人民医院骨科Ⅰ类切口感染发病率数据。选取2013年1月至2021年6月的数据作为训练集,建立ARIMA模型;以2021年7-12月的发病率数据作为验证集,评价模型的预测效果,并预测未来6个月的发病率。结果2013年1月至2021年12月骨科Ⅰ类切口手术患者共有228647例,发生Ⅰ类切口感染628例,手术切口感染发病率为0.275%。ARIMA(1,0,0)(1,0,0)12为确定的最佳模型,2021年7-12月的实际值均落在预测值的95%可信区间范围内。采用该模型预测未来6个月的感染发病率依次分别为0.276%、0.283%、0.288%、0.285%、0.297%和0.291%。结论ARIMA模型能有效拟合、预测骨科Ⅰ类切口感染发病率,模型预测结果提示未来6个月内的发病率呈现低水平流行的态势,可为临床干预措施的实施提供科学依据。

基于惩罚最小绝对偏差的部分线性空间自回归模型的稳健变量选择

结合B样条逼近以及工具变量调整技术,并利用惩罚最小绝对偏差方法,对部分线性空间自回归模型提出了一种稳健变量选择方法.理论上证明了所提出的变量选择方法可以相合地识别出模型中的重要协变量和不重要协变量,并给出了所得正则估计的收敛速度.所提出的变量选择过程对模型中的参数分量和非参数分量的估计可以一步同时完成,避免了非参数分量的估计对参数分量变量选择的影响,因此具有较好的稳健性和有效性.

基于在线监测时间序列数据的水质预测模型研究进展

当前地表水突发性污染事件频发,已造成严重的环境和社会影响,对环境监管部门应急处置能力建设提出了新要求和新挑战。地表水水质在线监测数据具有高频率和高时效等特点,系统论述了基于在线监测时间序列数据的水质预测模型的研究现状和进展,包括数据软测量、预处理方法和水质预测模型等,分析了不同水质预测模型在应用过程中存在的问题,并对未来研究方向进行了展望,以期为水质预测预警和环境监管提供技术支持和方法参考。

序列稀疏自回归方法及其在美股做空数据分析上的应用

采用序列稀疏回归的思路来处理向量自回归模型,并设计适用于大规模时间序列数据分析的序列稀疏自回归方法。研究表明:从因子角度刻画向量自回归模型可以有效地将稀疏矩阵估计问题分解成稀疏奇异向量的估计问题,从而极大地提高了计算效率。以1523家美股上市公司1973年1月—2014年12月的做空数据为例,利用此方法探索公司之间的大规模做空关联网络。研究发现:此方法可以有效地恢复股票做空份额(即某一公司的空头股份数量)与股票收益率之间隐藏的关联网络,对于股票风险溢价研究具有一定启发意义。

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

基于ARIMA-TCN混合模型的高速铁路时间同步方法

列控系统作为高速铁路的核心系统,保持其系统的时间同步对于行车安全至关重要。针对现有时间同步方法易受时变上下行传输时延、随机时钟跳变等影响,导致主从时钟偏移估计不准确的问题,提出一种基于差分自回归移动平均-时域卷积神经网络(ARIMA-TCN)混合模型的高速铁路时间同步方法。首先,根据上下行链路传输速率的不对称比,建立高速铁路时钟的数学理论和实际观测模型。然后,使用拉依达准则识别处理跳变异常值,完成实际时间序列的预处理。再次,使用ARIMA模型平滑时间序列中不确定时延带来的噪声抖动,获得平稳的时间序列。最后,通过提出的注意力增强TCN模型进行预测补偿,完成时钟偏移的补偿校正。通过实验仿真,得到基站区间内位置、基站间距以及车速对高速铁路时间同步的影响性分析。实验结果表明:与对比方法相比,所提方法补偿后的均方根误差较最小二乘法减少了75%、较最大似然估计方法误差减少了44.4%,较BP神经网络方法误差减少了16.7%,验证所提方法具有更低的同步误差和更高的同步精度。

基于MS-VAR模型的中国创新质量演化阶段性与区域异质性研究

创新是高质量发展的第一动力,但是,创新质量本身缺少系统研究。从投入产出过程角度看,创新质量分为研发投入的知识产出质量和知识投入的经济产出质量两个阶段,基于马尔可夫区制转换向量自回归模型(MS-VAR)对中国及其分区1995-2021年时间序列数据进行检验,揭示投入产出过程创新质量演化阶段性及其区域异质性。研究发现:目前我国处于新的创新质量快速提升期。R&D投入强度的增加会促进专利产出质量,专利产出质量的增加也会促进新产品销售收入。前者在创新质量快速提升期更显著,后者在创新质量稳定发展期更显著。四大地区①的创新周期具有时间先后性,东部地区最早进入创新质量稳定发展期,西部地区最晚;两次过程中,创新投入产出质量之间正向效应的区域异质性和区制异质性并存;但处于创新质量稳定发展期的西部地区两种投入产出效应都为负。