一、EM算法在非齐次泊松过程模型参数估计中的应用（论文文献综述）
吕燚[1]（2019）在《退化系统的可靠性建模与老练策略优化》文中研究指明随着市场竞争日益激烈,产品除了功能和性能,可靠性也已经成为一项重要的评价指标。对于生产厂家,提升产品可靠性、降低产品失效的不确定性将有助于增强其品牌溢价能力,是提升产品竞争力和企业效益的重要途径。因此,近年来对产品可靠性问题的研究受到了来自学术界和工业界的普遍关注。随着检测技术的进步和对产品失效机理认识的不断深入,越来越多产品的失效可以归因于其性能退化,基于性能退化的可靠性分析已经成为该领域的研究热点之一。本课题来源于国家重大科学设备仪器开发专项“大功率半导体激光器综合测试仪器”。大功率半导体激光器是激光产业的核心部件,是一种典型的性能退化器件。激光器输出光功率随着工作时间的增加会逐渐减弱,直至无法满足应用需求,发生退化失效。本文以半导体激光器为背景,围绕退化系统（产品）的可靠性建模、剩余寿命预测、老练策略优化以及大功率半导体激光器可靠性测试仪器的开发等问题展开研究,主要内容如下:1.研究了基于故障率的退化系统建模与应用。采用故障率递增特性刻画系统自身退化过程,采用随机冲击模型刻画外部环境对系统自身退化过程的影响,基于有效役龄的方法推导出了系统的可靠性模型。提出了一种融合预防性维修和恢复性维修的混合维修策略,并以优化产品长期可用度和平均维修费用为目标对维修策略进行了多目标优化。2.研究了基于逆高斯过程的退化系统建模与剩余寿命预测问题。采用逆高斯过程对系统的退化过程进行建模,引入随机效应参数刻画个体间的退化特性差异,采用双参数环境应力协变量刻画实际环境应力和工作负荷,并推导出了非线性形状函数条件下的剩余寿命分布。根据贝叶斯定理对随机效应参数进行在线更新,实时估计当前工作应力,进而得到当前工作应力下的剩余寿命。该模型在考虑个体差异的同时能够有效地描述实际工作应力对系统固有退化过程的影响,最终通过参数在线更新进一步提高了剩余寿命预测精度。3.研究了具有退化特性产品的老练策略建模与优化问题。对于退化失效的产品,老练试验会导致参与试验的所有产品的性能发生退化,进而影响合格品平均剩余寿命。本文突出了试验过程对产品性能退化的影响,提出了一种最小化老练成本和最大化剩余寿命的老练策略优化模型。采用带有时移特性的维纳过程刻画系统的非线性退化路径,基于退化量构建了以老练试验时间和筛选阈值作为决策变量的老练筛选模型,推导出了试验成本和平均剩余寿命两个维度的目标函数,采用进化算法实现老练策略的双目标优化,并通过仿真实验验证了该方法的有效性。4.依据大功率半导体激光器的光电特性和退化特征,研发了一套基于现场总线的分布式大功率半导体激光器可靠性测试与老练筛选系统。从测试系统的总体结构、硬件电路、控制算法以及可靠性数据分析等方面详细介绍了该系统的设计与实现,并通过测试验证了其高效电流控制与可靠性测试等功能。本系统实现了激光器温度和电流的双应力测试,可用于大功率半导体激光器的加速退化试验、老练筛选试验和寿命测试等多种可靠性试验。
李晨龙[2]（2019）在《基于级联和自激点过程的通讯行为特征挖掘》文中提出本文旨在研究级联点过程的参数估计、自激点过程的半参数与非参数估计以及借助级联和自激点过程挖掘和分析通讯行为特征.级联和自激点过程是一类描述聚类现象的点过程,可以有效地再现一件事件发生后产生的级联效应,因此常被用来解释人类行为中的爆发现象.其中最活跃的是自激点过程,近年来被广泛应用于以人类为主导的犯罪与安全、社交网络和金融等领域.同时,相比于其它类型的人类行为数据,人类通讯数据日益重要且隐含人类行为特征和规律,社会价值巨大.