检索结果-南通市图书馆

一类带有GARCH类误差项的自回归滑动平均模型

在线全文

学校读者我要写书评

暂无评论

广西师范大学学报（自然科学版） 2022年第1期40卷 195-205页

作者：梁鑫陈小玲张兴发李元广州大学经济与统计学院广东广州510006 广州大学岭南统计科学研究院广东广州510006

本文结合DAR模型及传统的ARMA-GARCH模型,提出一类带有新型GARCH类误差项的自回归滑动平均模型。该模型比DAR模型引入更多数据信息,同时定义一种由可观测序列驱动的新型条件异方差结构,比传统ARMA-GARCH模型的条件方差更易于估计。本文... 详细信息

本文结合DAR模型及传统的ARMA-GARCH模型,提出一类带有新型GARCH类误差项的自回归滑动平均模型。该模型比DAR模型引入更多数据信息,同时定义一种由可观测序列驱动的新型条件异方差结构,比传统ARMA-GARCH模型的条件方差更易于估计。本文研究模型参数的拟极大似然估计,并在较弱矩条件下证明估计量的渐近正态性;数值模拟结果证实该模型在有限样本下的有效表现;实证研究表明:该模型可以提高数据拟合效果,因而具有一定应用价值。

关键词：自回归滑动平均模型 DAR模型拟极大似然估计矩条件渐近正态性

基于自回归滑动平均模型的道岔动作电流故障曲线预测方法

在线全文

学校读者我要写书评

暂无评论

城市轨道交通研究 2022年第12期25卷 52-55页

作者：黄世泽张肇鑫张帆杨玲玉上海市轨道交通结构耐久与系统安全重点实验室上海201804 同济大学道路与交通工程教育部重点实验室上海201804 中国中铁二院工程集团有限责任公司成都610031

针对道岔故障预测无法精确到类别的问题,提出了一种基于ARMA(自回归滑动平均模型)的道岔动作电流故障曲线预测算法。结合道岔电流曲线的形成与道岔故障之间的联系,从微机监测系统中提取道岔动作电流曲线数据,建立基于ARMA模型的道岔动... 详细信息

针对道岔故障预测无法精确到类别的问题,提出了一种基于ARMA(自回归滑动平均模型)的道岔动作电流故障曲线预测算法。结合道岔电流曲线的形成与道岔故障之间的联系,从微机监测系统中提取道岔动作电流曲线数据,建立基于ARMA模型的道岔动作电流曲线预测方法。根据实际案例,计算出道岔动作电流预测曲线,并根据多项指标进行比较验证。试验验证结果表明,该方法能直接预测曲线形状,进而判断故障类别,具有较好的预测效果。

关键词：轨道交通道岔故障预测自回归滑动平均模型动作电流曲线

在线全文

学校读者我要写书评

暂无评论

四阶带通箱的自回归滑动平均模型

应用声学 2020年第4期39卷 618-624页

作者：陈立田兴夏洁沈勇南京大学声学研究所近代声学教育部重点实验室南京210093

建立扬声器系统的离散时间模型是对其进行数字控制的基础.研究给出了使用LR-2理论优化的四阶带通箱的自回归滑动平均模型,推导其传递函数方程组,构建其时域差分迭代式,形成离散时间形式的表述,用以描述系统的瞬态行为.实验结果表明,与... 详细信息

建立扬声器系统的离散时间模型是对其进行数字控制的基础.研究给出了使用LR-2理论优化的四阶带通箱的自回归滑动平均模型,推导其传递函数方程组,构建其时域差分迭代式,形成离散时间形式的表述,用以描述系统的瞬态行为.实验结果表明,与基于状态空间方程的差分求解方法相比,该文给出的自回归滑动平均模型更为稳定精确,对采样率的要求更低.该方法为实现对扬声器的前馈数字控制提供了参考.

