非参数估计在构造树高曲线中的应用

研究测树因子之间的数学关系,是森林调查的重要理论工作.该文以树高曲线模型为例,首先分析了最小二乘估计（LS估计）存在的缺陷,然后采用非参数核密度估计和最大概率估计两种方法建立了树高曲线模型.结果表明:①核密度估计能在一定最优准则下很好地适应样本,误差小,样本的统计特性和多峰形态亦得到很好的反映;②最大概率估计则适合在因变量和自变量均有误差的情况下建立模型.它摈弃了LS估计和核密度估计只考虑因变量统计误差的局限性,因此这种估计方法更符合实际情况.同时,当样本中含有误差很大的异常数据时,核密度估计和最大概率估计所得模型比LS估计方法所得模型更稳定.      

模型误差几种估计方法的比较及应用

本文对林业实践中模型预测误差、预测相对误差的估计方法进行了讨论和比较,从非参数性方法导出了预测误差、预测相对误差的简捷估计方法,这些方法具有明确的统计意义,可用来检验模型的适用性,评价模型优劣.文中给出了估测森林蓄积量不同模型评价的实例.     

核密度估计在构造树高曲线中的应用

以建立云南思茅松林树高曲线模型为例,在分析最小二乘估计( LS 估计)存在缺陷的基础上,采用非参数核密度估计建立树高曲线模型.结果表明:适当选取核函数和窗宽后,核密度估计优于LS估计;核密度估计不仅可用于建模,还可用于数据检验;用核估计方法拟合模型,要求原始数据为大样本,否则模型波动较大.     

洪水频率分析计算新方法初探

以非参数统计理论为基础,把变换理论和非参数统计理论结合起来,建立了洪水频率分析的非参密度变换模型。通过变换,改进了非参数统计核密度估计方法,提高了小样本的估计精度,避开了窗宽选择的难题。为洪水频率分析提供了另外一种参考方法。     

利用核密度估计改进遥感图像贝叶斯分类法

把非参数核密度估计方法引入到遥感图像贝叶斯(Bayes)分类问题中,对各类的分布密度函数进行非参数核密度估计,从而改进了Bayes分类方法.通过对遥感图像实例分类,与传统Bayes分类方法和其它统计分类方法比较,分类精度得到了提高.该方法解决了其他分类方法单中心的局限,既保留了核密度估计法理论上的优点和平滑性,又适合云南由于地形和光照影响而产生的同一地类在相空间中是多中心的特点,具有一定的应用推广价值.     

中位数的非参数推断

目的 利用非参数方法诊断一组数据的中位数.方法 首先,运用符号检验,wilcoxon秩检验及正态记分检验等非参数方法,对实际数据的中位数进行了推断分析.然后,利用R软件编程运算,得到了实际数据的中位数及其非对称置信区间.最后,分析比较了各种方法的优劣.结果 与结论 研究表明,本文所取的实际数据的中位数为76.另外,通过...     

森林蓄积定量估测的岭估计参数

为克服影响森林蓄积估测的遥感和GIS因子间可能存在多重相关性的影响，采用岭估计建立森林蓄积估测方程。主要研究内容包括采用岭估计的条件、各种岭参数计算方法的比较、最优岭参数计算方法的选择及软件实现。通过实例计算，比较了当在影响蓄积估测的遥感和GIS因子间存在多重相关性时，岭参数的选择及岭估计和最小二乘估计的优劣。     

基于核密度估计的拖拉机传动轴载荷外推方法

为编制拖拉机传动轴在实际作业工况下的载荷谱,针对拖拉机传动轴载荷具有单峰和多峰的特点及参数外推的局限性,运用拇指法(Rule-of-thumb,ROT)确实带宽,提出一种改进的基于核密度估计(Kernel density estimation,KDE)的载荷外推方法。通过搭建拖拉机传动轴无线扭矩测试系统并进行田间试验,获得了传动轴犁耕工况下的载荷数据,采用拇指法求得From-To雨流矩阵的最优带宽,并由雨流矩阵计算出核密度估计阈值,对大于阈值的载荷采用基于核密度估计的非参数法进行外推,小于阈值的载荷则按比例外推,最后对外推载荷的合理性进行验证。结果表明:与传统非参数法相比,采用基于核密度估计的外推方法时,运算时间缩短了54.16%;与实测载荷相比,外推后的均值、标准差和最大值的误差分别为2.2%、0.87%和6.3%,拟合度R2和伪损伤比均大于0.99。用此方法对传动轴的其他工况载荷进行外推,同样得到了良好的效果。基于核密度估计的外推方法有助于编制反映拖拉机传动轴实际受载工况的载荷谱,同时为具有相似载荷分布特点的机械零部件载荷外推提供参考。     

格氏栲天然林物种多度分布的核估计研究

物种多度分布是格氏栲林物种多样性研究的一个重要领域.该文以格氏栲林7个主要群落组成类型:①格氏栲 木荷 木姜子(Castanopsis kawakamii Schima superba Litsea mollifolia);②格氏栲 虎皮楠 木荷(Castanopsis kawakamii Daphniphyllum oldhamii Schima superba);③格氏栲 青冈栎 冬青(Castanopsis kawakamii Quercus glandulifera Ilex purpurea);④格氏栲(Castanopsis kawakamii)纯林;⑤马尾松 木荷 杜英(Pinus massoniana Schima superba Elaeocarpus decipiens);⑥格氏栲 马尾松 老鼠刺(Castanopsis kawakamii Pinus massoniana Symplocos stellaris);⑦甜槠 格氏栲 木荷(Castanopsis eyrei Castanopsis kawakamii Schima superba),进行种类数量调查,提出采用非参数核密度估计方法对格氏栲林7个主要群落乔木层、灌木层及所有木本植物的物种多度进行拟合、检验以及图解分析.结果表明:核估计方法能很好地描述格氏栲林不同的主要群落乔木层、灌木层及所有木本植物物种多度分布,表明非参数核密度估计方法是格氏栲林物种多度分布模拟的一种有效方法.     

非参数核密度估计在阔叶红松天然林直径分布研究中的应用

应用非参数核密度估计理论和方法,对位于辽宁东部山区的阔叶红松林标准地的红松进行直径结构模拟,并与正态分布、威布尔分布进行了比较.结果表明,核密度估计方法在模拟直径分布方面明显优于后者.当威布尔和正态分布函数能够很好拟合林分直径分布时,核密度估计方法也能对该林分进行拟合,并且拟合精度要优于它们;在威布尔和正态分布函数不能拟舍林分时,核密度估计方法仍能很好的拟合该林分,并能取得很好的效果.