多元线性模型中的条件最优预测

研究了带线性等式约束下任意秩多元线性模型中条件可预测变量的最优预测。特别地考虑了一类特殊的预测函数：φ－线性预测函数，给出了条件φ－线性可预测变量和条件最优φ－线性无偏预测的定义。得到了条件φ－线性可预测变量的条件最优φ－线性无偏预测，并证明了它在几乎处处意义下的唯一性。     

任意秩多元线性模型中最优预测的稳健性

研究了任意秩多元线性模型中最优线性无偏预测的稳健性，即对任一线性可预测变量，得到了其关于协方差矩阵具有稳健性的充要条件.     

一般增长曲线模型中的最优线性无偏预测

研究了一般增长曲线模型中线性可预测变量的最优预测问题，分别在μ（△L)包含μ（Z‘）和μ（VK‘）包含μ（X）的条件下得到了线性可预测变量的最优线性无偏预测。特别地，考虑了一类特殊的预测函数：Ф-线性预测函数，得到了Ф-可预测变量的最优垂线性无偏预测。结果表明，任意两个最优线性无偏预测以及最优Ф-线性无偏预测都以概率为1相等，从而将这方面的结果推广到一般增长曲线模型。     

最佳线性无偏预测估计种畜育种值（BLUP）可视化计算机程序

应用VB6可视化编程软件,设计较先进的最佳线性无偏预测估计种畜育种值(BLUP法)程序,增强了软件的功能,使其更具易用性、广泛性.     

经纬杂交试验分析新法──最优线性无偏预测

对于经纬杂交试验，首次引入了最优线性无偏预测原理。提出了一种新的分析方法，并就数学模型、统计假定、方差组分估计及具体求算各个步骤进行了深入细致的研究．这种方法假定各参数为随机效应，不受重复数等与不等的影响，且可以剔除环境效应，并利用多环境下的资料，因而可以提高预测值的准确性并使其具有更广泛的适用性．     

豫农黑猪体尺性状遗传参数估计的模型研究

【目的】为提高豫农黑猪体尺性状遗传参数估计的准确性,加快豫农黑猪选育进展。【方法】利用最佳线性无偏预测(best linear unbiased prediction, BLUP)和基因组最佳线性无偏预测(genomic best linear unbiased prediction, GBLUP)2种方法,构建3个单性状动物模型,即基于BLUP的模型1、基于GBLUP的模型2以及基于包含基因组近交系数GBLUP的模型3,采用平均信息约束性最大似然算法(average information restricted maximum likelihood, AIREML)对702头豫农黑猪体尺性状的遗传参数进行估计。【结果】在遗传参数估计的准确性方面,模型1估计的准确性低于模型2和3;模型3和模型2相比,提高了胸围、腿臀围和眼肌深度性状遗传参数估计的准确性。模型3估计体高、腿臀围、背膘厚和眼肌深度的遗传力为0.566、0.302、0.467和0.652,属于高遗传力性状;体长、胸围和管围的遗传力为0.152、0.122和0.255,属于中遗传力性状。体尺性状间的表型相关系数为-0.009～...     

线性模型中参数的平衡LS估计及其性质

基于平衡损失的思想,提出了估计线性模型中的参数的一个新标准,给出了在此标准下模型参数的估计,并分别得到了该估计是无偏估计、有效估计和可容许线性估计的充分必要条件.     

均方误差意义下AUGR估计与GR估计及OLS估计的效率比较

在均方误差意义下,从均方误差的结构出发,从局部的角度比较了几乎无偏广义岭估计与广义岭估计、几乎无偏广义岭估计与最小二乘估计,给出了几乎无偏广义岭估计优于广义岭估计以及几乎无偏广义岭估计优于最小二乘估计的充分条件.     

均方误差意义下AUGR估计与GR估计及OLS估计的效率比较

在均方误差意义下,从均方误差的结构出发,从局部的角度比较了几乎无偏广义岭估计与广义岭估计、几乎无偏广义岭估计与最小二乘估计,给出了几乎无偏广义岭估计优于广义岭估计以及几乎无偏广义岭估计优于最小二乘估计的充分条件．     

一般增长曲线模型中线性预测的可容许性

研究了一般增长曲线模型中线性可预测变量的最优预测，给出了可容许线性预测的定义，并分别在齐次线性预测类和非齐次线性预测类中得到了线性可预测变量的一个线性预测是可容许预测的充要条件．     

遗传值最佳线性无偏预测及其在树木育种中的应用

该文回顾了林木遗传值最佳线性无偏预测的研究历史；介绍了其原理、性质和各种简化预测形式；并以泡桐为例，讨论了林木育种中预测遗传值的有关问题。     

灰色线性组合模型在涝灾预测中的应用

灰色线性组合模型由于在传统灰色预测模型的基础上加入了对数据的线性分析,在各个领域应用已较为广泛.应用灰色线性组合模型,以沈阳市1960～2006年的降雨量作为数据依据,建立模型对涝灾进行预测.结果表明:组合模型较好的拟合了预测灾变年,预测误差小于普通灰色预测模型,为涝灾预测增加了一种新方法.     

