多伦县降雨量时间序列的随机模拟

以1971~2002年的降雨量资料为依据,利用相关知识和时间序列分析方法,对多伦县降雨量时间序列进行了模拟。利用年资料建立随机模型,根据时间序列的自相关系数和偏相关系数的比较建立了一阶平稳的AR(1)模型。通过模型模拟出了服从偏态分布的降雨量序列,并通过误差分析得出了由AR(1)模型模拟的大量序列都较符合预报要求,故此模型在实际中可以对水文时间序列进行偏态模拟。     

短角幽天牛成虫林间诱集序列的混沌检测

通过时间序列分析和前馈网络模型建模方法的分析,短角幽天牛成虫林间诱集序列的复杂性动态,用前馈网络模型计算的最大Lyapunov指数为0.074 9,说明短角幽天牛成虫林间诱集序列存在混沌现象,可以用非线性模型预测短角幽天牛成虫林间诱集数量.     

兴安白桦木材生长轮密度时间序列分析

为进一步提高木材的实际应用价值,并为森林资源经营提供理论支持,对兴安白桦木材生长轮密度的径向变异进行研究。采集兴安白桦试样21株,对其生长轮密度的径向变化规律进行时间序列分析,依据最小信息量AIC原则,选择ARIMA(0,1,1)为最优模型;白噪声检验结果表明,残差序列为白噪声序列,模型诊断通过;序列预测值与实测值相对误差在10%之内,模型获得较好的预测效果。     

基于m序列的直接扩频通信系统仿真研究

介绍了扩展频谱通信系统概况和直接扩展频谱通信系统的基础知识。利用Matlab/Simulink工具箱建立基于m序列的直接序列扩展频谱通信系统的仿真模型。在给定仿真条件下运行所建模型,得到了预期的结果,从而得出模型的正确性。     

变形监测数据的时间序列分析

基于统计分析软件SAS的辅助,详细阐述时间序列建模分析的步骤,并结合某一具体工程的变形监测数据建立一个有效的线性模型来拟合该动态序列的发展.实例证明,采用时间序列分析方法建立的模型,其拟合效果较高.5期预测误差绝对值均在0.2 mm以内.最后提出将物理意义与数理统计相结合进行时序分析更有利于模型的建立等一些有益的建议.     

序列林价及其在林木资源资产评估中的应用

【目的】以浙江省龙泉市杉木用材林为例,建立科学、实用的林木资源资产评估模型,使之能够应用于非交易性森林资源资产业务中的小班林木资源资产评估实践,如林权抵押贷款、森林保险、林木生物资产核算等领域中的大批量小班的林木资源资产评估。【方法】设定参照林分,引入生产函数理论,建立参照林分的生长模型;研究相邻年度林木价值关系,设计序列林价递推公式;分析林分林木资产价值主要影响因素,构建基于序列林价的小班林木资源资产评估模型,并对林木资产评估模型进行适用性检验,包括模型估算值与样本实际值的差异显著性检验和模型使用精度检验。建模过程中综合运用了递推算法、回归方法、仿真模拟方法。【结果】编制杉木林参照林分序列林价表,该表能够客观反映出林木价值生长过程;拟合林价主要影响因素调整系数模型参数,给出小班集材路程调整系数经验模型,以及成熟林小班的林分平均胸径调整系数经验模型、单位面积蓄积量调整系数经验模型;应用小班林木资产评估模型进行龙泉市岩樟乡芭蕉村杉木用材林小班林木资源资产评估,计算得到杉木用材林小班林木资产明细表,经汇总得到各农户杉木用材林林木资产价值、全村杉木用材林林木资产价值;利用98个正常交易实例检验样本计算小班林木资产评估模型检验指标,总相对误差-0.16%、平均相对误差1.25%、平均相对误差绝对值8.97%,估计精度97.6%,全部检验指标均符合要求。【结论】基于序列林价的小班林木资源资产评估模型结构化、直观、可理解,评估效果较好,能够适用于非交易性森林资源资产业务中的大批量小班的林木资源资产评估业务;引入生产函数理论,保证参照林分营林过程中投入与产出的匹配性;序列林价递推算法可以更好地研究林分完整生长过程中的序列林价变化规律,实现重置成本法、收益现值法、市场价倒算法3种方法的融合与相互验证;通过林龄价值系数可以实现参照林分序列林价更新、小班林木资产评估模型更新;建立林价主要影响因素调整系数回归模型,优于以往对影响因素作分级处理的简单做法。     

