一、多维AR(p)模型的估计理论及应用(论文文献综述)
张维庭[1](2021)在《数据驱动工业互联网资源适配与隐私保护方法研究》文中认为数据及其全周期处理是工业智能化的核心要素,对于驱动工业互联网的应用部署发挥着至关重要的作用。然而,当前工业互联网在数据建模、数据驱动资源适配以及数据隐私保护方面仍面临诸多挑战。首先,传统数据分析方法灵活度低,难以满足多样化工业应用对海量数据实时、智能分析的需求。其次,传统静态、粗粒度的资源管理方式,使网络难以协同适配工业场景中的多维(频谱、缓存和计算)资源。最后,中心化的模型训练方法存在数据隐私泄露、保密性低等问题,难以兼顾数据共享与隐私保护的双重需求。近年来,工业互联网产业联盟提出了《工业互联网体系架构(版本2.0)》,旨在构建以“数据”、“网络”和“安全”为典型特征的新型互联网功能结构,为有效解决上述问题提供了新的技术路线。因此,本文基于工业互联网体系架构2.0的设计理念,针对数据驱动工业场景中的关键问题,围绕数据建模、资源适配以及隐私保护三方面展开研究。主要工作和创新点如下:1.针对工业互联网数据建模问题,提出一种基于深度学习的“端-云”协同数据建模方法。首先,针对真实场景中的高铁智能洗车装备,设计“端-云”协同的数据采集系统,形成支撑服务模型充分训练的大规模数据集。其次,建立基于自注意力深度神经网络(Deep Neural Network,DNN)的智能服务模型,通过注意力权值来表征工业运维数据中的全局依赖关系,从而为设备运维检修提供智能化的决策服务。然后,通过采用离线训练和在线推理的方式,使服务模型具备制定运维决策的能力,进而完成工业设备运行状态的即时、精准感知。最后,搭建原型系统平台,并在真实场景数据集上对所建立的模型进行性能测试。结果表明,该模型实现了较高的运维决策准确率,进而验证了所提方法的可行性和有效性。2.针对工业互联网资源适配问题,提出一种基于强化学习的多维资源动态适配方法。首先,设计了一种“端-边-云”协同的网络架构,可以在资源受限的工业场景中灵活支持服务模型部署和推理任务调度。其次,为保障工业场景中低时延、高准确率的DNN推理服务,针对频谱、缓存和计算资源进行系统建模,形成以最大化推理准确率为目标的多维资源优化问题。然后,将该问题转化为马尔可夫决策过程,并提出基于孪生延迟深度确定性策略梯度的资源适配算法,实现优化问题的高效求解。最后,通过仿真实验对所提算法的收敛性能、任务调度成功率以及缓存资源利用率进行评估。结果表明,相较于深度确定性策略梯度算法,所提算法在提升任务调度成功率和边缘缓存资源利用率方面均具有一定优势。3.针对工业互联网数据隐私保护问题,提出一种基于联邦学习的高效数据隐私保护方法。首先,设计了一种“多边”协同的层级联邦学习机制,通过多个边缘服务器与端节点、云服务器的交互协作,来完成DNN模型的参数迭代,进而有效满足端节点数据隐私保护需求。其次,为保障联邦学习机制的高效运行,建立分布式训练的时延和能耗数学模型,形成以最小化评估损失为目标的随机优化问题。然后,考虑到多个边缘控制器之间的信息不透明性,将所形成的问题转化为部分可观马尔可夫决策过程,并提出基于多智能体柔性策略梯度的资源适配算法来求解该问题。最后,搭建原型系统并进行实验评估。结果表明,所提方法能够在满足端节点数据隐私保护需求的同时,有效降低能量消耗、节省时间开销。
檀成伟[2](2021)在《两类改进的MGM(1,m)模型及其在雾霾中的应用研究》文中研究表明多变量灰色MGM(1,m)模型作为灰色系统理论经典的预测模型之一,一直以来备受学者关注,被广泛地应用于诸多领域。本文在已有的MGM(1,m)模型研究基础上,分别对模型的计算方法和适用范围提出改进,进一步提高了模型的准确性和实用性。本文的具体研究内容可概括如下:首先,针对多变量灰色MGM(1,m)模型在建立时,各系统因素之间需要存在较强的相关性,这使得模型在离散化后,运用普通最小二乘法进行参数求解时,协方差矩阵可能因接近奇异导致模型的参数辨识出现病态特征。本文的第一部分研究由此引入带有惩罚项约束的最小二乘法,赋予模型单一的罚参数值,以消除协方差矩阵的病态性,并通过粒子群算法确定相对最优的罚参数,使模型的预测效果达到最佳。通过理论证明,该算法虽然散失了普通最小二乘法的无偏性,但解决了因求解矩阵的奇异性导致参数估计值的均方误差过大问题,有效地提高了模型的稳定性和准确性。其次,由于带有单一罚参数约束的最小二乘法其实质是在求解矩阵的对角元素上统一增加了一个罚参数值,从而解决了矩阵奇异的问题,因此缺乏对各分量的细节分析,对于一些复杂的问题具有一定的局限性。在此基础上,本文的第二部分研究对其算法加以改进,通过对参数中各分量的均方误差进行分析,赋予各分量不同的罚参数值。虽然相比单一罚参数的最小二乘法,失去了原有计算的简便性,但更进一步解决了复杂的病态性问题,使得模型的参数估计更加合理,预测精度也得到了显着提升。最后,考虑到MGM(1,m)模型在对具有季节性变化的波动数据进行模拟时,只能掌握数据整体的发展趋势,不能反映数据具体的变化信息,从而出现局部值模拟存在偏差较大的问题,即模型的应用范围存在局限性。本文的第三部分研究在MGM(1,m)模型建模的基础上,引入多维平稳序列自回归AR(p)模型,对具体值与MGM(1,m)模型拟合趋势之间产生的偏差做出分析。并结合各自的拟合值,得到最终组合模型的模拟预测结果。该组合模型有效地拓宽了MGM(1,m)模型的适用范围。为验证本文模型优化的有效性和准确性,将改进的模型应用于雾霾问题的研究中,针对模型各自的特点,选取不同的建模指标及其数据类型进行建模,并根据应用结果对模型做出评价。结果表明:当变量之间存在较强相关性时,模型的参数在基于惩罚项的最小二乘法下的估计值,较普通最小二乘法下的估计值更加合理;当数据类型呈季节性变化且具有一定的发展趋势时,组合模型相较单一MGM(1,m)模型,模拟预测结果更加精确。综上考虑,本文模型优化的价值及意义得到合理验证。
叶璐[3](2021)在《多维城乡差距的测度、成因及经济效应分析》文中进行了进一步梳理新中国成立以来,在实施追赶战略的导向下,中国城乡二元结构逐渐形成并不断巩固。近年来,中国经济发展创造了世界瞩目的“中国奇迹”,人民生活明显改善,但在经济发展的背后,不平等的问题逐渐凸显。收入差距,尤其是城乡收入差距是这种不平等的集中体现。随着宏观经济社会环境的变化,城乡差距已逐步延伸至经济、社会等领域。传统意义上的城乡收入差距不能完全体现城乡之间的不平等,“多维”应该成为城乡差距相关研究的重要视角。在城乡关系的变迁过程中,城乡差距如何演变?受到哪些因素的影响?影响作用和影响程度如何?各个维度城乡差距之间存在怎么的关联性?在全面建成社会主义现代化国家的新阶段、新时期,城乡差距的演变是否对高质量发展产生阻滞影响?为回答上述问题,在对中国70年城乡关系的全面梳理的基础上,采用全国30个省份1993-2017年的数据,对居民生活、产业发展、要素配置和社会民生四个维度的城乡差距进行测度;基于多维不平等的理念,构建动态联立方程模型对各维度城乡差距成因以及维度之间的关联性进行实证检验;从经济发展新格局的视角出发,分析城乡差距对经济总量、经济效率、消费规模、资本规模的影响作用,为城乡差距与经济发展的关系研究提供实证检验,同时为后续城乡融合发展、全面建设社会主义现代化国家等相关战略的部署和政策的实施提供丰富的经验支撑。论文的研究结论表明:(1)多维视角下测度的城乡综合差距以-0.45%的年均速度波动下降,并呈现“西高东低”的阶梯状分布特征。