通过对人类通讯行为的时间和空间特征进行量化分析,可以对人群进行分类.早期的通讯多数是通过信件进行的,当代则主要通过电子邮件和电话进行通讯.电子邮件常被用来处理公务和商务工作,因此对个人电子邮件通讯的研究有助于理解人们的工作习惯.与电子邮件通讯相比,电话通讯更具有即时性,其中有一类十分重要的即时通讯——紧急呼叫.对紧急呼叫时空特征的研究有助于分析人群应对紧急事件的应急反应、对紧急事件的关注热度、以及紧急事件在人群中的传播规律.个人电子邮件通讯具有级联和周期特征,我们通过在级联点过程中引入马尔可夫链和周期强度函数来描述这些特征,并进一步利用半参数自激点过程分析这些特征.而紧急呼叫的时空特征较为复杂,因此我们采用非参数自激点过程来研究紧急呼叫,并进一步利用变系数自激点过程分析其时空特征.此外,我们还研究了一类特殊变系数自激点过程估计的性质.本文工作的创新性与结论集中在以下四点:1、推导了级联非齐次泊松过程的间距性质,提出了马尔可夫级联非齐次泊松过程.该模型能够比较准确的描述个人电子邮件通讯中的周期性爆发模式和厚尾特性,拟合的模型与真实数据的系统偏差可控;2、提出了一种改进的估计半参数时空自激点过程条件强度函数的方法,利用数值模拟研究了改进的估计方法的性能,并进一步研究了用该模型分析个人电子邮件通讯行为的效用.结果表明,半参数自激点过程的拟合效果优于级联点过程;3、提出了一种改进的估计非参数时空自激点过程条件强度函数的方法,利用数值模拟研究了改进的估计方法的性能.结果表明,改进的估计方法具有鲁棒性,同时,该模型能够比较准确地描述紧急呼叫的时空统计特征;4、提出了变系数时空自激点过程,研究了分段常数条件强度函数极大似然估计的渐近性质,给出了一般条件强度函数的非参数估计方法,厘清了该估计与已有非参数估计的联系,最后,通过数值模拟验证了估计的有效性.
周延延[3]（2019）在《受限条件下铁路旅客购票需求估计方法研究》文中研究指明准确把握客运需求是铁路客运营销决策工作的重要基础,也是客票销售组织的参考依据,而购票需求是客运需求在数量上的表现形式,历史购票数据作为获取购票需求最直接的数据源,是获取购票需求有效方法之一。然而,由于存在运能的结构性不足,在某些日期、某些车次、某些时段、某些OD上会出现票不够卖的情况。在这种情况下,客票系统中所获得的历史购票数据并不能代表旅客真实的购票需求;基于这样的数据进行的客运需求预测往往是不准确的,也会影响客运营销决策工作的科学性和合理性。因此,从历史购票数据当中还原出旅客真实的购票需求是提高铁路客运营销决策水平的一个可能方案,也是本文试图解决的问题。本文首先讨论了旅客到达过程和购票决策行为,着重分析了票额受限情况下旅客购票决策行为变化;其次,基于受限条件下的历史客票数据,构建了受限条件下旅客需求估计模型,并结合EM算法阐述了模型求解步骤;接着,利用数值仿真方法生成仿真数据,将需求估计模型的求解结果与仿真的购票需求数据对比,评估了铁路客运产品数量、偏好分布类型、受限情况等不同场景下的需求估计模型的性能;最后,基于实际运营数据,采用需求估计模型估计旅客真实的购票需求,并分析了购票需求估计结果的合理性。论文的研究成果将有利于提高铁路客流分析和预测的准确性,其应用将促进铁路客运产品设计的改进及客票销售组织决策的发挥。图19幅,表10个,参考文献59篇。