天然林五角槭木材纤维长度的时间序列分析

为获得时间序列模型对天然林五角槭木材纤维长度的数据拟合与预测效果,以其径向变异规律为研究对象,采用时间序列模型中的自回归移动平均模型(ARIMA)进行数据拟合和中短期预测。研究结果表明,采用模型ARIMA(0,1,1)可以对天然林五角槭木纤维长度进行数据拟合与预测,模型拟合数据效果较好,5年短期预测精度高于10年和20年中期预测精度。     

TGIS中的时空数据模型的研究进展

总结了TGIS中的时空数据模型的发展历史，分析了序列快照模型、基态修正模型、时空复合模型、时空立方体模型、非一范式模型和对象关系模型等几种典型的时空数据模型的特点，提出了建立基于栅格数据的对象关系时空数据模型的必要性。     

基于Landsat长时间序列的森林扰动参数提取与树高估算

【目的】研究基于遥感影像的森林扰动信息定量提取及其对树高估算的影响,为遥感反演森林参数(树高、生物量)提供参考和借鉴。【方法】选取黑龙江省凉水国家级自然保护区为研究区,以1984—2006年33期Landsat TM/ETM+多光谱遥感影像为数据源,对其进行缨帽变换提取缨帽角(TCA)和缨帽距离(TCD)2个扰动监测指数,采用时间轨迹分析方法(LandTrendr)对TCA与TCD指数进行时间序列重构,分别提取扰动发生的前一年(DBYEA)、扰动发生前的光谱值(DBVAL)、扰动持续时间(DDUR)、扰动量级(DMAG)、扰动后开始修复的时间(RBYEAR)、扰动后开始修复的光谱值(RBVAL)、修复量级(RMAG)和修复持续时间(RDUR)8个时间序列扰动参数。基于单时相Landsat影像光谱信息与单时相Landsat影像光谱信息+森林扰动参数2组变量分别采用随机森林(RF)算法估算树高。【结果】采用单时相Landsat影像光谱信息结合基于TCA和TCD提取的16个时间序列扰动参数建立的树高反演模型预估精度比采用单时相Landsat影像光谱信息建立的树高反演模型预估精度提高6.34%,均方根误差(RMSE)降低0.50 m。树高反演模型中基于TCA提取的时间序列扰动参数变量重要性高于基于TCD提取的时间序列扰动参数变量重要性。【结论】基于LandTrendr提取的森林时间序列扰动参数能够增强反射率与树高之间的相关性,提高遥感树高模型的反演精度,基于TCA提取的森林时间序列扰动参数对树高的解释能力高于基于TCD提取的森林时间序列扰动参数。     

经济变量对数线性模型的构造技巧与应用实例

经济变量大多以时间变量的形式呈现,利用时间序列变量的对数形式建立的线性模型,不但便于运算而且可以有效消除不同变量异方差性。因此利用时间序列变量对数形式建立的线性模型就成为研究经济现象的一种重要方法。针对这类模型引用的广泛性以及在计量检验过程中待估参数对被解释变量解读的重要性,本文对数线性模型的构造提出了合理的步骤和方法。     

基于非线性混合模型的落叶松云冷杉林分断面积模型

以吉林省汪清林业局金沟岭林场20块落叶松云冷杉样地为研究对象.首先选择传统的回归方法从4个常用的断面积模型中找出模拟精度最高的模型作为基础模型,利用基础模型及模拟数据构建非线性混合模型,考虑样地效应,采用SAS软件进行模拟,选择模型收敛及其对数似然值、AIC和BIC值最小的混合模型作为最优模型;然后,在此基础上考虑断面积连续观测数据的时间序列相关性,并把间伐强度以哑变量形式考虑进去,再进行混合模型的模拟;最后,利用验证数据对混合模型方法与传统的非线性回归模拟方法进行精度比较.结果表明:林分密度指数作为自变量的Schumacher式的模拟精度最高,而考虑样地效应的混合模型模拟精度优于传统的回归模型方法;一阶自回归误差结构矩阵模型在解释断面积的时间序列相关性时不仅提高了混合模型的模拟精度,而且能够很好地表达连续观测数据问误差分布情况;同时考虑样地的随机效应、观测数据的时间序列相关性及间伐强度的混合模型模拟精度比传统的非线性回归方法模拟精度高.     