城乡居民生活差距缓慢下降,但差距水平依然保持高位,城乡社会民生差距逐渐凸显。产业发展和要素配置方面的差距呈“固化”特征,甚至出现加剧态势。(2)居民生活与社会民生维度的城乡差距存在“加剧”不平等的内在效应;城乡产业发展差距对城乡社会民生差距具有单向的“加剧”效应。城乡居民生活差距与城乡产业发展差距存在互动的负向关系。(3)四类形成因素对不同维度城乡差距的影响具有差异性。经济发展方面,人均GDP每增长一单位,城乡社会民生差距缩减0.12,要推动地区,尤其是欠发达的中西部地区经济发展,提升地方政府的财政能力。市场化方面,非国有化程度每上升1%,城乡居民生活差距缩减0.33,要素配置、社会民生的城乡差距分别增加0.88、1.33,因此,要完善有为政府和有效市场的关系,发挥市场“无形的手”对资源的有效配置,同时需要政府“有形的手”对公共服务供给制度引导。城镇化方面,人口城镇化率每上升1%,居民生活、要素配置的城乡差距缩减0.24、1.88,城乡社会民生差距增加0.77。城市规模结构每上升1%,城乡社会民生差距扩增0.17,因此,要以户籍改革推进新型城镇化,提升农民市民化的意愿,提高公共服务水平全民覆盖率。财政方面,涉农财政支出每增长1%,居民生活、产业发展的城乡差距分别扩增0.62、0.76,但从长期看,有助于城乡产业发展差距缩减。一般公共服务支出每增长1%,城乡社会民生差距缩减0.42,亟待改革和完善政府财政支出结构,纠正财政政策“城镇导向”、“经济导向”效应。(4)城乡综合差距对高质量发展具有负向影响。各维度城乡差距的影响存在显着差异。经济GDP受居民生活、产业发展差距每1单位的影响,相应减少0.03、0.01单位;经济TFP受到产业发展、要素配置的城乡差距每1单位的影响,相应减小0.01、0.01单位。社会民生、要素配置的城乡差距对实际消费规模的影响依次递减,差距每扩增1单位,消费规模分别缩减0.11、0.04单位。实际资本规模在受民生、要素配置差距每1单位的影响,相应下降0.02、0.04单位。此外,城乡居民生活差距对消费规模具有“净正向效应”。城乡差距对经济高质量发展形成明显阻滞效应,缩减城乡差距,推动城乡全面融合发展成为高质量发展新时期,构建经济发展新格局的必然要求和发展趋势。论文创新主要体现在三方面:一是从多维视角出发,构建城乡差距的指标体系;二是从多维不平等视角出发,将多维城乡差距纳入同一框架,在分析外部影响因素的作用同时,检验各个维度之间的关联性。三是从经济发展新格局出发,实证分析城乡差距对经济总量、经济效率、消费规模、投资规模的影响,探讨多维城乡差距影响经济高质量发展的路径。
顾伟忠[4](2021)在《数字经济背景下经济增长路径转型研究》文中认为随着5G网络、人工智能、物联网等数字技术的发展,以智能化、网络化、数字化为核心的新一轮科技革命浪潮正席卷世界,全球进入了数字经济时代。在数字经济的催化下,新业态、新模式和新产业层出不穷,为经济增长提供了新空间,注入了新动能。我国正处于高速增长转向高质量发展阶段,是转换增长动能、优化产业结构、转变经济增长方式的关键期。我国经济增长面临着新的问题与挑战,站在数字经济时代与我国加快转变经济增长方式、推动经济高质量发展的历史交汇期,“理顺经济发展内在逻辑和把握经济增长关键抓手”是我国在经济发展新时期的必答题。本文按照“提出问题—剖析问题—机制分析—模型构建—解决问题—提出建议”的研究路径展开,工作内容如下:研究背景和理论基础:论文第1章和第2章。主要包括选题背景、选题意义、研究思路、创新之处、文献综述以及经济增长新旧动能转换理论和机制分析等内容。本部分首先抛出“数字经济背景下经济增长路径转型研究”这一主题的选题背景和意义,基于现实需要和学界研究脉络阐述本文研究主题具有学术价值和应用价值,在此基础上开展文献综述,以经济增长理论→经济增长路径转型→数字经济与经济增长路径关系为思路聚焦相关经典文献,在说明本文科学性的基础上突出研究必要性,并阐述了研究思路、研究内容以及创新之处。同时,为能清晰界定本文研究边界,梳理已有理论并总结了经济新旧动能转换的内涵、数字技术与新旧动能转换的关系、数字经济促进经济增长路径转型的抓手和路径等内容,为本文后续的数理模型构建、实证研究作基础铺垫。最后,从理论研究角度,基于传统的C-D模型,结合我国社会主义特色背景,以优化模型分别分析了传统经济和数字经济系统稳态,得出数字经济稳态更优的结论。模型构建和实证分析:论文第3章至第6章。本部分研究层层深入,一是率先基于数字经济发展现状,建立向量自回归模型,在动态视角下研究数字经济与经济增长的关联性,发现数字经济对经济总量增长具有较强支撑作用,并且能够与消费需求扩大和消费结构升级形成正向反馈循环机制,从而对我国产业结构转型和提高经济增长质量产生积极影响。二是通过构建TVP-VAR、PSTR等模型从多维度聚焦新旧动能发展特征的比较并进行实证分析,得出以新型数字基础设施为抓手突破数字应用落地和充分利用传统经济基础实现经济可持续发展是当前经济发展的重中之重。三是基于以上研究,从数字经济自身增长机理切入,探索数字经济背景下经济转型升级的实现路径。本部分从宏观视角出发,构建了一个包含生产、消费、政府三个部门的一般均衡模型,并通过数理模型解释不同类别的数字技术对经济增长作用机制的差别。进而,通过构建非线性MS-AR模型刻画数字经济发展的路径与趋势。研究发现数字经济自身发展路径复杂,针对不同层次的数字技术与使用对象,要采取差异化的实施手段和建设规划,数字经济主要从改变发展方式、增长结构与动能转换三个途径助力经济实现转型升级。结论和展望。第7章基于前文研究内容,系统梳理全文研究脉络,结合理论研究、机制分析、数理模型分析、现状分析及实证分析等研究结果,对前文得出的结论进行总结、提炼与深化,并提出论文可能存在的不足,最后做出研究展望。本研究梳理了数字经济、经济增长的相关理论,总结了我国数字经济背景下经济增长的发展现状,并以此为基础构建改进的索洛-斯旺模型和一般均衡模型,指出数字技术对于经济增长的重要意义以及政府采用多种方式支持新型数字基础设施发展可能产生的政策效果。据此提出面向数字时代我国加快经济增长路径转型的有效路径,可以为不同地区加快新型数字基础设施建设,为经济增长注入新动能,推动高质量、高效率的经济发展提供数理参考和量化依据。
熊萍萍,檀成伟,闫书丽,姚天祥[5](2021)在《基于卡尔曼滤波的MGM-多维AR(p)模型的构建及其应用》文中认为由于受到外界不确定性因素的干扰,导致实际数据偏离模拟的趋势,使得灰色多变量MGM(1,m)模型预测效果不佳,而多维平稳序列自回归模型(AR(p))能够有效反应具体数据与整体趋势之间产生的偏差,从而可以掌握外界环境对目标数据发展趋势带来的影响.由此文章首先利用卡尔曼滤波对给定的小样本数据做平滑处理,消除数据观测时产生的噪声误差,然后根据MGM(1,m)模型对处理后的数据建模,将得到的模拟预测值作为样本数据的趋势项,并将残差作为样本数据的随机项,再通过多维AR(p)模型对随机项进行分析,最后将MGM(1,m)模型的趋势项与多维AR(p)模型模拟的随机项相加得到基于卡尔曼滤波的MGM-多维AR(p)模型的模拟预测值.将该模型和MGM(1,m)模型,多维AR(p)模型和GM-AR组合模型分别应用于衡量杭州市雾霾程度的相关指标中建模分析,结果表明:文中提出的组合优化模型相比其他3个模型,拟合效果更佳,预测结果更精确.