王伟伟[4]（2019）在《面板计数数据的稳健估计研究》文中研究表明面板计数数据产生于关于复发事件或历史事件的研究中,其中试验个体只在特定离散时间点观测.该类数据来自于各种领域,包括医学研究,保险研究,可靠性和致瘤性试验中.目前,有关面板计数数据的研究引起了大量的关注.然而我们发现大多数方法都缺乏稳健性,对异常值点非常敏感.有关面板计数数据稳健估计的研究文献非常有限,因此,本文中我们主要讨论面板计数数据的稳健估计问题.主要内容如下:（1）我们提出了基于分位数回归下的面板计数数据联合脆弱模型稳健变量选择的方法.我们应用三步估计方法估计未知系数以及未知函数.第一步:观测过程的估计,即非参数方法估计基准函数以及惩罚方法估计协变量.第二步:利用带惩罚的EM算法对随访过程进行估计.第三步:对复发事件过程利用基于分位数下稳健变量选择方法进行估计.由于面板计数数据为离散变量,因此首先通过平滑技术将离散变量连续化,然后利用样条函数对基准函数进行近似,最后通过惩罚的分位数回归对感兴趣的变量进行估计.在一些常规正则条件下,建立了估计的相合性以及Oracle性质.随机模拟以及膀胱癌数据分析验证了所提方法在有限样本下的表现.（2）提出了具有信息观测时间的半参数部分线性变系数面板计数数据模型,用来描述变量之间非线性的交互效应.首先对基准函数以及变系数利用B-样条函数近似,然后对该模型利用分位数回归进行统计推断.另外,我们给出了估计量的渐近理论性质.通过数值模拟验证以及评估了所提方法在有限样本下的表现.最后,将所提出的模型应用于膀胱癌数据作为实例研究.（3）为了考虑个体内部之间的相关性,我们提出基于二次推断函数下的变时间系数面板计数数据模型分位数估计方法.所提方法可以很容易地考虑个体内部之间的相关性,并且即使在工作相关矩阵错误给定时也可以得到更有效的估计.另外提出了非参数假设检验对系数是否随时间变化进行检验.在一些正则条件下,我们给出了估计量的渐近结果.通过数值模拟验证以及评估了所提方法在有限样本下的表现及其有效性.最后,实例数据-膀胱癌数据被重新利用所提的模型以及方法进行分析.（4）考虑到观测过程可能与复发事件过程相关,我们建立了一个更一般的面板计数数据模型.带惩罚的复合分位数方法被用来对该模型进行估计.在一些常规正则条件下,建立了估计量的相合性以及Oracle性质.通过数值模拟验证以及评估了所提模型以及估计方法在有限样本下的表现.另外我们重新对膀胱癌数据进行了分析。本文的创新之处如下:一.利用基于分位数回归的稳健变量选择方法对面板计数数据联合脆弱模型进行估计,进一步丰富了面板计数数据的稳健估计方法.二.我们对具有信息观测时间的部分变系数面板计数数据模型进行分位数估计,所提方法具有很好的稳健性并且对异常值不敏感.三.我们考虑了变时间系数的面板计数数据模型中个体内部的相关性,并且通过基于二次推断函数的分位数回归方法得到有效的估计.四.提出了一个更一般的具有相依观测过程的面板计数数据模型.利用惩罚复合分位数方法得到模型的有效估计。
李佰川[5]（2020）在《立式加工中心早期故障消除技术研究》文中认为汽车行业作为我国的支柱型产业之一,其关键零部件加工质量和生产效率直接关系到汽车的动力性、经济性和环保性。作为汽车动力系统零部件主要加工机床之一,立式加工中心的高精度、高效率以及高可靠性是我们追求的目标、也是汽车行业提档升级的基础。国外加工中心的可靠性已经达到了较高的水准,然而国内的加工中心在早期使用阶段故障频发,一直制约着机床行业和汽车行业从中端迈向高端的发展,因此消除立式加工中心早期故障,提高其可靠性已经刻不容缓。