再论最优组合预测模型的确定

1 引言组合预测的基本含义是把两个或两个以上的预测模型来用加权平均的方式组合为一个模型,而加权系数的确定是最优组合预测模型确定的关键。我国有很多人从事过这方面的研究,得到一些结果(见[1]、[2]).本文根据广义最小二乘法和加权最小一乘法思想,再论最优组合预测模型的确定. 2 根据广义最小二乘法确定最优权系数设对于同一预测问题我们有几种预测方法。 y(?)实际观测值,t=1,2,…,N; y(?)第i种方法的预测值,i=1,2,…,n; (?)=y(?)—y(?)第i种方法的预测误差; W_(?)第i种方法的加权系数,(?)=1; (?)加权组合预测值; e(?)=y(?)—y(?):组合预测误差. 根据广义二乘法的思想,最优组合预测模型,其权系数W=(w_1,…,w_n)~r应使下式中的J达到最小     

特殊图的最优标号

标号图(G,L)由图G和它的标号L∶V(G)→{1,2,…,n｝组成.其中n=|V(G)|.在标号图(G,L)中,如果一条路P=u1,u2,…,uk(k≥1)的长度为0(k=1)或者对任意的i(i=1,2,…,k-1;k＞1),满足L(ui)+2≥L(ui+1),则称P为不连续增长路.标号(G,L)图中所有的不连续增长路的数目记为d(G,L).如果图G的一种标号L使得d(G,L)达到最大,则称之为图G的最优标号.在这里,给出了毛毛虫图的一种最优标号.     

关于调荷节电问题的分析与探讨

1、具体分析 1.1在全部用电时间内负荷应力求均衡在保持总用电量不变的情况下,如视均衡用电的负荷电流始终为I_(pi),此时线变损为ΔW_2=3I_(pi)~2TR线损波动系数为 R_b=ΔW_1/ΔW_2=3(I_(pi)~2+sum from J=1 to nΔI_j~2t_j)R/3I_(pi)~2TR=1+sum from J=1 to nΔI_j~2t_j/I_(pi)~2T 因为t_j>1,ΔI_j~2≥0故R_b≥1,等号只有在sum from J=1 to nΔI_j~2t_j/I_(pi)~2为零时成立,即ΔI_j全部为零时立,ΔI_j全P为零即是均衡用电,ΔI_j中只有一个不为零都会使线变损增加。从线变损波动系数公式可以     

De Bruijn-Good图的范畴

本文主要是利用范畴和函子的基本概念讨论de Bruijn-Good图的性质。参考文献[1]中的关于de Bruijn-Good图自同构的结果,是它的主要定理的一个简单推论。令n是一个不小于1的整数。对于集合M(可以是无限的),n级de Bruijn-Good图G_(n,M)是一个有向图,它的顶点集合是M~n, M~n={(α_1,α_2,…,α_n)|α_(?)εM,i=1,2,…,n},弧的集合是A, A={(α_1,α_2,…,α_n)→(α_2,α_3…,α_n,α_(n+1))|α(?)εM,i=1,2,…,n+1}任何两个集合M和M′之间的一个映象σ,都可诱导出n级de Bruijn-Good图G_(n,M)到     

CSL代数上在P点Jordan高阶可导的映射

设L是希尔伯特空间H上的一个CSL,AlgL是相应地CSL代数。一族线性映射δ={δn,δn∶AlgL→AlgL,n∈N}在Ω∈AlgL Jordan高阶可导,如果对所有n∈N,∑i+j=n[δ(iA)δ(jB)+δ(jB)δ(nA)]=δ(Ω),其中A,B∈Alg L,AB+BA=Ω。本文给出了一族线性映射δ={δn∶AlgL→AlgL,n∈N}在P点Jordan高阶可导的充要条件。利用此结果证明了不可约CDCSL代数,因子von Neumann代数上的套子代数(特别地,希尔伯特空间套代数)到其自身的一族线性映射δ={δn,n∈N}在P点Jordan高阶可导当且仅当它是一个高阶导子。     

当归属及近缘小属的核型演化及地理分布研究

 本文报道了当归属Angelica及3个近缘小属12种植物的核型，其中10种为首次报道。带岭当归A．dailingensis 2n＝22＝20m+2sm(SAT);丽江当属A．likiangensis 2n＝22＝18m+4sm; 青海当归A．nitida 2n＝22＝14m+4sm+4sm(SAT);林当归A．silvestris 2n＝22＝16m+4sm(SAT)+2st(SAT);紫花前胡A．decursiva 2n=22＝16m+4sm+2sm(SAT);秦岭当归A．tsinlingensis 2n＝22＝18m+4sm; 阿坝当归A．apaensis 2n＝22＝14m+6sm+2st(SAT);隆萼当归A．oncosepala2n＝4x＝44＝28m+12sm+4st，三小叶当归A．ternata 2n=22＝10m+8sm(SAT)+4st(SAT);柳叶芹Czernaevialaevigata 2n=22＝14m+6sm+2sm(SAT);短茎古当归Archangelica brevicaulis 2n＝22＝8m+2m(SAT)+4sm+4sm(SAT)+4st；高山芹Coelopleurum saxatile 2n＝28＝12m+6sm+10st。除带岭当归核型为1A型和高山芹为2B型外，其余种类均为2A型。根据染色体长度比和平均臂比绘制了本次和我们过去已报道的当归属及近缘属23种植物的核型散点图。据核型类型和近端着丝点的有无，把当归属20个种的核型分3组。并结合外部形态、花粉类型和地理分布，探讨了各近缘属的系统演化关系。     