马慧慧[6](2020)在《先进极化阵列的稳健参数估计算法研究》文中认为极化敏感阵列可以感知入射电磁波的多维电磁场分量,不仅能显着改善对电磁辐射源空域信息的感知性能,而且还可以提供目标的极化信息,其性能要高于传统标量阵列,是阵列信号处理的一个前沿领域,在雷达、通信、声纳和导航等领域有着广阔的应用前景,极化敏感阵列参数估计是一项重要的研究内容,且当前绝大多数极化敏感阵列参数估计算法都是针对远场信号源。然而,随着大型(超大型)阵列以及分布式阵列在实际中的应用日益广泛,在这类应用中,通常会存在远近场混合源共存情形,此时已不能再用常规的纯远场或纯近场模型来进行刻画,极化敏感阵列的混合源信号模型和参数估计算法会更为复杂,研究适用于混合源情形下的极化敏感阵列参数估计算法尤为必要。另外,在实际中会不可避免的存在阵列幅相误差及耦合误差,这会导致常规的极化敏感阵列信号处理算法性能下降甚至失效,如何有效的降低各类阵列误差的影响,研究稳健的极化敏感阵列参数估计算法具有实际意义。此外,由于MIMO阵列可以增大系统的自由度,形成虚拟孔径,在参数估计等方面具有独特优势,将极化敏感阵列应用于MIMO系统,将MIMO系统带来的波形分集和极化阵列提供的极化分集相结合,研究极化MIMO阵列的参数估计算法具有重要的理论意义和实际工程应用价值。围绕这些方面,通过充分挖掘极化阵列的优势,并将其应用于大型阵列和MIMO系统,并同时考虑实际中的阵列误差,本文对先进极化阵列的稳健参数估计算法展开研究,主要内容可概括为如下三部分:第一部分研究了远场情形下极化敏感阵列的多维参数估计问题。首先,针对低信噪比下极化子空间类算法参数估计性能严重下降的问题,将改进的重采样技术和ROOT-MUSIC算法相结合,提出了基于重采样的COLD阵列波达方向和极化参数联合估计算法,大幅度提升了低信噪比下的参数估计精度。接着,针对共心式电磁矢量传感器阵列互耦影响严重,参数估计性能有待进一步提高的问题,提出了一种稀疏拉伸式非均匀电磁矢量传感器阵列的多维参数估计算法,先通过利用时域旋转不变算法估计得到阵列的流形矩阵,再根据阵列的几何结构得到方向余弦有模糊精估计值,然后可从阵列流形矩阵中提取出单个电磁矢量传感器导向矩阵,再利用矢量叉乘算法得到方向余弦无模糊粗估计值,最终通过解模糊得到高精度的2D-DOA和极化参数估计。最后,以简化阵列结构、降低极化天线单元间耦合影响、提高参数估计性能为目的,提出了一种稀疏拉伸式L型极化敏感阵列,并给出了对应的参数估计方法,通过将阵列划分为6个子阵,可利用ESPRIT算法得到多个旋转不变因子,经过一系列数学运算可从中解耦得到一组方向余弦有模糊精估计值和多组无模糊粗估计值,然后根据信号导向矢量和噪声子空间的正交性可确定出正确的一组粗估计值,再利用解模糊手段得到高精度的2D-DOA和极化参数估计。该算法在不增加硬件复杂度的前提下,大幅度降低了极化天线间的互耦影响,扩展了阵列孔径,提高了参数估计精度。第二部分研究了极化敏感阵列的远近场混合源参数估计算法。首先,针对已有混合源定位算法仅能估计信源的空域信息,不能获取极化信息的问题,本文提出了二维空间下三偶极子线阵的混合源分类和参数估计算法,通过构造多个四阶累积量矩阵和矩阵方程,实现了更为合理的混合源分类和更高精度的空域及极化域信息估计,该方法无需任何谱峰搜索,突破了当前算法要求阵元间距为四分之一波长或八分之一波长的限制,仅需已知三个阵元的位置。接着,本文又将前述方法扩展到了三维空间中进行混合源定位,首次推导建立了三偶极子线阵在三维空间下的混合源信号模型,并首次利用线阵实现了混合源的2D-DOA、距离和极化参数的联合估计。另外,在实际中,接收阵列常常会存在幅相误差,这会使得混合源定位性能严重恶化。为了解决这个问题,本文提出了一种幅相误差下的全电磁矢量传感器线阵混合源参数估计算法,通过构造多个四阶累积量矩阵,并利用阵列的几何结构,可得到混合源的DOA、距离和极化参数估计值,然后根据信号导向矢量和噪声子空间的正交性,可构建出一个矩阵方程,进而可解得阵列的幅相误差估计值。该方法中各阵元可随机放置,且无需任何谱峰搜索。第三部分研究了极化MIMO阵列的角度估计算法。首先,介绍了一种典型的双基电磁矢量传感器MIMO阵列参数估计方法,并详细分析了其中存在的问题,该方法不能利用各极化天线单元的空间分集,参数估计精度不够高,各极化天线间互耦严重,阵列配置不够灵活。围绕这些问题,本论文提出了一种新的双基极化MIMO阵列系统,发射端和接收端均由若干拉伸式五偶极子组构成,并提出了对应的参数估计策略,通过将发射阵和接收阵分别划分为5个子阵,并利用相移旋转不变因子间的关系,从中解耦出2D-DOA、2D-DOD、发射极化角和接收极化角的估计值,该方法同时利用了MIMO系统带来的波形分集以及极化阵提供的极化分集和空间分集,具有更好的参数估计性能,可分辨更多的目标,运算复杂度更低,大幅度降低了天线间的耦合影响,所有五偶极子组可随机放置,且无需已知任何五偶极子组的位置。
李昕[7](2020)在《谱平滑法和AR模型法计算相干函数的比较》文中提出对大坝、大跨桥梁、高速铁路、地铁和地下管线等长大结构进行地震动分析时,需要将地震动的空间变化考虑在内。震源破裂、场地条件以及地震波的衰减和散射等因素的影响,使得地震动空间变化极其复杂。因此,地震动空间变化的研究通常是根据随机振动理论,基于强震台阵的观测资料,采用信号处理技术的随机分析方法,其中,相干函数是最常用的方法。根据地震数据处理方法的不同,相干函数计算方法主要有两类,一类是采用谱窗方法对功率谱和互功率谱进行平滑的非参数方法;另一类是利用一些常用的谱,如K-T(Kanai-Tajimi,金井清)谱等拟合功率谱和互功率谱的参数方法。本文采用了AR(Auto-Regressive,自回归)模型参数方法和谱平滑非参数方法分别进行了相干函数的拟合,分别得到拟合参数和标准差,比较分析了2种结果的差异,为工程应用中相干函数的选取提供更多的参考。论文的主要工作如下:1.在总结了地震动空间变化研究现状的基础上,收集、选取了SMART-1台阵的加速度记录作为相干函数的计算数据,并对原始地震记录数据进行了基线校正和时移处理。2.选用SMART-1台阵记录到的第5次地震和第45次地震的水平加速度记录,分别采用谱窗对功率谱和互功率谱进行平滑的谱平滑法和基于自回归模型的AR模型法对地震动空间相干系数进行了计算,并将两种方法得到的相干函数通过Loh相干函数模型进行了拟合。3.对2种方法得到的相干函数的拟合精度进行了对比分析,结果表明:(1)基于自回归模型方法得到的拟合标准差小于谱平滑法;(2)谱平滑法和AR模型法的相干系数有明显差别;(3)随着间距的增大,基于谱平滑法的相干系数随着频率增大而变小的程度放缓,而基于AR模型法的相干系数明显反映出相干系数符合随着频率增大而变小,同时也符合随距离的增大而减小的共识。最后,针对本文的研究加以归纳和整理,提出了往后有待深入探究的问题。