本文依托重庆市科委“汽车动力系统关键零部件加工数控机床增效技术开发与应用”项目（项目编号:cstc2017zdcy-zdzxX0005）,以重庆市某机床企业所生产的立式加工中心（VTC-32S）为研究对象,使用统计检验法则建立了与故障数据相匹配的可靠性模型,确定了机床的早期故障期;将故障失效模式及影响分析（FMEA）与故障树分析（FTA）技术相结合,确定了早期故障期的严重故障模式和导致相应早期故障产生的重要底事件;针对故障频发的子系统,设计早期故障试验方案并进行相应的试验;最后对总装过程装配精度进行了相关分析。论文主要研究内容包括以下几个方面:（1）立式加工中心故障率曲线建模。采用统计量检验法对机床故障数据进行独立同分布检验,初步判定故障数据符合随机点过程的非齐次泊松过程（NHPP）;运用图检法进行趋势检验,进一步确定故障数据服从NHPP中的浴盆曲线模型;采用最大期望算法（EM算法）求解了几类可能符合故障数据的浴盆曲线模型参数;并使用赤池信息准则（AIC）和拟合优度R确定了边界浴盆强度过程（B-BIP）模型是最优模型,从而确定了早期故障期约为1588h。（2）立式加工中心结构层次划分及早期故障分析。根据早期故障期,对处于早期故障期的故障数据进行统计,得到自动换刀子系统是故障频发的子系统;基于群组层次分析法（GAHP）和逼近理想解排序法（TOPSIS）建立了早期FMEA分析模型,得到“几何精度超标”是最严重的故障模式。并根据故障数据统计,以“Z轴垂直度超标”为顶事件,运用下行法和模糊评价法进行定性和定量分析,得到零部件装配精度低是导致该顶事件发生的重要底事件。（3）基于载荷谱的自动换刀系统早期故障排除试验。针对故障频发的自动换刀子系统（ATC）,收集实际工况信息,确定了服从双对数正态分布的单刀相对重量谱、服从威布尔分布的刀库相对重量谱以及服从Clayton Copula联合函数的二维载荷谱;并根据二维载荷谱进行了早期故障试验方案的设计,包括分级加载表、任务剖面等。最后,通过对试验结果的分析,采取了相应的整改措施。（4）基于状态空间模型的装配精度分析。总装环节是整机质量形成的最终环节,其装配精度直接影响着整机性能,因此先在小位移旋量（SDT）理论的基础上进行了零件装配偏差传递分析,然后综合考虑零件加工误差和自身重力引起变形的影响,建立了机床总装过程的状态空间模型。最后,针对机床的Z轴垂直度,进行了装配精度分析计算。
席燕辉[6]（2013）在《非线性滤波算法及在神经网络与金融市场建模中的应用》文中研究指明随着科技的迅速发展,非线性滤波方法在信号处理、目标识别、系统状态与参数估计以及金融工程等领域获得了广泛的研究与应用。传统的非线性滤波方法大都是在线性化和高斯噪声的条件下实施的,这有可能降低滤波的精度。粒子滤波作为处理非线性、非高斯时变系统状态滤波和参数估计的一般方法,具有独特的优势。但粒子退化、样本枯竭等问题一直都困扰着粒子滤波的发展与应用。本文围绕重要性密度函数的选择,对粒子滤波展开了深入的研究与讨论。本文主要研究了非线性滤波方法在神经网络学习和金融市场微结构模型估计中的应用。在神经网络的参数估计中,噪声统计特性的确定直接影响着估计精度和收敛速度。对此,本文基于非线性滤波方法,对一般神经网络训练算法的主要缺陷进行了改进和完善。此外,针对金融时间序列的非线性、非高斯、时变波动等特征,建立了一些扩展的金融市场微结构模型,并采用非线性滤波方法解决这些金融市场微结构模型的状态估计问题。本论文的主要研究成果如下：首先,在贝叶斯理论框架下对非线性滤波方法进行了系统性研究。针对粒子滤波中粒子退化问题,提出了一种改进的粒子滤波算法—APF-IEKF（Auxiliary particle filter with iterated extended Kalman filter）,即在辅助粒子滤波的基础上融合了迭代扩展卡尔曼滤波。