基于非参数平滑的OFDM系统信道估计算法

研究了双衰落信道下正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中信道估计的非参数方法。提出的方案首先利用梳状导频或散布导频和最小二乘算法估计出导频处的信道频率响应并进行简单的分段线性插值,然后用基于非参数统计方法的Savitzky-Golay平滑滤波器对插值后的信道估计值进行非参数平滑。与传统信道估计算法相比,算法大大降低了信道估计的均方误差、系统的误符号率和计算复杂度,运算量仅正比于有效子载波数,且对多普勒频移具有很强的鲁棒性。数值仿真结果证明了上述结论的正确性。统计检验结果表明,该算法在最小二乘意义下是最优的。

股票价格稳定性的非参数平滑估计

股票的优质性主要由股票价格的稳定性来决定。通过建立条件风险函数非参数平滑估计的估计方法,证明条件风险函数平滑后的非参数估计值具有一致性和渐进正态性,并将此方法扩展到了截尾数据中。通过蒙特卡罗模拟表明条件风险函数平滑后的非参数估计值在非截尾数据以及截尾数据中的有限样本行为都要优于非平滑的估计值。实证分析中用截尾数据条件风险函数非参数平滑估计方法非参数估计中国14大行业股票价格的稳定性,发现房地产行业的股票价格最不稳定,建筑材料行业的股票价格表现最稳定。

引入地理回归加权的非参数平滑改进的非寿险广义线性模型

文章将广义线性模型和地理回归加权模型相结合,在广义线性模型中引入非参数,通过多种平滑方法,将事故年和进展年抽象为位置数据融入到广义线性可加模型中,来实现对GLM准备金评估模型的非参数平滑改进,并利用R软件和经典索赔数据对其平滑性处理及评估作出了实证。实证结果显示：引入地理回归加权的非参数平滑改进广义线性模型能够较好的平滑评估结果,且对实现尾部数据的平滑也有一定的效果。

平滑转移自回归模型及其应用

文章采用非参数平滑的方法来建立平滑转换自回归（STAR）模型,并将该模型用于我国股票市场的非线性特性的应用中。对于平滑转换自回归（STAR）模型,常见的平滑函数包括逻辑斯蒂函数和指数函数,而本文以高斯核函数作为平滑函数来建立STAR模型,研究表明,该模型能有效地拟合股票数据,并且从RMSE值来看,其预测效果也很显著。

函数型主成分分析(FPCA)模型的应用--以北京市行业人口调控为例

为探讨北京市人口就业和人口控制相适应的基本对策,文章利用非参数平滑技术,将原始数据拟合成函数型数据进行分析,采用L^2空间上函数型主成分分析(FPCA)方法,得出各行业从业人数变动与经济环境和政策导向关系密切,人口调控的重点是第三产业,尤其是住宿餐饮业、批发零售业、信息传输计算机服务和软件业、租赁和商务服务业。

基于时间序列缺失数据的GAM短期电力负荷预测

可靠、准确的区域用电负荷预测对于电力系统的运行和规划至关重要,短期负荷预测有助于经济运行、调度电力。考虑到时间序列数据从采集、传输到存储的过程中可能出现数据缺失这一情况,为此本文基于广义相加模型,建立短期电力负荷预测模型。首先对数据进行规范化和数据插补预处理,然后在GAM模型中调用合适的平滑函数、设置最佳参数,在R平台上对时间序列数据进行短期负荷预测,最后实验得出短期内的用电高峰和低谷时段。