孙鑫明[8](2020)在《MARMA(p,q)模型理论研究及应用》文中认为当家装公司制定第二年预算时,仅用销售额时间序列或开单量时间序列这种单变量时间序列已无法满足需求,很多时候需要综合考虑多个因素的互相影响,因此矩阵型截面数据的时间序列应运而生。本文提出的矩阵型截面数据时间序列MARMA(p,q)模型在使用范围上较前人所提的矩阵型截面数据时间序列AR(p)更广泛,预测精度也更准。本文首先将矩阵型截面数据时间序列的相关概念进行了详细描述,并提出了矩阵型截面数据时间序列MA(q)模型。然后,本文又提出了矩阵型截面数据时间序列MARMA(p,q)模型,并给出其定义,与多维的时间序列ARMA(p,q)模型的等价性条件,平稳性条件,模型识别及参数估计等方面进行了探讨。最后,本文通过家装行业2个门店的销售变化率数据用多维的时间序列ARMA(p,q)模型与矩阵型截面数据时间序列MARMA(p,q)模型进行模型构建,发现用MARMA(p,q)模型可以使模型的残差平方和变得更小,更能很好地刻画家装行业多对象多属性之间的关系。
张召[9](2020)在《高超声速机动目标跟踪模型与状态估计算法研究》文中进行了进一步梳理随着高超声速飞行技术的逐步成熟,飞行器可以实现大气层内高超声速机动飞行,突破了传统目标跟踪中有关跟踪模型和状态估计算法的诸多假设,大幅降低了跟踪效果。受到强烈复杂的空气动力作用,目标可以实现更加复杂的机动飞行,严重降低了跟踪模型的准确性,进而影响滤波算法的估计效果。典型解决方法是提取特征参数对状态向量进行扩维以弥补模型误差,然而非线性动力学模型中状态与参数的非线性关系不利于参数估计的收敛性和一致性,线性运动学模型又不足以准确描述高超声速运动。而且,这些缺陷也不利于目标机动模式的在线识别,难以解决目标运动模型未知以及切换问题。状态估计算法融合模型信息和测量数据,对目标状态和参数进行联合估计,滤波效果直接取决于状态维度选择和协方差设置。一般采用Riccati方程推演协方差演化,并结合协方差分析对估计算法进行定量评估和设计。但是对于先验信息较少、非线性较强的机动目标跟踪,相关研究还比较少。同时,目标的机动特性改变了模型不确定性的分布规律,使之呈现非高斯特性。对于由此引发的非高斯不确定性非线性传播问题,可以采用大规模随机性采样和以逼近对象概率分布为基础的确定性采样进行解决。但是,二者计算量都比较大,难以适用于需要快速反应的高超声速机动目标跟踪。本文针对上述若干问题开展研究工作。针对传统跟踪模型的缺陷,本文提出一种基于高超声速飞行运动特性的跟踪模型设计方法,采用数据处理算法研究弹道数据的内在相关关系并给出参数化描述。以弹道坐标系为基准,建立高超声速飞行动力学模型和典型飞行模式,通过数值仿真生成原始弹道数据。同时,为避免不同数据模态之间的干扰,引入集成经验模态分解技术对弹道数据的趋势项、周期项和噪声项进行分离。针对各个数据项,统一采用自回归滑动平均模型对其进行分析和参数化建模,其中趋势项拟合主要根据数据的时域特性,周期项建模则借鉴了信号频谱分析和相关关系白化处理的相关研究。最终,通过模型叠合算法将上述数据项的建模结果进行综合,建立飞行状态跟踪模型——高阶马尔可夫模型。以状态变量的相关关系描述运动规律,有效避免了非线性模型参数可观测性问题,而且可描述的运动形态复杂度也远高于运动学模型。以上述高阶马尔可夫模型为基础,设计高超声速机动目标状态估计算法,主要涉及状态变量的选择、初始状态协方差和过程噪声协方差的设置。围绕标称轨迹对系统进行线性化处理,将其转变为线性时变系统;根据可观测性Gramian矩阵的秩检验,确定系统可观测模式的数量和方向;然后基于Riccati方程和协方差分析研究系统状态的随机可观测性,完成对滤波状态的选择。引入线性系统稳定性分析的随机可观测性和随机可控性概念,分析初始状态协方差对算法稳定性的影响,进而对其进行设置。以李雅谱诺夫指数法和函数法为基础分析算法稳定性,前者以状态协方差为操作对象,展示空间中估计轨迹的误差趋势;后者则通过对系统进行线性化处理,讨论算法稳定条件;二者结合,完成对过程噪声协方差的分析和设置。基于上述可观测性和稳定性分析结果设计的状态增广滤波器,可以有效保证估计结果的稳定性和精度,而且对高阶状态存在滤波-平滑双重估计机制,可以有效提高滤波算法的收敛性。针对机动目标非高斯不确定性的非线性传播问题,以贝叶斯估计、Gauss积分和混沌多项式理论为基础,设计了非高斯样本生成策略以及样本处理算法。贝叶斯估计理论给出了任意概率分布的序贯滤波框架,将估计问题转变为概率密度函数加权积分问题;结合Gauss积分对其进行解算,可以达到较高的代数精度;基于模型误差分布规律,引入Wiener-Askey混沌多项式理论确定相应的正交多项式,可以生成单维样本集合及其权重。然而,由于多维非高斯联合概率密度函数形式复杂、不易求解,而且采用维度遍历方法由单维向多维进行扩展又会面临维度灾难,在此引入坐标轴采样策略以生成多维样本集合及其权重。然后基于正交基函数矩阵对配点法进行改进,对样本集合进行处理并确定混沌多项式展开系数,进而确定随机过程的统计特征,使其更加逼近真实的概率分布。由此设计的滤波器,可以在一定程度上缓解计算协方差的近似误差。针对目标机动引起的模型不匹配问题,主要从鲁棒滤波和线性预测理论出发完成对目标运动规律的在线识别,解决模型未知以及随时可能出现的机动模式切换问题。根据高阶马尔可夫模型和状态估计算法,引入二级Kalman滤波算法改善对状态和模型偏置的联合估计,并借助于解耦策略讨论耦合作用对算法稳定性的影响。同时为增强算法对模型突变的鲁棒性,将Huber函数引入强跟踪滤波算法设计了鲁棒滤波器,有效克服了过调节问题,实现对机动目标的稳定跟踪。为进一步提高跟踪精度,结合高阶马尔可夫建模策略,使用线性预测理论对跟踪数据进行处理,在线建立目标运动规律的自回归模型。如此实现对目标机动模式的在线识别,并且给出了识别误差的统计特征,以用于滤波算法设计、提高跟踪精度。结果表明,上述算法可以有效克服模型未知以及模型突变引起的滤波性能下降和发散问题。
陈露[10](2019)在《基于LSTM的钼精矿市场价格动态预测研究》文中认为近年来,随着我国工业生产的不断改型升级,房屋、基建建筑业的迅速增长和全球经济复苏,钼精矿作为基本的工业和建筑业生产原料,其价格出现了波动上涨的好形式。对钼精矿未来中长期市场价格的准确预测,有利于我国钼矿开采生产企业制定合理的生产计划和开采成本控制,以及我国钼矿矿产资源的合理规划和利用。因此,有必要对钼精矿市场价格的中长期预测问题进行深入的研究。本文采用预测相关理论和技术,对钼市场波动下的钼精矿市场价格中长期预测进行了深入的研究,主要的研究内容有:(1)采用管理经济学相关内容和文献分析法对钼精矿的市场和价格影响因素进行较全面的分析,探究我国钼业市场的发展现状,钼精矿的供需情况和钼精矿市场价格的相关影响因素。(2)通过分解的方法,将复杂的非线性、非平稳时间序列进行分解,并根据分解得到的分量的线性和非线性特征,分别建立线性ARIMA和非线性LSTM预测模型,提出EMD-ARIMA-LSTM时间序列多步预测方法,并构建了相应的预测模型。通过采用中国钼精矿价格、全球铜价、全球铝价对预测模型进行仿真实验,并分析了EMD-ARIMA-LSTM预测方法与ARIMA、LSTM、EMD-ARIMA、EMD-LSTM等预测方法的中长期预测性能。(3)在钼精矿市场和价格影响因素分析的基础上,构建了多维钼数据情况下的EMD-ARIMA-LSTM钼精矿市场价格动态预测模型。首先,从钼的价格维度、供需维度和宏观经济维度构建了多维钼数据;然后,通过多维钼数据构建了基于EMD-ARIMA-LSTM多步预测方法和BP神经网络的钼精矿市场价格中长期动态预测模型。(4)采用实例数据,对提出的多维钼数据下的钼精矿市场价格动态预测方法进行了应用仿真实验,使用MAPE和RMSE作为预测精度的衡量指标,对预测方法的预测性能进行了分析和应用。