该算法在选取重要密度函数时,由于充分考虑了当前时刻的量测,使得粒子的分布更加接近状态后验概率分布。仿真结果显示,该方法在估计精度上要优于其它非线性滤波方法,运行时间比PF-UKF（particle filter with unscented Kalman filter）要短。同时,对各种非线性滤波算法改进的原因及适应的范围进行了深入分析。然后,针对扩展卡尔曼滤波算法在神经网络参数估计中的应用,从两方面探讨了其中的主要问题。一方面,考虑到系统噪声统计特性（噪声协方差阵）对参数估计精度的影响,并结合粒子滤波,提出了在线估计噪声协方差阵的自适应过程噪声协方差粒子滤波（adaptive process noise covariance particle filter, APNCPF）的神经网络训练算法。另一方面,从神经网络的空间模型入手,在原有状态变量（参数）基础上,将网络输出量扩展为系统状态的一部分,得到了神经网络的自组织状态空间模型。该组合状态变量不仅反映了内部状态与外部输入和输出变量之间的关系,而且能真正代表系统的内部动态特征。并将上述两改进方法应用到多层感知器（MLP）网络和径向基函数（RBF）网络的学习中,仿真结果表明了这两项改进措施的有效性。其次,结构化的非线性参数优化方法（SNPOM）是针对RBF-AR（基于RBF网络的自回归）模型的一种优异的优化算法。为了进一步提高学习精度,特别是解决对含较大噪声数据的样本学习问题,本文从RBF-AR模型的网络结构（看作一种广义的RBF网络）出发,将其转换成状态空间模型,结合EKF（Extended Kalman filter）（滤波和平滑过程）和EM（Expectation-Maximization）算法实现了对RBF-AR模型参数和噪声协方差矩阵的估计。仿真结果显示,该方法用在基于状态空间模型的RBF-AR模型结构中是有效的,特别在低信噪比情况下,估计效果比SNPOM方法好。最后,针对金融市场动态特性建模问题,考虑到不确定性因素引起资产价格的巨大波动、股市中波动的非对称性以及资产收益的尖峰厚尾特性,分别提出了非齐次泊松跳跃市场微结构模型、杠杆效应市场微结构模型以及厚尾市场微结构模型。并从理论上解释了市场微结构模型的杠杆性和厚尾性。在模型参数未知的情况下,为检测出时变跳跃强度,借鉴Lee所提出的非参数方法进行检测。在此基础上,利用无忌卡尔曼滤波（UKF, Unscented Kalman filter）和极大似然法来估计跳跃市场微结构模型的参数。针对杠杆效应市场微结构模型资产价格和波动之间的同时域相关性和厚尾市场微结构模型资产价格的非高斯性,开发了相应的MCMC（Markov chain Monte Carlo）参数估计方法。模拟仿真分析证实了上述方法的有效性。通过对我国和美国股市的实证研究发现,两股票市场均存在明显的尖峰厚尾性和非对称性,而且我国股市跳跃发生的频率明显高于美国股市。最后,采用DIC（Deviance Information Criterion）准则对正态分布市场微结构模型和学生t分布市场微结构模型进行了绩效优劣比较,研究结果表明学生t分布市场微结构模型更优,更适合股票市场的描述。