林木育种值预测方法的应用与分析

育种值预测是遗传评价的核心。为了能恰当地选用适当方法估算林木育种值,本文概述了当前林木育种值预测的主要方法、原理及其在日本落叶松家系（亲本）及个体育种值预测和优良基因型选择中的应用。通过对各种预测方法应用结果的分析表明:对于平衡或近似平衡数据和无亲缘关系（或可忽略）的非平衡数据,最佳线性预测（BLP）、最佳线性无偏预测（BLUP）法均可以取得很高的预测精度,但考虑到计算的简便性,BLP法更为适用;对于有亲缘关系或具有不同遗传固定效应的候选材料,BLUP法更为适用;对于多性状联合选择,选择指数仍是理想的方法。最后对育种值预测方法的适用情况及存在问题进行了讨论。      

基于岭回归的河西走廊中部日光温室低温预测模型

为了构建基于气象要素的甘肃省甘州区日光温室低温预测模型,探索应用了岭回归分析的方法。在合理选取预测因子的基础上,对预测因子之间存在的多重共线性进行诊断,为了克服预测因子共线性对模型稳定性的影响,选择岭回归分析的方法进行共线性的处理和模型构建,应用模型的预测值与实测值对模型的精度进行检验。结果表明：选取的预测因子之间存在共线性问题,通过岭回归分析建立的日光低温预测模型可以克服预测因子间由于共线性问题对模型参数造成的影响,模型预测值与实测值之间的绝对误差(≤3℃)的准确率为98.4%,决定系数(R²)为0.8543和均方根误差(RMSE)为0.7849℃,模型精度较好。基于岭回归分析法建立的日光温室低温预测模型能够对当地日光温室低温进行合理而有效的预测。     

基于WEB和移动设备的学生安全平台设计

考虑到赔付流量三角形数据同一事故年反复观测的纵向特征以及数据结构的层次性，建立了分层广义线性模型.与通常的随机模型相比，分层广义线性模型不但可以选择条件反应变量的分布而且风险参数分布范围也更加广泛.利用h-似然函数估计分层广义线性模型的模型参数，降低了计算量.为使模型具有可比性，评估模型的预测精度，推导了模型预测误差的估计式.为充分利用已知赔付信息，将赔付额和赔付次数两种赔付信息纳入未决赔款准备金评估模型，建立了两阶段分层广义线性模型.在线性预测量中考虑了各种固定效应和随机效应以及模型结构的散布参数，改进了线性预估量结构.研究表明：分层广义线性模型对于数据的各种分布及形式都具有很好的适应性，更加符合保险实务现实的赔付规律.     

最小二乘估计和最隹线性无偏估计的关系

本文讨论广义线性模型的均值向量的最小二乘估计和最佳线性无偏估计的关系,得到了它们相等的充要条件以及它们的偏差关系和偏差范数估计;并在欧氏范数下,进一步讨论了这种偏差估计。     

基于机器学习的落叶松毛虫发生面积预测模型

落叶松毛虫为我国主要害虫之一,其发生严重影响了我国林木生长和森林资源的安全。因此,及时准确地对落叶松毛虫虫害发生趋势进行预测、预报十分必要。虫害的发生受到多种因素的影响,存在复杂的非线性关系,传统的预测方法大多为基于线性的预测,导致其预测效果不够理想。本研究选取当年3月中旬的总蒸发量、上年7月上旬的平均最低气温、当年3月下旬的极端最低气温以及上年11月上旬的平均风速作为自变量,虫害发生面积作为因变量,利用多层前馈神经网络(MLFN)、广义回归神经网络(GRNN)以及支持向量机(SVM)3种机器学习算法对落叶松毛虫发生面积进行预测,并将3种方法的预测结果与传统多元线性回归预测方法相比较。结果表明,机器学习的预测效果均在很大程度上优于多元线性回归预测,并且在3种机器学习算法中,SVM模型的预测效果最好,在30%容忍度下其预测精度可以达到100%,并且该模型还有较低的RMSE值(0.077)和较短的训练时间(1 s)。这表明,机器学习可以应用于生产实际并有效预测虫害发生面积,尤其是SVM模型可以作为一种很好的虫害发生预测手段。      

降秩多元线性模型参数阵的BLU估计

本文研究了降秩多元线性模型的边界条件，得到了参数阵的最佳线性无偏估计（ＢＬＵ估计）。     

不同基因辅助选择方法对QTL的选择效率

 在假定目标性状由一个QTL和多基因共同控制的基础上,采用计算机模拟方法研究了在一个闭锁群体内分别采用基因型选择（GTS）、基因辅助BLUP（GBLUP）和常规动物模型BLUP方法对单个性状实施连续选择的效果,并以常规动物模型BLUP为参照,分析了GTS和GBLUP方法对目标性状QTL的选择效率。结果表明：与常规动物模型BLUP相比,GTS和GBLUP选择均可获得更大的QTL基因型值进展,QTL增效等位基因频率上升的速度也更快;与GBLUP相比,GTS方法对QTL的选择效率更高。GTS和GBLUP对QTL的选择优势在短期选择时较为明显,随着世代的递增,这种优势将逐渐降低甚至消失。