二、多维AR(p)模型的估计理论及应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多维AR(p)模型的估计理论及应用(论文提纲范文)
(1)数据驱动工业互联网资源适配与隐私保护方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
主要缩略语对照表 |
1 绪论 |
1.1 引言 |
1.2 研究背景 |
1.2.1 工业互联网定义及标准体系 |
1.2.2 工业互联网功能结构 |
1.3 研究现状 |
1.4 研究问题及意义 |
1.5 论文主要工作与创新点 |
1.6 论文组织结构 |
2 基于深度学习的工业互联网数据建模方法 |
2.1 引言 |
2.1.1 研究背景 |
2.1.2 相关工作 |
2.2 端-云协同工业运维数据采集系统设计 |
2.2.1 工业运维数据采集系统架构 |
2.2.2 工业运维数据采集流程 |
2.2.3 工业运维数据集构建 |
2.3 自注意力即时工业运维服务模型设计 |
2.3.1 总体框架及其功能模块 |
2.3.2 状态感知服务模型 |
2.3.3 序列预测服务模型 |
2.3.4 服务模型运行机制 |
2.4 实验与性能评估 |
2.4.1 实验数据集描述 |
2.4.2 实验及参数设置 |
2.4.3 实验结果分析 |
2.5 本章小结 |
3 基于强化学习的工业互联网资源适配方法 |
3.1 引言 |
3.1.1 研究背景 |
3.1.2 相关工作 |
3.2 网络架构与系统模型建立 |
3.2.1 端边云协同推理网络架构 |
3.2.2 通信模型 |
3.2.3 缓存模型 |
3.2.4 计算模型 |
3.2.5 系统运行机制 |
3.3 优化问题描述与转化 |
3.3.1 多维资源优化问题 |
3.3.2 马尔可夫决策过程 |
3.4 资源适配算法设计 |
3.4.1 TD3 算法核心技术 |
3.4.2 TD3 多维资源动态适配算法 |
3.5 DNN缓存池状态更新机制设计 |
3.6 实验与性能评估 |
3.6.1 实验及参数设置 |
3.6.2 算法收敛性分析 |
3.6.3 任务调度成功率比较 |
3.6.4 缓存资源利用率比较 |
3.7 本章小结 |
4 基于联邦学习的工业互联网数据隐私保护方法 |
4.1 引言 |
4.1.1 研究背景 |
4.1.2 相关工作 |
4.2 数据隐私保护联邦学习机制设计 |
4.2.1 多边协同训练网络架构 |
4.2.2 参数分级聚合算法 |
4.3 系统模型建立 |
4.3.1 时延模型 |
4.3.2 能耗模型 |
4.3.3 层级联邦学习评估损失 |
4.4 优化问题描述与转化 |
4.4.1 多约束资源优化问题 |
4.4.2 部分可观马尔可夫决策过程 |
4.5 多智能体资源适配算法设计 |
4.5.1 算法核心技术 |
4.5.2 MASAC资源适配算法 |
4.5.3 端节点能量资源保护机制 |
4.5.4 算法计算复杂度分析 |
4.6 实验与性能评估 |
4.6.1 实验及参数设置 |
4.6.2 隐私保护联邦学习收敛性分析 |
4.6.3 频谱和计算资源利用效率比较 |
4.6.4 能耗和时间开销评估 |
4.7 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 未来研究工作展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(2)两类改进的MGM(1,m)模型及其在雾霾中的应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 灰色MGM(1,m)模型 |
1.2.2 组合模型 |
1.2.3 雾霾的相关研究 |
1.3 研究内容 |
1.4 研究思路与技术路线 |
第二章 基于单一罚参数的MGM(1,m)模型 |
2.1 MGM(1,m)模型的建模机理 |
2.1.1 MGM(1,m)模型的构建 |
2.1.2 基于传统算法的MGM(1,m)模型的参数估计 |
2.2 基于单一罚参数的MGM(1,m)模型的建模机理 |
2.2.1 基于单一罚参数的MGM(1,m)模型的参数估计 |
2.2.2 带单一罚参数约束的最小二乘法的性质 |
2.2.3 粒子群算法下的罚参数确定 |
2.2.4 模型的精度检验 |
2.3 实例分析 |
2.4 本章小结 |
第三章 基于罚向量的MGM(1,m)模型 |
3.1 基于罚向量的MGM(1,m)模型的建模机理 |
3.1.1 基于罚向量的MGM(1,m)模型的构建 |
3.1.2 罚向量的确定 |
3.2 罚向量估计的具体实施 |
3.2.1 罚向量模长的约束条件 |
3.2.2 罚向量估计的步骤 |
3.3 案例分析 |
3.4 本章小结 |
第四章 基于卡尔曼滤波的MGM-多维AR(p)组合模型 |
4.1 多维AR(p)模型 |
4.1.1 多维AR(p)模型的构建 |
4.1.2 多维AR(p)模型参数估计的最小二乘法 |
4.1.3 多维AR(p)模型的定阶 |
4.2 基于卡尔曼滤波的MGM-多维AR(p)组合模型的建模机理 |
4.2.1 离散线性系统的卡尔曼滤波 |
4.2.2 基于卡尔曼滤波的MGM(1,m)模型的构建 |
4.2.3 基于卡尔曼滤波的MGM-多维AR(p)组合模型的构建 |
4.2.4 组合模型的建模流程 |
4.3 案例分析 |
4.3.1 基于卡尔曼滤波的MGM-多维AR(p)模型对杭州市雾霾数据的建模 |
4.3.2 结果分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 研究展望 |
参考文献 |
附表1:第二章结果 |
附表2:第三章结果 |
致谢 |
作者简介 |
(3)多维城乡差距的测度、成因及经济效应分析(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究的背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.3 研究目标与内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 研究方法 |
1.5 研究创新点 |
1.6 技术路线图 |
第二章 理论基础 |
2.1 基本概念 |
2.1.1 “城”和“乡”的概念 |
2.1.2 城乡差距的概念 |
2.1.3 城乡统筹、城乡融合发展的概念 |
2.1.4 城乡差距与城乡统筹、城乡一体化及城乡融合发展的关系 |