徐梓翔[7]（2018）在《区间删失资料的Bayesian比例风险模型应用研究》文中研究表明区间删失是临床随访研究中除右删失之外普遍存在的数据删失情形。Cox比例风险回归模型是分析随访数据中生存分布与其影响因素的重要方法。对于包含区间删失的数据,采用简单填补法如删失区间的左端点或中点进行填补之后,可以采用常规的偏似然函数对比例风险模型进行参数估计,但是将区间中点填补为观察时间会高估生存率,而将左端点作为生存时间可能会低估生存率,均会使模型的偏倚增加。因此常规填补法并不是理想的处理方法。参数统计方法体系下处理区间删失数据的模型构造,需要明确基线风险函数形式和生存时间的分布,模型估计较为复杂。Bayesian统计方法体系下,结合了基线风险和生存函数的似然函数,同样有模型过于复杂,计算负担重的问题。因此,运用常规的参数统计方法和常规的Bayesian统计方法都存在实际应用的问题。因此,本研究对近年来提出的一种Bayesian比例风险模型方法的统计学性质与实际应用进行了探讨。该法在贝叶斯比例风险回归模型的框架下,以单调样条函数构造联合似然函数中的基线生存函数,以非齐次泊松过程为基础对区间删失的生存时间进行数据扩增,采用Gibbs后验抽样计算,完成比例风险模型的参数估计。本研究通过模拟样本,将该法与多重填补法和经典参数法进行比较,对贝叶斯比例风险模型的推断性能进行评价;并且将该法用于含有区间删失数据的冠心病患者治疗出院后复发心血管事件的随访研究数据,以探讨与冠心病患者预后复发的潜在相关因素为例说明该法的实际应用。主要结果（1）统计模拟试验结果A.不同样本特征对贝叶斯比例风险模型的影响对不同删失区间宽度和区间删失率进行分析,主要结果显示:在10、50、100、200的删失区间宽度下,模型的估计偏差（Bias）没有明显规律与差异;在0.2、0.5、0.8的区间删失率组中,该模型的估计偏差同样没有差异。其余发现包括:随着删失区间宽度的增加,回归系数估计值的95%置信区间的宽度也在不断增加;对于服从正态分布资料的协变量的估计结果的偏差要大于服从二项分布的协变量,其估计结果的标准误（SE）要小于服从二项分布的协变量。B.贝叶斯方法与多重填补法,经典方法的比较三种方法下估计结果的偏差的绝对值都会随着右删失率的增加而增加;在不同区间删失率的样本下,三种方法间的偏差没有明显差异。三种方法估计结果的标准误会随着右删失率的降低而降低,且贝叶斯方法的结果标准误是最小值;在运行速度上,三种方法的运算时间都会随着区间删失率的升高而增加,其中贝叶斯方法的运行时间最长。C.贝叶斯比例风险模型的超参数设置对模拟结果的影响单调样条函数中伽马先验的aλ和bλ两个超参数依据已有研究设置为从0.001至1的范围,结果显示其对贝叶斯模型参数估计的偏差绝对值、标准误差和模型拟合优度指标（LPML）的均没有影响;单调样条的估计节点数对于参数估计和模型拟合的影响在不同区间删失率下的样本下均较小,但是通常在节点数为10时偏差最小。（2）实例数据分析结果对心血管事件复发随访研究的分析,在样条节点数为10,超参数aλ=bλ=1的模型参数下,Bayesian比例风险模型拟合结果为:早发型冠心病（HR=0.57,95%CI:（0.40,0.79））和糖尿病（HR=1.75,95%CI:（1.38,2.22））均为有统计学意义的变量;多重填补法得到的结果为早发型冠心病（HR=0.60,95%CI:（0.50,0.71））和糖尿病（HR=1.81,95%CI:（1.60,2.03））均为有统计学意义的变量;经典方法的结果为早发型冠心病（HR=0.59,95%CI:（0.43,0.83））和糖尿病（HR=1.80,95%CI:（1.42,2.29））均为有统计学意义的变量。主要结论（1）通过模拟分析,不同删失区间宽度和区间删失率对Bayesian比例风险模型的估计误差影响较小,但是随着区间删失率和删失区间宽度的提高,估计的精度会下降,置信区间会变宽;相比于经典方法和多重填补法,贝叶斯方法有着更为稳健的结果估计,但是检验效能要低于其它两种方法;贝叶斯比例风险模型中的对不同伽马先验超参数和单调样条节点数的设置估计结果都比较稳健。