南方贮木场原木库存量CAR模型的研究

本文主要论述利用多变量ＣＡＲ模型预报南方贮木场原木库存量动态变化，并用微机模拟．结果表明：该方法模型预报精度高，且应用方便．

多变量时间序列CAR模型在交通负荷短期预测中的应用

交通负荷是影响交通通行寿命和可靠度的一个重要因素,交通负荷变化具有明显的周期性。本文针对多变量定性计算的交通负荷难题,利用时间序列的多变量自回归CARMA模型对交通负荷进行建模、预测的理论和方法,对动态系统实行统一建模。我们用递推最小二乘法的多变量自回归模型对交通负荷参数进行估计,并用DPS系统对模型进行预测和分析,测试结果证明了方法的有效性。

CAR模型的递推辨识

本文将加权最小二乘法和限定记忆两种辨识方法相综合，给出了带控制输入的自回归模型未知参数的递推估计算法。结果表明：该估计算法是前两种估计方法的推广。

基于CAR模型的用电量需求预测研究

以日均用电量需求为输出变量,国内生产总值、第二产业产值比重、第三产业产值比重和城镇化率为输入变量,建立了基于多变量时间序列CAR的用电量需求预测模型.预测结果显示,所有年份用电量需求拟合值与观测值之间的相对误差均不超过1%,说明该模型在用电量需求预测领域具有较高的适用性.

CAR模型在分析处理地壳形变资料中的应用

通过对涞源、大灰厂、牛口峪、赤城、太原等台的地形变资料进行系统辨识和研究,认为带控制项的自回归模型(简称CAR(n)模型)能够较为客观地、合理地反映迭加了温度、降雨等影响的地壳形变观测系统。将所得模型用于资料预估,排除干扰,识别地震异常,效果较为理想。

CAR模型在武陟站水文年型预测中的应用

利用武陟气象站1959—2000年的降水资料,采用旱涝指数法和正负距平法相结合的办法来划分水文年型,将气候预报中常用的环流特征量作为预测因子,分别将其与预报量进行相关普查,在筛选预报因子的基础上,用递推最小二乘法估计模型参数,建立了武陟站年降水趋势预测的CAR模型。结果表明：CAR模型具有良好的预测能力,模型拟合率为89%,试报准确率为75%。

基于多变量时间序列CAR模型研究

根据呼图壁河流域石门水文站1978-2011年的气温、降水及径流量资料,研究了呼图壁河流域近34年来径流量的变化趋势和突变特征,建立了基于多变量时间序列CAR(Controlled Auto-regressive)的径流预测模型,并应用该模型预测了未来不同气候变化情景下呼图壁河流域的年径流量。结果表明,呼图壁河流域年径流量、气温及降水量都呈现不同程度的增加趋势,其中年径流量在1987年发生明显突变,而年降水量和年均气温突变特征不明显;CAR模型在呼图壁河流域年径流量模拟的结果较好,平均相对误差为7.1%,达到了模型精度要求,说明该模型在呼图壁河流域有较高的适用性。在未来区域气候暖湿化背景下,对呼图壁河流域未来不同气候变化情景下的径流量进行预测,发现在降水和蒸发增加的情景下,呼图壁河年径流量均呈增加的趋势;在极端干旱条件下,径流量也表现出增加的趋势。该研究对流域水资源的合理利用与综合管理具有重要意义。

CAR模型的阶与时滞的强一致估计

研究随机线性反馈控制系统的结构辨识问题。在已知时滞的下界和模型阶的上界的假定下，通过使修改的Ｂａｙｅｓｉａｎ信息准则最小化，推导出由多输入多输出ＣＡＮ模型描述的系统的未知阶与时滞的估计算法，证明了算法是强一致收敛的，且能在有限步内达到其模型结构参数的真值。讨论了当模型的参数矩阵不满秩时减弱条件Ｈ’ｓ的强一致估计算法。

CAR模型的可变遗忘因子多误差随机信息梯度辨识

CAR模型在过程建模中得到了广泛应用。传统的随机信息梯度算法虽然可以辨识CAR模型,但是算法收敛速度慢、估计精度不高。为解决这一问题,提出了一种带可变遗忘因子的多误差随机梯度算法。首先用信息向量取代信息标量,提出了一种多误差随机信息梯度算法;然后,将误差信息引入遗忘因子,提出一种可变遗忘因子。数值仿真表明,所提算法能够以较快的收敛速度获得精度较高的参数估计值。

一种多变量CAR模型结构和参数的辨识方法

本文提出了一种用于多变量系统CAR模型结构和参数估计的算法。本方法具有良好的数值计算的稳定性;估计结果的精度高;一旦确定结构后,立即得到参数估计值,没有重复计算,因此计算量小。数值仿真的结果表明木方法的有效性。

基于基于CAR模型的水电工程价格指数预测新方法及应用前景

水电工程价格指数在造价管理中扮演着重要的角色。本文以西南地区分类工程价格指数为例,建立了以调价因子价格指数为基础的多维CAR(n)模型。结果表明,模型误差较小,特别是针对短期预测精度更高,且该模型具有动态外延特性。该模型为计算价格指数提供了一种新方法进行预测,在实际工程价格指数测算方面具有一定的应用前景。

