简介:应用SAS/STAT估计非线性回归模型中的参数.首先,通过变量代换,把可以线性化的非线性回归模型化为线性回归模型,并用普通最小二乘法、主成分分析法和偏最小二乘法求模型中的参数和回归模型.其次,通过改良的高斯一牛顿迭代法来估计Logistic模型和Compertz模型中的参数.
简介:单位连结人寿保险合同是保险利益依赖于某特定股票的价格的保险合同.当保险公司发行这样的保险合同后,保险公司将面临金融和被保险人死亡率两类风险.因此这样的保险合同相当于不完全金融市场上的或有索取权,不能利用自我融资交易策略复制出.本文提出利用不完全市场的局部风险最小对冲方法对冲保险者的风险.我们在离散时间的框架下给出了局部风险最小对冲策略.
简介:为了解决乘波体偏离设计条件下气动特性会恶化,特别在低速时,升力严重不足这个问题,提出了通过增大后掠角生成前缘涡,增加背风面的升力,以改善乘波体低速气动性能.首先使用VisualBasic编程语言,并通过CATIA软件二次开发技术,实现了锥导乘波体的参数化设计和自动生成.再通过控制圆锥角和流场长度这两个设计参数,获得了大后掠乘波体构型.最后,运用剪切应力输运(shear-stress-transport,SST)模型,计算了所得乘波体的气动特性,并分析了流场变化,发现乘波体在设计状态下激波能很好附着在前缘上,在小的正攻角下,乘波体可获得比设计状态更高的升阻比,满足巡航要求.运用I.模型计算了乘波体的低速气动特性,得到了不同攻角下升力、阻力和升阻比的变化规律.研究结果发现,乘波体在低速下产生了明显的涡结构,在合适攻角下,能产生数量可观的附加升力,提高了乘波体的水平起降性能.
简介:介绍非线性方程转化直线性方程和多元线性回归法来分析近代物理实验中塞曼效应分裂干涉圆环多处选点测量的处理过程。
简介:为了确保静电加速度计长期在轨工作,结合非线性Batch估计算法,研究了静电加速度计标度因数和零偏误差标定。首先,充分考虑静电加速度计量测过程中可能出现的各种误差源并进行分析,建立了静电加速度计在动态设计良好并进入稳态后,卫星姿态稳定度优于0.01°/s,卫星质心保持精度优于2mm的情况下的量测模型。然后,将高精度地球引力场模型和静电加速度计量测数据代入非线性Batch估计算法的的动力学方程中,将GPS量测数据代入非线性Batch估计算法的量测方程中,建立了静电加速度计标定因数和零偏误差标定模型。最后,通过数学仿真验证了该方法的可行性,其标定精度可达到0.2%,具有一定工程应用参考价值。
简介:考虑一般的分块半相依线性回归(SUR)模型及其相应的简约模型,给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件.
简介:股票投资是一种重要且先进的投资方式,与其相关的预测已经成为经济领域的研究热点,它不仅是评估投资价值的主要途径而且也对作出正确的股票投资决策具有重要意义。投资风险、收益的预测是股票投资预测的基础、起点。因此,投资风险、收益的准确预测对股票投资分析工作是非常重要的。本文结合相关理论,利用数学和财管的专业知识对股票投资的风险和收益进行了预测,通过线性回归分析方法估计β,进而对资本资产定价模型进行定性分析。根据搜集的变量数据,比较准确的预测了股票投资风险和收益,是对股票投资定量分析的一种尝试。利用模型实证分析,可对投资决策进行科学理性的选择。
简介:为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。
简介:目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。