基于核估计的多变量非参数随机模型初步研究

本文基于核估计理论构造了多变量非参数模型.该模型是数据驱动的、不需识别和假定序列相依形式和概率分布形式的一类随机模型,克服了多变量参数模型的不足.实例统计试验表明,建议的多变量非参数模型是有成效的,为随机水文学发展提供了一些新思路.

基于自适应多变量非参数核密度估计的多风电场出力相关性建模

研究多个风电场的联合概率密度,对于风电大规模并网及电力系统运行控制具有重要意义。该文提出一种基于自适应多变量非参数核密度估计的多风电场联合概率密度建模方法。首先以可变带宽代替固定带宽建立一种自适应的多变量非参数核密度估计模型,然后针对模型带宽选择问题,构造了一种以欧氏距离和最大距离为拟合性指标的带宽优化模型,最后利用序优化算法对其进行求解。实际算例仿真结果表明,该文方法不仅较传统基于copula函数的参数估计方法具有更高的精度和适用性,而且还较好地解决了传统多变量非参数核密度估计方法的局部适应性问题。

时间序列中的协变量调整非参数回归模型（英文）

在某些场合,回归模型中的预测变量与响应变量不能被直接观测,而是受到某个可观测变量的影响,在这种情况下人们提出了协变量调整模型.本文在时间序列场合下讨论协变量调整非参数回归模型(CANR),提出了回归函数的两步估计法,在α-混合条件下讨论了估计的大样本性质,最后研究了模型在模拟和实际金融数据中的应用.

玉米新品种在秦巴高海拔山区的适应性分析

用产量增产百分数、差异显著性、变异系数法、回归系数法、高稳系数法和非参数度量法等多种分析方法 ,对 10个玉米新品种在高海拔山区 4个地点的适应性进行了系统聚类。结果表明 ,农大 10 8、农大 3138、陕资1号、成单 18号、97Q- 16 7和中单 32 1等 6个品种在高海拔山区表现出较高的生产潜力和较强的稳定性 。

基于分位数回归的PM_(2.5)影响因素分析

以2014年中国经济发展排名前124名的城市为研究对象,从经济发展的角度,选取常住人口、家庭天然气、房屋施工面积、地区生产总值、第二产业总值、民用汽车数、规模以上工业企业综合能耗、规模工业产值等8个因素,建立了影响PM_(2.5)浓度的指标体系。用线性回归模型分析了影响PM_(2.5)浓度的经济因素,回归结果为常住人口、家庭天然气、地区生产总值、第二产业产值、规模以上工业企业综合能耗这5个因素。进一步使用分位数回归模型分析了当空气中的PM_(2.5)浓度处于不同水平时的影响因素,显示变量变化的全局特征。通过Wald检验可知,各个解释变量在不同分位点对PM_(2.5)浓度的变化影响存在显著的不同。最后运用单变量非参数分位数回归模型分析了民用汽车数量对PM_(2.5)浓度的影响。