挠性陀螺EMD-ARIMA漂移模型设计与应用

为降低挠性陀螺的漂移率,提高挠性陀螺的精度,基于经验模态分解(EMD)、求和自回归移动平均(ARIMA)2种信号处理工具,提出EMD-ARIMA漂移模型。设计野点剔除算子,避免EMD过程中出现过冲、欠冲问题;对本征模态函数(IMF)辨识进行讨论,制定各阶IMF的使用原则;设计自适应定阶寻优算子,避免依靠技术人员判读自相关图、偏自相关图进行ARIMA建模,实现对多个信号(或多阶IMF)进行EMD-ARIMA建模的批处理功能。将重构的拟合信号和原始信号进行对比。工程实践表明:最终重构的拟合信号较原始信号漂移率降低了12.8%;Allan方差各项误差源均降低,MAPE为3.6×10^(-3),RMSE为5.1×10^(-3),残差趋于白噪声;漂移模型在挠性陀螺漂移建模中,具有同路重复性、两路一致性、不同个体通用性。

高阶统计量地震子波估计建模

本文在反射系数序列为非高斯、平稳和统计独立的随机过程,地震子波为非因果、混合相位的假设条件下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录进行建模,并采用运算代价较小的基于高阶累积量的线性化求解方法——累积量矩阵方程法进行了子波提取和模型适应性的研究。数值模拟结果和实际地震数据处理结果表明:自回归滑动平均(ARMA)模型比滑动平均(MA)模型具有参数节省、模型更为高效的特点;累积量矩阵方程法可以有效地压制加性高斯噪声,但对累积量样本估计的准确性要求较高;如果累积量样本估计的误差和方差适度,结合自回归滑动平均(ARMA)模型描述的累积量矩阵方程法可以高效、准确地估计出地震子波。

基于高阶累积量的非最小相位地震子波提取

地震子波的最小相位（MP）假设为不适定的反褶积问题的求解提供了前提，但是这个假设的正确性一直是值得怀疑的。长期以来，有关的研究多局限于利用地震记录的二阶统计信息即记录的自相关函授或功率谱来研究此问题。但由于二阶统计量并不包含相位信息，因而无法解决非最小相让（NMP）的物理问题。随着高阶累积量与多谱概念的引入，使得借助于高阶累积量或多谱乃至它们的切片（或投影）所携带的相让信息来识别NMP地震子波成为可能。为此，本文提出运用基于高阶累积量的MA参数估计技术提取非最小相位地震子波的方法。该方法充分利用了地震记录高阶累积量中的相位信息，从而避免了单纯依赖于优化技术而忽略物理实质的倾向。实际资料处理的结果表明，该方法在混合相位、非高斯信号的处理中具有明显的优势。

基于季节特性的航材备件定量订货模型

为达到降低库存费用、保障飞机持续适航的目的,建立定量订货模型,并通过对部分航材消耗数据的分析,提出利用中心移动平均法求得季节指数的方法,将其作为权系数对该模型进行修正,以提高航材采购数量的精确性。实验证明,该模型能有效地为航材备件的计划采购提供理论指导和决策支持。

分数低阶时频滑动平均模型参数估计

针对稳定分布环境下非平稳过程分析方法时频滑动平均(TFMA)模型算法的退化,引入分数低阶统计量共变,提出了一种改进的分数低阶时频时频滑动平均(FLO-TFMA)模型算法。推导了FLO-TFMA模型的参数求解过程,给出了基于FLO-TFMA模型的时频谱估计。通过在稳定分布环境下对TFMA模型算法和所提出的FLO-TFMA模型算法的参数估计均方误差(MSE)比较和时频谱估计比较,仿真结果表明,FLO-TFMA模型算法的参数估计精度优于TFMA模型算法,TFMA模型时频谱估计完全失效,而FLO-TFMA模型时频谱算法能较好地进行时频谱估计。

基于ICA的滑动平均序列叠加过程的分解与复原

研究由若干个滑动平均(MA)信号序列叠加形成的多道时间序列的分解与复原问题。首先从信号的独立性出发,利用信号的高阶统计信息,采用独立成分分析(ICA)中的固定点(FixedPoint)算法将混合信号进行分离,然后设计了一种基于高阶统计量的MA模型的自适应辨识算法,算法在每次迭代中先估计MA的阶数,再估计MA的参数,由选用的线性方程组保证了参数的唯一可辨识性。最后通过模拟实验验证了该方法的有效性。