关于波动与波能传播的两个特征方向

本文讨论波能传播(沿群速方向)对于波速而言的两个特征方向,它们由波控制方程的具体表达式确定。(1)若波控制方程由表示,式中为某因变量,L为时间导数与空间Laplace算符▽~2(二维或三维)的导数多项式,则群速与波速平行;(2)若波控制方程由表示,式中n、i、j、k取值零或任意正整数,且i+j+k=M=constant(M=1,2,3…N),L为对空间导数而言的M次齐式(L中至少包含有一个时间导数项),则群速与波速垂直;(3)若波控制方程不由上述两式表示,则群速与波速将斜交。     

异叶苣苔属(苦苣苔科)的核型研究

本文首次报道了中国特有异叶苣苔属的染色体数目及核型。该属所研究种类的染色体数目均为   2n＝18,染色体长度在2.0µm以上,在尖舌苣苔族所报道的染色体中显示出较原始的性状。尖舌苣苔   族的染色体基数可能是x=9。异叶苣苔属的间期核均为复杂型;前期染色体呈渐变型。核型从对称型   向不对称型的演化主要表现在近中部着丝粒,尤其是近端部着丝粒染色体比例的增大。毕节异叶苣苔   W．bljieensis和峨眉异叶苣苔W．tsiangiana var．wilsonii的核型分别为2n=2m＋8m＋8sm(1sat)和   2n=2m＋8m(1sat)＋8sm(2sat),较为对称。紫红异叶苣苔W．purpurascens和白花异叶苣苔W.   tsiangiana var. tsiangiana的核型分别为2n=4m＋6sm＋8st(1sat)和2n=4m＋8sm(2sat)＋6st,比较   特化。河口异叶苣苔W．hekouensis的核型是2n=4m+10sm(1sat)+4st,处于二者之间。峨眉异叶苣   苔和原变种白花异叶苣苔的核型差异较大,在外部形态方面二者之间的性状变异也间断较大。本文建  议将该变种从白花异叶苣苔W．tsiangiana中移出自成一种,并和毕节异叶苣苔近缘。     

数学模型在基准地价评估中的应用

建立回归分析模型首要分析统计数据 ,确定两个特定变量之间的数学关系形式。即用收集到样点地价 ,结合样点地价分布特点和影响地价的综合因素条件 ,分析该区域内土地质量与地价的相关关系建立回归模型。(以乌兰浩特市城乡结合部地价评估为例 )1　确定并选择回归模型的方法1 .1　根据地价资料和土地质量综合作用价值 ,分别做出被解释变量 y与解释变量 x之间的二维散点图。1 .2　根据样本点 ( yi、xi) ( i=1 ,2 - n)的分布图形得知地价与综合作用分值之间并非直线关系 ,在此基础上设定回归模型的数学形式为指数模型 y=e( a+ bx) 。1 .3　参数…     

专利行政执法对专利申请量的影响研究——基于R&D投入与FDI流入的中介作用

中美贸易摩擦下的"中兴被制裁"事件和"华为被封杀"事件表明大力发展我国的科技创新事业就必须提高我国专利申请量,专利行政执法对于我国专利申请量的提高具有重大的影响作用,而目前国内外的相关研究成果很少,为此本文通过理论推导提出三个假设并通过面板模型y_(it)=?i+X'_(it)β_i+u_(it),i=1,2…N;t=1.2,…T构建9个具体分析模型对三个主要假设进行深入分析,稳健性分析表明本次研究是可靠的,研究结果表明:(1) RD投入、FDI流入分别在专利行政执法正向影响专利申请量中起中介作用;(2)专利行政执法通过FDI流入正向影响专利申请量的效应小于专利行政执法通过RD投入正向影响专利申请量;(3) RD投入与FDI流入的交互作用专利行政执法负向影响专利申请量中具有中介作用。在此基础上得到两个主要创新点并根据研究背景和研究结论提出四个政策建议强化专利行政执法对专利申请量的正向影响,最后提出本文的研究不足。     

CSL代数上在单位元Ⅰ点Jordan高阶可导的映射

设L是希尔伯特空间H上的一个CSL,AlgL是相应地CSL代数。一族线性映射δ_={δ_n,δ_n:AlgL→AlgL,n∈N}在Ω∈AlgL Jordan高阶可导,如果对所有n∈N,∑[δ_i(A)δ_j(B)+δ_j(B)δ_i(A)]=δ_(Ω),其中A,B∈AlgL,AB+BA=Ω。本文给出了一族线性映射δ_={δ_n:AlgL→AlgL}在单位元I点Jordan高阶可导的充要条件。利用此结果证明了不可约CDCSL代数,因子von Neumann代数上的套子代数(特别地,希尔伯特空间套代数)到其自身的一族线性映射δ_={δ_n,n∈N}在I点Jordan高阶可导当且仅当它是一个高阶导子。     

贝叶斯决策论

模式识别是人类的一项基本智能,同时它也是一门主要利用统计学、概率论、计算几何、机器学习、信号处理以及算法的设计等工具从可感知的数据中进行推理的学科。它与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系,它与人工智能、图像处理的研究有交叉关系。模式识别的分类问题是根据识别对象特征的观察值将其分到某个类别中去。统计决策理论是处理模式分类问题的基本理论之一,它对模式分析和分类器的设计有着实际的指导意义。贝叶斯(Bayes)决策理论方法是统计模式识别中的一个基本方法,用这个方法进行分类时要求:a.各类别总体的概率分布是已知的;b.要决策分类的类别数是一定的。在连续情况下,假设对要识别的物理对象有d种特征观察量,这些特征的所有可能的取值范围构成了d维特征向量。这些假设说明了要研究的问题有c个类别,各类别状态用来表示,i=1,2...,c;对应于各个类别出现的先验概率P()及类条件概率密度函数是已知的。如果在特征空间已观察到某一向量,就是d维特征空间上的某一个点,那么应如何把分类,就是本文所要讨论的问题。