2.2 理论基础 |
2.2.1 城乡二元结构理论 |
2.2.2 城乡融合发展理论 |
2.2.3 公平和效率的关系理论 |
2.2.4 阿玛蒂亚·森的可行能力理论 |
第三章 中国城乡关系演变轨迹 |
3.1 中国城乡关系发展的逻辑框架与战略形成 |
3.1.1 中国城乡关系发展的逻辑框架 |
3.1.2 中国城乡关系发展战略的形成 |
3.2 建国以来中国城乡关系的变迁 |
3.2.1 改革开放前:立国战略下城乡二元体制形成和固化时期 |
3.2.2 改革开放到本世纪初:富民战略下城乡二元结构逐渐破冰 |
3.2.3 本世纪初到十八大前:城乡统筹发展阶段 |
3.2.4 党的十八大以来:强国战略下城乡全面融合发展阶段 |
3.3 中国城乡关系发展的问题 |
3.3.1 城乡收入消费差距下降,但依然保持高位 |
3.3.2 产业高级化与产业分化共存,城乡产业发展差距固存 |
3.3.3 制度壁垒和市场分割问题凸显,城乡要素配置差距扩大化 |
3.3.4 农村公共服务供给不足,城乡社会民生差距显着 |
3.4 本章小结 |
第四章 城乡差距的多维测度 |
4.1 城乡差距测度的维度选择 |
4.2 城乡差距测度的指标体系构建 |
4.2.1 指标体系构建原则 |
4.2.2 基础指标的选取 |
4.2.3 数据来源、指标处理方法 |
4.3 测度方法选择及权重的确定 |
4.3.1 测度方法的选择 |
4.3.2 基础指标和维度指标权重的确定 |
4.4 城乡综合差距的测度结果 |
4.4.1 城乡综合差距时序演变分析 |
4.4.2 城乡综合差距空间格局分析 |
4.5 城乡差距的多维度分析 |
4.5.1 多维城乡差距的时序演变分析 |
4.5.2 多维城乡差距的动态演进分析 |
4.6 本章小结 |
第五章 多维城乡差距的成因及内在关联分析 |
5.1 多维城乡差距形成机制 |
5.1.1 理论分析与研究假说 |
5.1.2 模型构建与变量选择 |
5.2 多维城乡差距的形成机制实证分析 |
5.2.1 数据处理和模型估计方法选择 |
5.2.2 联立方程模型估计前检验 |
5.3 估计结果分析 |
5.3.1 基准估计结果分析 |
5.3.2 稳健性检验 |
5.3.3 多维城乡差距内在关联性检验 |
5.3.4 不同区域的估计结果分析 |
5.4 本章小结 |
第六章 多维城乡差距的经济效应分析 |
6.1 城乡差距与经济高质量发展 |
6.2 城乡差距对经济发展的影响机制 |
6.2.1 城乡差距通过物资资本、人力资本对经济发展产生影响 |
6.2.2 城乡差距通过消费需求对经济发展产生影响 |
6.3 计量模型、变量和数据 |
6.3.1 计量模型 |
6.3.2 变量说明以及数据来源 |
6.3.3 内生性问题及处理 |
6.4 实证结果与分析 |
6.4.1 城乡差距对经济总量的影响估计 |
6.4.2 城乡差距对经济效率的影响估计 |
6.4.3 城乡差距对消费需求的机制讨论 |
6.4.4 城乡差距对经济资本的机制讨论 |
6.5 稳健性检验 |
6.6 本章小结 |
第七章 主要研究结论与启示 |
7.1 研究结论 |
7.2 政策建议与研究启示 |
7.3 研究不足与展望 |
参考文献 |
致谢 |
作者简历 |
(4)数字经济背景下经济增长路径转型研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究内容及技术路线 |
1.4 研究方法与主要创新 |
第2章 文献综述与理论基础 |
2.1 数字经济与经济增长研究文献分析 |
2.1.1 数字经济与经济增长共词分析 |
2.1.2 数字经济背景下经济增长主要研究内容分析 |
2.2 经济增长理论的文献综述 |
2.2.1 经济增长内涵文献综述 |
2.2.2 经济增长方式文献综述 |
2.2.3 经济增长测度方法文献综述 |
2.3 经济增长路径转型的文献综述 |
2.3.1 经济增长路径文献综述 |
2.3.2 经济增长路径转型影响因素文献综述 |
2.4 数字经济与经济增长路径的文献综述 |
2.5 数字经济推动经济增长路径转型的理论基础 |
2.6 数字经济系统稳态的理论分析 |
2.6.1 传统经济背景下的经济系统稳态分析模型优化 |
2.6.2 数字经济背景下的经济系统稳态分析数理模型构建 |
2.6.3 两种背景下的经济系统稳态比较 |
2.7 本章小结 |
第3章 经济增长与数字经济发展的动态关联性分析 |
3.1 向量自回归模型构建 |
3.2 经济总量与数字经济发展 |
3.3 经济活力与数字经济发展 |
3.4 经济效率与数字经济发展 |
3.5 本章小结 |
第4章 数字经济背景下经济增长新旧动能的动态效应 |
4.1 经济增长传统动能的动态效应 |
4.1.1 TVP-VAR模型构建及说明 |
4.1.2 传统基础设施投资对我国实际产出的影响 |
4.1.3 传统基础设施投资对我国通货膨胀的影响 |
4.1.4 经济增长传统动能特征 |
4.2 数字经济下经济增长新动能分析 |
4.2.1 科技创新能力 |
4.2.2 数字技术应用 |
4.2.3 经济增长新动能特征 |
4.3 经济增长新动能作用机制的省域异质性检验 |
4.3.1 PSTR模型构建及说明 |
4.3.2 数字经济发展对我国区域经济增长的门限效应 |
4.4 本章小结 |
第5章 数字经济增长路径理论解析 |
5.1 基于新型数字基础设施的数字经济一般均衡模型构建 |
5.1.1 基于新型数字基础设施的数字经济一般均衡模型假设 |
5.1.2 新型数字基础设施对生产侧的作用路径分析 |
5.1.3 新型数字基础设施对消费侧的作用路径分析 |
5.1.4 新型数字基础设施对政府的作用路径分析 |
5.2 基于新型数字基础设施技术的数字经济投入产出分析 |
5.2.1 第一层技术投入的产出效应 |
5.2.2 第二层技术投入的产出效应 |
5.2.3 第三层技术投入的产出效应 |
5.3 数字经济增长路径分析 |
5.4 本章小结 |
第6章 数字经济背景下经济转型升级的实现路径 |
6.1 Markov区制转移模型构建 |
6.2 数字经济发展的结构转变分析 |
6.3 数字经济与经济增长动力转换 |
6.3.1 完善新型数字基础设施 |
6.3.2 数字技术赋能传统产业 |
6.3.3 数字技术催生新产业 |
6.4 本章小结 |
第7章 结论与展望 |
7.1 研究结论 |
7.2 不足与展望 |
参考文献 |
攻读博士学位期间学术成果 |
致谢 |
(6)先进极化阵列的稳健参数估计算法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究历史与现状 |
1.2.1 极化敏感阵列参数估计 |
1.2.2 混合源分类及参数估计 |
1.2.3 MIMO阵列的参数估计 |
1.3 本文的主要工作与内容安排 |
第二章 极化阵列多维参数估计的理论基础 |
2.1 极化的相关理论 |
2.1.1 极化的定义 |
2.1.2 电磁波极化的分类及表征 |
2.1.3 电磁波信号的极化域-空域联合表征 |