基于car(p,q)模型和数学形态学理论的LiDAR点云数据滤波

在分析现有的LiDAR点云数据后处理方法的基础上,提出一种点云数据"分步"滤波方法。首先对LiDAR点云数据进行数学形态学"粗"滤波,得到"地面点假设"和"非地面点假设"。然后引入顾及因果关系的自回归模型(car模型)对两类点云数据假设进行模型化处理和假设检验,根据假设检验的结果判断地面点和非地面点,最终得到可靠的分类结果。与单纯的"最小二乘拟合预测法"或"数学形态学"方法进行比较,证明"分步"处理的思想用于LiDAR点云数据分类处理的可靠性。

基于CAR模型的水电工程价格指数预测方法及应用前景

以西南地区分类工程价格指数为例,建立了以调价因子价格指数为基础的多维CAR模型。结果表明,模型误差较小,特别是针对短期预测精度更高,且该模型具有动态外延特性。该模型为计算价格指数提供了一种新方法进行预测,在实际工程价格指数测算方面具有一定的应用前景。

延伸期天气预报的IVILR／PC—CAR模型

江苏省气象科学研究所开展的长江下游地区强降水延伸期预报研究取得重要进展。

基于改进CARS模型的学术文献被引频次影响因素分析

为丰富学术文献引言结构的研究,规范学术文献的引言写作,本文探究引言结构对学术文献被引频次的影响,以提高其学术影响力。以Web of Science为数据来源,分析图书情报领域文献的引言结构,将CARS模型简化为"阐述重要性""文献综述""研究不足""研究目的""预示重要结果""论文结构"6个语步,并构建引言结构词表。通过Python编程过滤引言结构词表,将学术文献引言部分各语步的词表重合率与对应文献的被引频次进行相关性分析。研究发现,"研究不足""预示重要结果""阐述重要性"语步的词表重合率与被引频次呈现较强相关性,表明这3个语步的写作规范度可作为影响被引频次的指标。

基于CARS模型的国际期刊论文引言分析——以Storch的一篇高被引论文为例

详细介绍了Swales CARS模型中的三个语步及实现这些语步各步阶的方法、功能及意义,并结合一篇发表在国际期刊上的高被引论文,详细阐述它是如何依据这一范式进行引言写作的。作者希望通过这一分析,达到两个目的:第一,帮助涉足研究领域的教师、研究人员和研究生提高中、英文,尤其是英文引言的写作质量,为在国际期刊上发表论文做准备;第二,间接地帮助他们获得一种创新性的科研思维方式,从而提高科研水平。

基于多变量时间序列模型的地下水埋深预测——以渭库绿洲为例

为能够更好地预测干旱区渭库绿洲的地下水埋深及合理规划、开发地下水资源。以1995-2014年降雨量、蒸发量、农业用水量和地下水埋深等数据作为数据源展开研究。利用主成分分析法提取贡献率较大的因素,将其应用于多变量时间序列CAR(Controlled Auto-regressive)模型,从而建立地下水埋深的预测模型,并对模型进行验证。研究结果表明:渭库绿洲的地下水埋深受蒸发量、农业用水量的影响大,分别为0.533、0.466;模型预测值与实测值相对误差的平均值仅为1.483%,表明该模型在干旱区绿洲区域预测精度高、效果佳。预测趋势显示:若研究区蒸发量持续增加25%、降雨量减少15%、农业用水量减少15%时,地下水埋深将达到4.21 m,预测地下水埋深对渭库绿洲的生态环境和农业发展提供了有力的参考。

系统辨识(2):系统描述的基本模型

控制是一切科学问题的核心.数学模型是一切控制问题的基础.事物的运动规律用方程描述就是数学模型.不同学科的发展就是建立其数学模型的过程.本文首次把线性动态系统数学模型分为三类:时间序列模型,方程误差类模型,输出误差类模型;详细介绍了线性系统的一些基本数学模型,包括连续系统离散化和模型等价变换,单输入单输出随机系统模型,多变量系统模型,类多变量系统模型,多输入和多输出系统模型(传递函数阵主模型、子模型、子子模型,多输入单输出系统模型,单输入多输出系统模型等).

系统辨识(4):辅助模型辨识思想与方法

辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念是该文作者提出的研究辨识问题的原创性新方法,已经被用在很多辨识问题的研究中,形成了不同的辨识方法族,可以用于解决许多线性或非线性模型的自适应信号处理、自适应参数估计、自适应滤波和预测、自适应控制等问题.由于客观事物具有双重属性:一些特征变量是可观测的;一些是不可测的.如果表征系统特征的观测变量都是可测的,就容易建立描述其运动规律的数学模型.客观事物的不可测属性给建立系统数学模型带来特别的困难.在这种情况下,如何利用系统的可测信息,实现对系统未知变量的估算,来建立系统的数学模型,是辨识领域极具挑战性的研究课题.辅助模型辨识思想就是在这样的背景下发展起来的.该文介绍辅助模型辨识思想和一些基于辅助模型的辨识方法.

南方集体林区贮木场原木库存随机预报模型的研究

本文主要论述应用多变量CAR模型预报南方集体林区贮木场原木库存量动态变化 ,并用计算机模拟。结果表明该方法模型预报精度高 ,且应用方便。