一阶移动平均型式的研究

首先给出一阶移动平均型式的自相关及其扰动项的均值、方差、协方差,并给出扰动项的协方差矩阵,Ω证明Ω是正定矩阵;然后由此推得回归模型Y=Xβ+μ中β的LS估计值■,给出了■的均值、方差,最后给出了σ2的无偏估计量■2及在正态分布的场合下■与■2的分布。

相关系数准则对水文相依模型的适用性及验证

相依变异是水文过程变异的一种重要表征形式,可以用自回归、滑动平均和自回归滑动平均模型进行描述,但如何有效地确定模型阶数是前提和关键。相关系数准则是针对自回归模型提出的定阶准则,该准则基于相依成分与原序列间的相关系数指标,计算其均方误差以反映模型的拟合优劣,并构造信息熵函数以衡量模型不确定性及复杂程度。本文基于相关系数定阶准则,尝试探讨该准则对于滑动平均和自回归滑动平均模型的适用性。以三阶以内的滑动平均模型和自回归滑动平均模型为例,统计试验表明:相关系数准则所判定阶数相较于其它两种常用的准则更为准确。最后选取实测水文序列对其进行验证,结果表明该定阶准则同样适用于滑动平均和自回归滑动平均模型。

基于ARIMA模型的地球自转参数预报研究

为了提高基于ARIMA模型的地球自转参数预报精度,着重分析了ERP数据序列预处理中周期项成分的精确获取技术、ARMA模型阶次的优化选择问题,以及ERP数据序列不同差分次数对模型精度的影响。利用国际地球自转和参考系统服务组织公布的ERP最终产品,365组预报结果表明,UT1-UTC预报30d精度可达3.398 6ms,10d以内预报应选取2次差分模型,10d以上选取1次差分模型;日长预报30d精度可达0.337 5ms,应选取零次差分预报模型;Xp预报30d精度为11.189 1mas,Yp预报30d精度为7.932 1mas,两者均选择1次差分模型。

需求预测对零售商期望库存水平的影响分析

研究由一个供应商和一个零售商组成的简单二级供应链系统,在假定零售商面对的市场需求服从一阶自回归模型AR(1)并且零售商采取滑动平均法对未来需求进行预测的背景下,证明了如果外界输入的白噪声服从正态分布,则零售商面对的市场需求以及发出的订货量也服从正态分布,并基于此导出了零售商的期望库存水平公式,进而给出了零售商期望库存水平和系统牛鞭效应水平之间的关系方程,解释了为什么供应链系统中牛鞭效应会引起节点企业库存大量积压的现象.

基于INMA(q)模型的高频股票交易数据实证分析

在当前大数据背景下,股票的高频日内交易规律越来越受到学者们的关注。文中削弱了现有INMA(q)模型的条件,在新息序列{εt}二阶矩有限的条件下,研究了INMA(q)模型的矩估计问题,给出了求解估计方程的算法,通过数值模拟研究了估计效果,基于所研究的INMA(q)模型拟合了中国国贸股票的高频日内交易数据,并与其他同类模型进行了对比。实证研究结果表明,INMA(2)模型对该组数据的拟合效果优于其他模型。

基于二阶统计量和高阶统计量的ARMA模型对比

介绍了自回归滑动平均模型。基于二阶统计量和高阶统计量,研究了两种ARMA模型建模方法。阐述了两种ARMA模型在信号处理中的不同应用范围。

引入模型定阶的ARMA模型在风力发电系统风速仿真中的应用

对于风力发电系统来说,研究的基础就是能否仿真出与自然界比较一致的风速序列。在已知VonKarman功率谱密度函数的情况下,选择利用自回归滑动平均(ARMA)模型来仿真风速。首先进行模型定阶工作,这样得到的ARMA模型阶数更为符合Von Karman谱。在得到了满足可逆性和稳定性条件的模型系数后,建立起短期风速模型。通过对ARMA模型仿真结果的分析,并与已有的风速模型进行比对,结果表明,该模型能够产生满足研究需要的风速序列。