多维AR序列的最小二乘建模方法

以测量数据处理中广泛应用的最小二乘原理为基础 ,详细阐述了多维AR序列参数估计的最小二乘算法、阶数确定的F检验法 ,并对清江隔河岩大坝 1998年 5月、6月间洪水前夕平差后的GPS观测数据进行了建模和预报 。

卡尔曼滤波在多维AR序列建模中的应用

作为时间序列模型的一种 ,AR模型由于参数估计和定阶简单而广泛应用于系统辨识。在多维AR序列的最小二乘建模的基础上 ,结合卡尔曼滤波算法 ,推导了应用卡尔曼滤波技术的多维AR序列参数估计方法以及加入衰减因子后的卡尔曼滤波算法。该算法不需要保存历史数据 ,在得到新的“观测”数据后可以对AR模型的估计参数进行实时改正。在确定AR模型阶数时 ,提出了快速F检验法 ,大大减少了建模过程中的计算工作量 。

倾斜代数的AR序列的结构

Ringel和Happel[3]给出了倾斜代数的连结序列。本文给出了落入(_AT)和落入(_AT)的AR序列的结构;同时得到倾斜代数的以不可分投射模为终点的汇射和以不可分内射模为起点的源射的形式,这些连同序列确定了倾斜代数的AR箭图,而且可以直接由相应的遗传代数的AR箭图得出。

三级三角矩阵代数的AR序列

描述了二级与三级三角矩阵代数的模范畴部分AR序列,给出子代数模范畴的AR序列如何扩张为相应的三角矩阵代数模范畴的AR序列.

AR-序列的中间项与String代数

设A是一次monomial代数。

酿酒酵母ARS304及其侧翼序列重组质粒的构建与鉴定

采用PCR扩增酿酒酵母(Saccharomyces cerevisiae)Ⅲ号染色体ARS304序列(S1)及以ARS304为核心上下游延伸1 kb的侧翼序列(S2),并将目的片段分别构建到酵母整合载体pRS405中,获得重组质粒pRS1和pRS2。质粒电转化试验发现重组质粒pRS2的转化率大于pRS1,说明ARS304侧翼序列能显著提高ARS304在酿酒酵母中自主复制的能力。

椭球分布AR(p)序列的Bayes建模与预报

本文中，设ＡＲ（ｐ）序列的样本分布为椭球分布，ＡＲ（ｐ）序列的噪声为椭球白噪声。我们得到模型参数的Ｂａｙｅｓ估计，又得到Ｂａｙｅｓ预报。

AR（p）序列部分和分布的随机加权逼近

对于自回归系数未知的ＡＲ（ｐ）序列，本文构造了适当的随机加权统计量，以其条件分布逼近ＡＲ（ｐ）序列的部分和分布，在相当一般的条件下，证明了其逼近精度可达，其中ｎ为样本容量。

随机环境下AR型非线性时间序列的几何遍历性

指数自回归模型、门限自回归模型和多项式自回归模型等具有AR型非线性时间序列模型在工程中有广泛的应用.而以往研究的AR型非线性时间序列模型其干扰项为单一的白噪声序列,没有反映出动力系统受随机环境干扰的现象.文中引入随机环境的干扰,提出了随机环境下AR型非线性时间序列模型,拓宽了原模型的应用范围,增强了模型的适应性.同时利用马氏链的随机稳定性理论,研究了新模型的几何遍历性,给出了其以几何速率收敛的一个充分条件.

关于AR(2)序列判定的一个充要条件及证明

本文通过分析AR(2)模型的自相关系数所满足的差分方程,给出了一个判别AR(2)序列的充要条件,并探讨了AR(2)序列与其子序列的关系.

误差是非参数AR(1)序列的变系数模型

利用局部线性方法给出误差序列{iε,1≤i≤n}是非参数AR(1)序列下的变系数模型系数函数的估计,并在此基础上研究了系数函数估计的相合性问题,给出了该模型系数函数估计是弱相合的.

AR（1）序列MLE渐近性态研究的几何方法

在时域上对ＡＲ（１）模型所形成的曲指数族流形进行了几何讨论，并给出了极大似然估计的信息损失与统计曲率的关系．

多维时间序列应用于在线监测数据处理

以测量数据中广泛应用的最小二乘原理为基础 ,详细阐述了多维自回归 (AR)序列参数估计的最小二乘算法和阶数确定的FPE准则 ,并将此法应用于电容型设备的在线监测数据处理 ,分析了各相关物理量之间的影响关系。

潜艇位置序列的建模与分析

在多维AR序列的最小二乘建模基础上，结合卡尔曼滤波算法，推导了应用卡尔曼滤波技术的多维AR序列参数估计方法。在确定AR模型阶数时，提出了两步F检验法。应用于潜艇位置序列分析，仿真结果表明该法减少了建模过程的计算工作量，并具有较好的预测性，可有效减少累积误差，提高潜艇定位位置准确性。

关于蕴含A_(r,s)—可图序列的注记(英文)

设G =(V(G) ,E(G) )是n阶简单图 ,其顶点集V(G) ={v1,… ,vr,vr +1,… ,vr +s,… ,vn},π ={d1,… ,dr,dr+1,… ,dr+s,… ,dn}是G的度序列 ,且vi 的度为dio 称G具有性质Ar ,s,如果 {v1,… ,vr,vr +1,… ,vr+s}的导出子图是完全二部图Kr ,s,且 {v1,… ,vr}和 {vr +1,… ,vr +s}是Kr ,s 顶点集的二部划分 .序列π ={d1,… ,dr,dr +1,… ,dr +s,… ,dn}称为是蕴含Ar 。

误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性

在误差为AR(1)时间序列的情形下,给出了半参数回归模型的拟极大似然估计方程,并研究了拟极大似然估计量的存在性。

灰预测与时间序列模型在航天器故障预测中的应用

灰预测是灰色系统理论的重要组成部分,已成功应用于若干领域的预测;时间序列分析是定量预测方法之一;研究了利用以灰预测模型为基础,建立的残差灰预测模型和AR时间序列模型对航天器故障状态进行预测的方法;首先分析了灰预测模型以及残差灰色预测模型的建立过程,之后分析了AR时间序列模型的建立过程;然后利用所建立的模型进行航天器故障状态的预测,给出预测结果;研究表明,残差灰预测模型预测误差比基本灰模型降低,在特定的数据特征条件下也要优于AR时间序列模型。

动力调谐陀螺静态漂移的非线性时间序列建模

动力调谐陀螺仪受陀螺仪自身工艺及各种电气因素影响,其随机漂移往往表现出非线性性质,利用线性随机建模方法并不能表现出随机漂移的非线性。作者通过传统的24位置测试获得动力调谐陀螺仪的静态漂移数据,然后对数据进行预处理(如,去除野点,进行数据平滑并利用小波分解提取趋势项),提取出随机漂移数据,并采用非线性AR时间序列方法对处理后的这些漂移数据进行建模。模型适用性检验结果表明,所建立的非线性AR模型可以很好地拟合动力调谐陀螺随机漂移,适用于描述动力调谐陀螺仪随机漂移特性。

基于MATLAB的AR及BP模型在矿井涌水量预测中的应用与比较

利用MATLAB提供的强大的科学运算能力以及相关工具箱,建立时间序列AR模型及人工神经网络BP模型,对煤矿的涌水量进行预测,结果显示两种建模方法对矿井涌水量都有好的模拟及预测效果。

蕴含A_(r+1)^(m)-可图序列刻划定理的一个构造性证明

采用构造性方法证明了蕴含A_(r+1)^(m)-可图序列刻划定理.