同伦分析法在求解非线性耦合偏微分方程组中的应用

利用同伦分析法求解了耦合非线性方程组,得到的近似解与其他方法得到的精确解十分吻合.结果表明这种方法是求解非线性问题的一种更行之有效的方法,可以更广泛地应用于求解其他的非线性问题.     

基于Volterra级数的RLS自适应算法的混沌时间序列预测

根据混沌序列产生的确定性和非线性机制,基于Volterra级数和RLS算法,提出了一种少参数二阶非线性滤波算法用于混沌时间序列的自适应预测。仿真结果表明,这种非线性自适应滤波器能有效地预测一些超混沌序列,而且该滤波器的一步均方误差性能明显高于其他基于Volterra级数的NLMS算法,表明该算法具有良好的收敛性能。     

浅谈数列求和的常用方法

数列是高中代数重要内容,又是学习高等数学的基础。在高考和数学竞赛中都有重要地位,而数列求和又是研究数列的一个重要内容。掌握数列求和的方法有助于提高学生数学知识综合应用能力和答题运算能力。     

汉语数词趣味修辞

汉语的数词进行巧妙的组合后具有修辞作用。本文讨论了巧用数词修辞的8种类型。     

古籍缩微标版例举

古籍缩微一直是古籍开发与保护的重要组成部分,在图书馆业务工作和古籍研究中有着比较重要的地位。具体到古籍缩微工作的流程,缩微品标版制作的格式和标准,特别是古籍情况千变万化,遇到特殊的古籍著录情况,如题名重复、丛书子目标版、丛书卷数不符等,该如何处理,特将所遇之实例析聚而成文。     

基于Elman神经网络的时间序列股票价格短期预测

Elman神经网络是一种典型的回归神经网络,比BP神经网络具有更强的计算和适应时变特性的能力,因而非常适用于预测股市这一类极其复杂的非线性动力学系统。文章给出一种基于Elman神经网络的股票市场建模、预测及决策方法,对浦发银行股价在时间序列上作了连续若干天的短期预测,实验结果取得较高的预测精度、较为稳定的预测效果和较快的收敛速度。这表明该预测模型对于个股价格的短期预测是可行和有效的。     

基于时序数据的钢铁行业循环经济发展水平分析

以循环经济理论为基础,结合钢铁行业循环经济实践经验提出钢铁行业循环经济发展指数的概念(简称ISCEDI),构建ISCEDI指标体系并采用层次分析与熵值法综合赋权的方法对指标进行赋权,基于我国钢铁行业2001—2012年的时序数据对其循环经济发展状况与趋势进行纵向比较分析,验证ISCEDI的适用性。结果表明,2001—2012年中国钢铁行业循环经济发展水平整体状况良好,发展能力与发展潜力都有较大提升空间。     

基于时间序列数据Hull-White模型半参数估计方法

基于时间序列数据,对Hull-White短期利率模型进行半参数估计。通过两阶段估计方法,原半参数估计模型转化为非参数估计模型和全参数估计模型。前者使用核函数估计方法,后者使用极大似然估计,从而简化整个参数估计过程。实证的结果表明,在给定合适窗宽条件下,基于Hull-White模型的似然值将得到改善。     

The Impact of Ignoring Time Series Processes in Linear Growth Mixture Modeling

Growth mixture modeling (GMM) is a useful statistical method for longitudinal studies because it includes features of both latent growth modeling (LGM) and finite mixture modeling. This Monte Carlo simulation study explored the impact of ignoring 3 types of time series processes (i.e., AR(1), MA(1), and ARMA(1,1)) in GMM and manipulated the separation of the latent classes, the strength of the time series process, and whether the errors conformed to the time series process in 1 or 2 latent classes. The results showed that omitting time series processes resulted in more serious bias in parameter estimation as the distance between classes increased. However, when the class distances were small, ignoring time series processes contributed to the selection of the correct number of classes. When the GMM models correctly specified the time series process, only models with an AR(1) time series process produced unbiased parameter estimates in most conditions. It was also found that among design factors manipulated, the distance between classes prominently affected the identification of the number of classes and parameter estimation.     

一种新的时间序列组合预测模型及其应用

提出了一种新的时间序列组合预测模型（PCA-BPNN模型）,即先利用主成分分析方法对原输入变量的空间进行重构,然后借助于各主成分对总体样本的贡献率来确定网络结构.最后利用1999年1月至2005年12月甘肃省天水市胆结石发病率的资料验证了该方法的有效性.