2.2 常见的电磁矢量传感器结构 |
2.3 远场源极化敏感阵列信号模型 |
2.4 近场源极化敏感阵列信号模型 |
2.5 极化MIMO阵列信号模型 |
第三章 极化敏感阵列的多维参数估计算法 |
3.1 引言 |
3.2 基于重采样的共心式COLD阵列多维参数估计算法 |
3.2.1 信号模型 |
3.2.2 算法描述 |
3.2.3 仿真实验 |
3.2.4 本节小结 |
3.3 稀疏拉伸式非均匀电磁矢量传感器阵列的多维参数估计算法 |
3.3.1 信号模型 |
3.3.2 算法描述 |
3.3.3 运算复杂度分析 |
3.3.4 仿真实验 |
3.3.5 本节小结 |
3.4 稀疏拉伸式L型极化敏感阵列的多维参数估计算法 |
3.4.1 信号模型 |
3.4.2 算法描述 |
3.4.3 运算量分析 |
3.4.4 仿真实验 |
3.4.5 本节小结 |
3.5 本章小结 |
第四章 极化敏感阵列的远近场混合源参数估计算法 |
4.1 引言 |
4.2 二维空间下正交三偶极子线阵的混合源分类和参数估计算法 |
4.2.1 信号模型 |
4.2.2 算法描述 |
4.2.3 仿真实验 |
4.2.4 本节小结 |
4.3 三维空间下正交三偶极子线阵的混合源分类和参数估计算法 |
4.3.1 信号模型 |
4.3.2 算法描述 |
4.3.3 仿真实验 |
4.3.4 本节小结 |
4.4 存在幅相误差时全电磁矢量传感器阵列的混合源参数估计算法 |
4.4.1 信号模型 |
4.4.2 算法描述 |
4.4.3 运算复杂度分析 |
4.4.4 仿真实验 |
4.4.5 本节小结 |
4.5 本章小结 |
第五章 极化MIMO阵列的参数估计算法 |
5.1 引言 |
5.2 共心式电磁矢量传感器MIMO阵列的参数估计算法 |
5.2.1 信号模型 |
5.2.2 算法描述 |
5.2.3 问题分析 |
5.3 基于拉伸式五偶极子组的MIMO阵列多维参数联合估计算法 |
5.3.1 信号模型 |
5.3.2 算法描述 |
5.3.3 仿真实验 |
5.3.4 算法性能分析 |
5.3.5 本节小结 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 本文内容总结 |
6.2 工作展望 |
附录 |
附录A. 稀疏拉伸式非均匀电磁矢量传感器阵列的克拉美罗界 |
附录B. 稀疏拉伸式L型极化敏感阵列的克拉美罗界 |
附录C. 幅相误差下电磁矢量传感器阵列混合源定位的克拉美罗界 |
附录D. 拉伸式五偶极子组MIMO阵列的克拉美罗界 |
参考文献 |
致谢 |
作者简介 |
(7)谱平滑法和AR模型法计算相干函数的比较(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 地震动空间变化研究现状 |
1.3 本文研究内容 |
1.4 本文章节安排 |
第二章 地震动数据获取和处理 |
2.1 引言 |
2.2 台湾SMART-1 台阵 |
2.3 数据处理 |
2.4 地震数据基线校正 |
2.5 加速度时程图 |
2.6 地震波的选取 |
2.7 拟合软件简介 |
2.8 本章小结 |
第三章 基于谱平滑法的相干函数计算方法 |
3.1 引言 |
3.2 谱平滑法计算相干函数步骤 |
3.3 功率谱头部数据补齐 |
3.4 谱平滑法相干函数计算 |
3.5 谱平滑法相干函数模型的参数拟合 |
3.6 第5 次地震谱平滑法地震记录的拟合结果与比较 |
3.7 第45 次地震谱平滑法地震记录的拟合结果与比较 |
3.8 本章小结 |
第四章 基于自回归模型相干函数计算方法 |
4.1 引言 |
4.2 自回归模型(AR模型) |
4.2.1 AR模型的引入 |
4.2.2 AR模型的适用性检验与阶数的选择 |
4.2.3 AR模型参数的估计 |
4.3 多维AR模型的功率谱估计 |
4.4 基于自回归模型的相干函数计算 |
4.4.1 数据的二次处理 |
4.4.2 AR模型阶数的选择与模型参数计算 |
4.4.3 基于自回归模型的功率谱估计和相干函数计算 |
4.5 基于自回归模型的参数拟合 |
4.5.1 第5 次地震AR模型法地震记录的拟合结果与比较 |
4.5.2 第45 次地震AR模型法地震记录的拟合结果与比较 |
4.6 本章小结 |
第五章 比较与总结 |
5.1 比较 |
5.2 总结 |
5.3 需要进一步研究的内容 |
参考文献 |
图表目录 |
致谢 |
作者简历 |
攻读硕士学位期间发表的论文 |
(8)MARMA(p,q)模型理论研究及应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1. 国内外研究现状 |
1.2. 问题的提出 |
1.3. 论文结构 |
1.4. 难点与不足 |
第二章 矩阵型截面数据时间序列 |
2.1. 矩阵型截面数据时间序列的相关概念 |
2.2. 矩阵型截面数据时间序列AR(p)模型介绍 |
2.3. 矩阵型截面数据时间序列MA(q)模型介绍 |
第三章 MARMA(p, q)模型 |
3.1. MARMA(p, q)模型介绍 |
3.2. MARMA(p, q)模型的平稳可逆条件 |
第四章 MARMA(p, q)模型识别与参数估计 |
4.1. MARMA(p, q)模型的模型识别 |
4.2. MARMA(p, q)模型的参数估计 |
4.2.1. 矩估计 |
4.2.2. 最小二乘估计 |
4.2.3. 极大似然估计 |
第五章 MARMA(p, q)模型在家装销售预测上的应用 |
5.1. 家装数据的预处理及相关检验 |
5.2. MARMA(p, q)模型的定阶与建模 |
总结与展望 |
参考文献 |
致谢 |
(9)高超声速机动目标跟踪模型与状态估计算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 高超声速目标跟踪模型研究现状 |
1.2.1 动力学跟踪模型 |
1.2.2 运动学跟踪模型 |
1.3 滤波算法设计与评估研究现状 |
1.3.1 可观测性分析 |
1.3.2 算法稳定性分析 |
1.3.3 算法精度分析 |
1.4 非线性非高斯滤波算法研究现状 |
1.4.1 非线性高斯系统 |
1.4.2 非线性非高斯系统 |
1.5 目标机动模式在线识别研究现状 |
1.5.1 状态参数联合估计 |
1.5.2 在线识别 |
1.6 本文的主要研究内容 |
第2章 高超声速飞行运动特性分析 |
2.1 引言 |
2.2 高超声速飞行动力学建模 |
2.2.1 需用的坐标系 |
2.2.2 各坐标系间的转换关系 |
2.2.3 弹道坐标系中的质心动力学方程 |
2.2.4 高超声速飞行模式 |
2.3 弹道数据模态分解 |
2.3.1 混合序列处理 |
2.3.2 集成经验模态分解 |
2.4 趋势项建模与分析 |
2.4.1 多项式与ARMA模型 |
2.4.2 ARMA模型统计估计 |
2.4.3 运动模型分析 |
2.5 周期项建模与分析 |
2.5.1 周期运动识别 |