关键词：四阶带通箱状态空间方程传递函数自回归滑动平均模型 LR-2理论

在线全文

学校读者我要写书评

暂无评论

自回归滑动平均模型参数估计方法的仿真比较

现代经济信息 2011年第17期 278-279页

作者：宋安超长江师范学院数学与计算机学院

自回归滑动平均模型(ARMA模型)是最常用的平稳序列模型之一,本文在模型阶数已知的情况下,重点研究ARMA模型中未知参数的矩估计和自回归逼近估计,进行仿真计算,并对计算结果进行比较分析。

关键词：自回归滑动平均模型矩估计自回归逼近估计仿真比较分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自回归滑动平均模型中阶数及参数的确定

统计与决策 2004年第12期20卷 8-9页

作者：杨振成西安交通大学金禾经济研究中心

时间序列中的模型,即自回归滑动平均模型,是在20世纪70年代由Box-Jenkins提出的,由于其准确的短期预测能力,近年来在经济预测方面得到了广泛应用.建立模型的关键在于模型阶数及参数的确定,过去许多文献探讨过有关定阶和参数估计的方法,... 详细信息

时间序列中的模型,即自回归滑动平均模型,是在20世纪70年代由Box-Jenkins提出的,由于其准确的短期预测能力,近年来在经济预测方面得到了广泛应用.建立模型的关键在于模型阶数及参数的确定,过去许多文献探讨过有关定阶和参数估计的方法,但其中无论是AIC、BIC准则法还是观察自相关函数图和偏自相关函数图法等,往往对两个阶数相近的模型不能作有效的优劣判断,建模不够准确且效率不高.为了更准确、高效的建立模型,本文提出在估计法下通过LM检定、t检定及Q检定建立模型的方法,并通过对1952～2002年陕西省GDP水平的实证研究验证了该方法的可行性.

关键词：自回归滑动平均模型模型阶数时间序列建模方法参数估计经济预测

在线全文

学校读者我要写书评

暂无评论

基于自回归滑动平均模型的风力发电容量预测

太阳能学报 2011年第5期32卷 617-622页

作者：冬雷王丽婕郝颖胡国飞廖晓钟北京理工大学自动化学院北京100081 北京理工大学复杂系统智能控制与决策教育部重点实验室北京100081 中电国际新能源控股有限公司上海200052

利用时间序列分析法对富锦风电场风电机组发电容量时间序列进行分析,通过长自回归模型法建立了基于这些数据的自回归模型(AR)和自回归滑动平均模型(ARMA)。在建模过程中,采用3种定阶方法分别建立了不同的ARMA模型,并在对比分析了不同模... 详细信息

利用时间序列分析法对富锦风电场风电机组发电容量时间序列进行分析,通过长自回归模型法建立了基于这些数据的自回归模型(AR)和自回归滑动平均模型(ARMA)。在建模过程中,采用3种定阶方法分别建立了不同的ARMA模型,并在对比分析了不同模型的优缺点之后对其进行加权平均综合处理,最终得到较理想的预测模型,使风力发电容量短期预测的归一化平均绝对误差降到7%以内。

关键词：风电容量预测自回归滑动平均模型长自回归法定阶加权平均

一种确定自回归滑动平均模型最小阶次的新方法

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2011年第12期45卷 99-103页

作者：邢铭宗赵飞姜歌东梅雪松西安交通大学机械工程学院西安710049 西安交通大学机械制造系统工程国家重点实验室西安710049

针对经典Akaike信息准则(AIC)在模型定阶时缺少阶次范围下界而引起的模态遗漏问题,根据稳态图和AIC准则,提出了一种自回归滑动平均模型在模态参数辨识中的定阶方法.该方法先利用稳态图能够鉴别真假模态的特点,进行各阶模态频率的估计和... 详细信息

针对经典Akaike信息准则(AIC)在模型定阶时缺少阶次范围下界而引起的模态遗漏问题,根据稳态图和AIC准则,提出了一种自回归滑动平均模型在模态参数辨识中的定阶方法.该方法先利用稳态图能够鉴别真假模态的特点,进行各阶模态频率的估计和均值的求取,进而根据模态稳定性判定准则计算出阶次范围下界,最后利用AIC准则确定最优的模型阶次.仿真结果表明,与经典AIC准则相比,所提出的方法定阶后进行模态参数的辨识,不仅识别出了经典AIC准则遗漏的第3阶模态参数(误差为0.18%),而且使第1、2阶模态参数的精度分别提高了2.31%和6.31%.对悬臂梁的模态实验结果表明:该方法不仅辨识出了经典AIC准则遗漏的第1阶模态参数,使其误差仅为0.62%,而且也大大提高了其他各阶模态参数的精度.