修正的灰色模型在森林生物灾害发生面积预测中的应用

以2000—2008年《中国林业统计年鉴》中生物灾害发生面积为依据,采用原序列和残差序列进行灰色动态预测模型GM(1,1)建模,分别建立林业病虫鼠害发生总面积、病害发生面积、虫害发生面积、鼠害发生面积、松毛虫发生面积、杨树食叶害虫发生面积和杨树蛀干害虫发生面积及各指标重度发生面积的灰色预测模型,对森林生物灾害发生面积进行预测。通过精度检验,应用残差序列所建的14个指标模型中,有3个模型非常准确(平均相对误差小于1%),5个模型很准确(平均相对误差在1%~5%之间),5个模型较准确(平均相对误差在5%~10%),只有1个模型准确率较低(平均相对误差大于10%)。所建立的模型适用于发生面积趋势预测,准确率非常高,预测结果有较高置信度,且给出了5 a预测结果。该研究为我国森林生物灾害预测提供了新的途径。     

基于纵向数据非线性混合模型的杉木林优势木平均高研究

以江西省大岗山实验局不同初植密度的杉木林为研究对象,选择修改的Richards模型形式,考虑样地效应,采用SAS软件进行非线性混合效应模型的模拟,利用AIC和BIC值评价模型模拟效果。在此基础上考虑优势木平均高连续观测数据的时间序列相关性,并把初植密度以哑变量形式考虑进去,再进行混合模型的模拟。最后,利用验证数据对混合模型方法与传统的非线性回归模拟方法进行精度比较。研究结果表明,修改的Richards形式的优势木平均高与林龄关系的非线性混合效应模型,其估计精度比传统的回归模型估计精度明显提高,增加随机效应参数个数能够提高模型的估计精度。一阶自回归误差结构矩阵模型在解释优势木平均高的时间序列相关性时不仅提高了混合模型的模拟精度,而且能够很好的表达连续观测数据间误差分布情况;同时考虑样地的随机效应、观测数据的时间序列相关性及不同初植密度的混合模型模拟精度比传统的非线性回归方法模拟精度高。     

人工林胡桃楸木材纤维长度径向变异规律研究

木材纤维长度是衡量木材材质、材性和植物纤维原料质量优劣的较重要的指标之一。为初步掌握人工林胡桃楸木材材质材性的径向变异规律,以其木纤维长度为研究对象,采用时间序列和一元回归两种分析方法,进行数据拟合和短期预测。研究结果表明,采用时间序列模型ARIMA和一元回归方程可以对人工林胡桃楸木纤维长度进行数据拟合与4 a短期预测,ARIMA模型的拟合效果优于一元回归方程,一元回归方程的预测效果优于ARIMA模型。     

马尾松毛虫发生量的混沌检测

以非线性动力学为基础,通过时间序列分析和前馈网络模型建模的方法分析马尾松毛虫发生量的复杂性动态。前馈网络模型估计的最大Lyapunov指数为0.155 1,说明马尾松毛虫发生量序列存在混沌现象。马尾松毛虫当代的种群大小与前一代或前几代的种群大小密切相关,因而可用重构相空间的方法以前一代来预测下一代。     

深圳综合指数收益波动性的实证研究

股票市场波动性问题是诸多金融研究中的一个重要课题。本文运用时间序列的GARCH模型的推广形式对深圳综合指数股票收益率序列建模．结果显示我国股票市场收益有明显的长期记忆性、波动集簇性以及波动的信息不对称性等特点。     

广西森林生长量及消耗量的灰色预测

应用灰色数列预测方法,以广西历次森林资源连续清查所取得的生长量及消耗量为时间数据序列,建立GM(1,1)模型,经残差检验、后验差检验、关联度检验之后,用所建模型对广西未来森林生长量及消耗量进行了预测。     

基于ARIMA乘积季节模型的我国海关进出口商品总值的时间序列分析

在对时间序列分析理论研究基础上,通过利用SAS统计软件,系统地分析了1995年至2010年我国海关进出口商品总值月度数据的变化规律。分析结果表明,建立的ARIMA((1,3),1,0)×(1,1,1)12乘积季节模型的预测精度较高,能充分反映我国海关进出口商品总值的时间序列变化规律,可采用该乘积季节模型对2011年上半年我国海关进出口商品总值进行预测。     

用多项复合模型预测林分蓄积生长过程

用林分年龄——公顷蓄积量序列,建立多种回归曲线模型进行公顷蓄积量预测,然后利用多项复合模型对多种回归曲线模型预测值进行加权平均,得到新的预测值,这样既充分利用各种回归曲线模型预测值的有用信息,又减小了预测误差,提高了预测精度。     

第三讲 灰色系统建模方法

一、什么是灰色模型社会、经济系统是典型的抽象系统,所以在作量化、模型化、实体化研究时,能作为反映系统主要动态特征的数据是很少的。灰色系统建模是用较少的或不确切的没有规律的表示系统行为特征的原始数据,通过生成处理后,变成比较有规律的按时间序列数据所建立的模型,称为灰色模型(GREY MODEL),简称GM模型。灰色模型是揭示系统内部事物连续发展变化过程的模型,所以灰色系统建立的一般是微分方程描述的模型。