2.5.2 ARMA模型统计估计 |
2.5.3 运动模型分析 |
2.6 多模态数据模型叠合 |
2.6.1 AR模型叠合 |
2.6.2 跟踪模型建立 |
2.7 本章小结 |
第3章 高阶马尔可夫模型滤波算法设计 |
3.1 引言 |
3.2 可观测性评估 |
3.2.1 跟踪系统描述 |
3.2.2 可观测性Gramian矩阵 |
3.2.3 Fisher信息矩阵 |
3.2.4 估计误差协方差矩阵 |
3.3 滤波算法稳定性评估 |
3.3.1 随机可控性分析 |
3.3.2 李雅谱诺夫指数法分析 |
3.3.3 李雅谱诺夫函数法分析 |
3.4 滤波算法精度评估 |
3.4.1 方差误差分析 |
3.4.2 一致性检验 |
3.5 状态增广滤波算法设计 |
3.5.1 状态增广滤波 |
3.5.2 扩展Schmidt-Kalman滤波 |
3.5.3 容积Schmidt-Kalman滤波 |
3.6 本章小结 |
第4章 非高斯确定性采样滤波算法设计 |
4.1 引言 |
4.2 贝叶斯估计理论 |
4.2.1 贝叶斯准则与Gauss积分 |
4.2.2 多维高斯球面径向容积准则 |
4.2.3 多维非高斯问题 |
4.3 混沌多项式理论 |
4.3.1 基于混沌多项式的函数逼近分析 |
4.3.2 正交多项式规范化 |
4.4 基于非高斯采样的KALMAN滤波算法设计 |
4.4.1 采样策略设计 |
4.4.2 集中式Kalman滤波 |
4.4.3 分布式Kalman滤波 |
4.5 基于混沌多项式的KALMAN滤波算法设计 |
4.5.1 PCE降维 |
4.5.2 PCE系数求解 |
4.5.3 集中式PCEKalman滤波 |
4.5.4 分布式PCEKalman滤波 |
4.6 本章小结 |
第5章 目标机动模式不确定性在线识别 |
5.1 引言 |
5.2 状态不确定性分析 |
5.2.1 连续系统类噪声项构建 |
5.2.2 离散系统类噪声项构建 |
5.3 状态偏置耦合分析 |
5.3.1 忽略耦合的二级Kalman滤波 |
5.3.2 考虑耦合的二级扩展Kalman滤波 |
5.3.3 考虑耦合的二级非高斯容积Kalman滤波 |
5.4 鲁棒KALMAN滤波算法设计 |
5.4.1 M估计与强跟踪 |
5.4.2 线性鲁棒Kalman滤波 |
5.4.3 非线性鲁棒Kalman滤波 |
5.5 目标机动模式在线识别 |
5.5.1 机动检测 |
5.5.2 机动模式识别 |
5.5.3 目标跟踪综合仿真 |
5.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(10)基于LSTM的钼精矿市场价格动态预测研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 钼精矿价格国内外研究现状 |
1.3.2 时间序列预测方法国内外现状 |
1.3.3 国内外研究现状评述 |
1.4 主要研究内容及技术路线 |
1.4.1 主要研究内容 |
1.4.2 技术路线 |
1.5 本章小节 |
2 相关理论方法 |
2.1 钼精矿市场及市场经济理论 |
2.1.1 市场与市场经济概念及联系 |
2.1.2 市场经济基本规律 |
2.1.3 有效市场假说 |
2.2 ARIMA时间序列预测方法 |
2.2.1 时间序列基本概念 |
2.2.2 ARIMA的数学定义 |
2.2.3 ARIMA建模过程 |
2.3 神经网络预测理论 |
2.3.1 BP神经网络 |
2.3.2 LSTM神经网络 |
2.4 本章小结 |
3 钼精矿市场及价格影响因素分析 |
3.1 钼精矿市场经济分析 |
3.1.1 钼精矿储量及产能 |
3.1.2 钼市场产业现状 |
3.1.3 钼精矿供需分析 |
3.2 钼精矿价格的影响因素分析 |
3.2.1 经济因素的影响分析 |
3.2.2 政策因素的影响分析 |
3.2.3 不确定性影响因素分析 |
3.3 钼精矿价格的时间序列特点分析 |
3.4 本章小结 |
4 基于EMD-ARIMA-LSTM的时间序列多步预测方法 |
4.1 EMD及时间序列多步预测策略 |
4.1.1 EMD |
4.1.2 时间序列多步预测策略 |
4.2 预测模型及数据选取 |
4.2.1 预测模型构建的基本思想 |
4.2.2 EMD-ARIMA-LSTM多步预测模型框架 |
4.2.3 建模数据选取与分析 |
4.3 EMD-ARIMA-LSTM多步预测模型构建 |
4.3.1 数据处理 |
4.3.2 数据分解 |
4.3.3 IMFs线性和非线性识别 |
4.3.4 ARIMA多步预测模型构建 |
4.3.5 LSTM多步预测模型构建 |
4.3.6 预测模型集成 |
4.4 模型仿真与结果分析 |
4.4.1 仿真环境介绍 |
4.4.2 仿真实验设计 |
4.4.3 预测性能评价指标 |
4.4.4 仿真结果分析 |
4.5 本章小结 |
5 基于多维钼数据的钼精矿市场价格动态预测 |
5.1 多维钼数据样本构建 |
5.1.1 钼价格数据 |
5.1.2 钼供需数据 |
5.1.3 宏观经济数据 |
5.2 钼精矿市场价格动态预测模型构建 |
5.2.1 预测模型原理 |
5.2.2 预测模型框架 |
5.2.3 数据的预处理 |
5.2.4 BP神经网络构建 |
5.3 实例仿真与应用分析 |
5.3.1 实例数据介绍 |
5.3.2 仿真环境介绍 |
5.3.3 预测性能评价指标 |
5.3.4 仿真实验设计 |
5.3.5 仿真应用 |
5.3.6 仿真结果分析及应用 |
5.4 本章小结 |
6 研究结论与展望 |
6.1 结论 |
6.2 研究不足及展望 |
附录 A |
参考文献 |
在读期间的相关工作 |
致谢 |
四、多维AR(p)模型的估计理论及应用(论文参考文献)
- [1]数据驱动工业互联网资源适配与隐私保护方法研究[D]. 张维庭. 北京交通大学, 2021
- [2]两类改进的MGM(1,m)模型及其在雾霾中的应用研究[D]. 檀成伟. 南京信息工程大学, 2021(01)
- [3]多维城乡差距的测度、成因及经济效应分析[D]. 叶璐. 中国农业科学院, 2021(01)
- [4]数字经济背景下经济增长路径转型研究[D]. 顾伟忠. 吉林大学, 2021(01)
- [5]基于卡尔曼滤波的MGM-多维AR(p)模型的构建及其应用[J]. 熊萍萍,檀成伟,闫书丽,姚天祥. 系统科学与数学, 2021(04)
- [6]先进极化阵列的稳健参数估计算法研究[D]. 马慧慧. 西安电子科技大学, 2020(02)
- [7]谱平滑法和AR模型法计算相干函数的比较[D]. 李昕. 苏州科技大学, 2020(08)
- [8]MARMA(p,q)模型理论研究及应用[D]. 孙鑫明. 华东师范大学, 2020(11)
- [9]高超声速机动目标跟踪模型与状态估计算法研究[D]. 张召. 哈尔滨工业大学, 2020(01)
- [10]基于LSTM的钼精矿市场价格动态预测研究[D]. 陈露. 西安建筑科技大学, 2019(06)