关键词： Akaike信息准则自回归滑动平均模型稳态图模态参数

在线全文

学校读者我要写书评

暂无评论

张量自回归滑动平均模型及其应用

张量自回归滑动平均模型及其应用

作者：邬玉洁北京工业大学

学位级别：硕士

随着信息技术在数字设备中普及和发展,现代社会信息量正在迅速扩大增长,高维度数据的分析和特征表现方法是机器学习和模式识别技术领域重要探索和研究的内容。机器学习和模式识别技术领域能够获取到很多大量的数据(例如:彩色影像、多光... 详细信息

随着信息技术在数字设备中普及和发展,现代社会信息量正在迅速扩大增长,高维度数据的分析和特征表现方法是机器学习和模式识别技术领域重要探索和研究的内容。机器学习和模式识别技术领域能够获取到很多大量的数据(例如:彩色影像、多光谱影像、视频等)均为高维数据,即张量。针对这些高维数据,传统方法往往将其进行向量化处理,再辅以相应的分类、回归等数学模型。这种处理方式将导致数据丢失不同维度的特征和关系。作为经典的时间序列表示方法,自回归滑动平均模型已经广泛地应用于模式识别。然而,现有的自回归滑动平均模型针对数据的单一维度进行时序表示,忽略了数据其他维度的关联关系。针对上述问题,本文研究张量型自回归滑动平均模型并应用于图像、视频等高维数据的分类问题以及短时交通流量预测问题。论文的主要研究工作包括:(1)基于张量自回归滑动平均模型的图像视频分类。传统的图像视频分类通常对高维数据进行向量化处理,忽略了数据不同维度间的关联关系。针对这一问题,本文提出基于张量自回归滑动平均模型的图像视频分类方法。该方法将图像、视频通过自回归滑动平均模型编码为有序张量型数据,再将其投影到乘积格拉斯曼流形上进行分类。通过在多个数据集上进行的实验对比表明,本文方法的图像、视频分类效果相比于现有的其他分类方法更优。(2)基于张量自回归滑动平均模型的短时交通流预测。现有的短时交通流预测方法大多以单一站点或单一时间序列为对象进行建模,忽视了交通流在站点之间、多尺度时间段之间的关联关系。本文提出基于张量自回归滑动平均模型的交通流预测方法。该方法采用多路延迟嵌入变换方法将时间序列表示为低秩张量,建立适应于张量自回归滑动平均模型,并通过逆Tucker分解和逆MDT实现短时交通流的预测。通过在加州交通流量数据集上进行的实验对比表明,本文方法的交通流短时预测精度优于现有的预测方法。(3)张量自回归滑动平均模型的收敛性分析与复杂度分析表明,本文所提出的模型具有较高的鲁棒性和计算效率。该模型不仅对图像视频分类与短时交通流预测有应用价值,同时也可便利地应用于以张量为基础数据的其他分类、回归等问题。

关键词：张量学习自回归滑动平均模型格拉斯曼流形图像视频分类交通流预测

基于自回归滑动平均模型和粒子群算法的地震子波提取

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国石油大学学报（自然科学版） 2011年第3期35卷 47-50,57页

作者：戴永寿牛慧彭星王少水中国石油大学信息与控制工程学院山东东营257061

基于自回归滑动平均(ARMA)模型理论,对地震子波进行参数化建模,采用累积量拟合法精确估计参数,使地震子波提取问题最终归结为一个多参数、多极值的非线性函数优化问题。对基本粒子群算法进行改进,通过自适应参数调整和边界约束,克服基... 详细信息

基于自回归滑动平均(ARMA)模型理论,对地震子波进行参数化建模,采用累积量拟合法精确估计参数,使地震子波提取问题最终归结为一个多参数、多极值的非线性函数优化问题。对基本粒子群算法进行改进,通过自适应参数调整和边界约束,克服基本粒子群算法易陷入局部极值的缺陷,同时提高算法寻优精度和计算效率。仿真数据试验结果验证了改进的粒子群算法在地震子波提取方法中的有效性和稳定性。

关键词：地震数据处理自回归滑动平均模型地震子波系统辨识累积量拟合粒子群算法