另外,贝叶斯方法较久的运算时间应该被考虑到,因此其在应用中更适用于小样本的数据,并且在其实际应用中可以通过对超参数的设置,得到更为准确的结果。（2）通过对冠心病患者随访调查数据的实例分析,我们认为相较于晚发型冠心病患者,早发型冠心病患者的预后效果较好;合并有糖尿病是心血管事件再发的危险因素。在处理区间删失数据上,临床上常用的单点填补方法应该得到提高,更为稳健的贝叶斯框架比例风险模型是值得向研究者推荐的一种方法。
郭鹏[8]（2014）在《需求信息缺失下的航空客运收益管理无约束估计方法研究》文中提出随着经济的迅速发展以及改革的进一步深化,服务业在我国国民经济中占有愈加重要的位置,收益管理理论和方法受到了国内包括航空客运业在内的相关行业的普遍关注。虽然正确的收益管理动态定价、存量控制和超售策略能够优化航空公司的期望收入,但航空公司在收入上的良好表现却在很大程度上取决于需求预测的准确性和可靠性,它是航空客运收益管理系统顺序实施需求参数估计和优化策略过程的关键。需求预测的基础是历史无约束需求数据,随着各种收益管理存量控制技术的实际应用,系统中所获得的历史订购数据往往不能完全反映真实的乘客历史需求状况。为了改进航空公司收入,如何根据“定时截尾需求数据”推断“无约束需求数据”,找回被预订限制数量截尾掉而未被满足的乘客需求,完成对需求的无约束估计,这是航空客运收益管理需求预测中特有的难题。尽管需求无约束估计是一个“历史久远”的研究课题,但随着大数据时代的来临和市场竞争的日趋激烈,航空客运收益管理系统所记录乘客历史预订数据中的需求信息缺失问题日趋严重,包括乘客需求的分布形式和选择行为信息的缺失。对于航空公司来讲,在收益管理无约束估计过程中忽略乘客需求信息的缺失问题会导致对历史乘客需求情况的误判,增加需求预测的误差,带来优化决策的失误,并最终造成公司收入上的损失。因此,在需求信息缺失的情况下,航空公司应该采用怎样的无约束估计方法对历史乘客“无约束需求”进行有效地、正确地估计,这是本文研究的核心问题。首先,对国内外相关研究现状进行了述评。然后,针对历史预订数据中乘客需求分布信息的缺失,将所考虑的需求分布形式推广到多种分布情况,这较现有研究中的正态分布假设更加符合航班舱位各“预订提前期间隔”中的需求数据特征。为此,分别构建了基于多种分布形式的航空客运收益管理单舱位需求无约束估计EM算法和PD方法。由于需求无约束估计是航空客运收益管理系统中“无约束需求预测”成功实施的关键步骤,对其准确性和有效性进行正确评价的难点技术是建立符合航空客运收益管理实践的仿真模型。针对已有研究仅对基于正态分布的单舱位无约束估计方法进行了仿真比较,本文利用控制论以及计算机仿真机制,根据航空客运收益管理单舱位需求无约束估计实践,在考虑乘客需求分布信息缺失的情况下,建立了基于多种分布形式的单舱位方法仿真比较模型,根据实际航班客运需求数据,通过仿真实验对基于正态、对数正态和伽玛分布的单舱位EM算法和单舱位PD方法的准确性、有效性以及它们对航空公司收入的影响分别进行了比较和评价。仿真结果验证了仿真比较模型的有效性,表明了：1)决定所评价基于各分布形式的单舱位无约束估计方法之间性能差异的主要因素包括：历史乘客“初始需求”向“零点”偏斜的趋势、以及需求数据的离散程度和受截尾程度：在选择单舱位EM算法和单舱位PD方法所基于的分布形式时,需求水平不是需要被考虑的主要因素；另外,参数τ对单舱位PD方法分布形式的选择也有着决定性的作用。2)对无约束估计方法所基于分布形式的选择不当会给航空公司利润造成重大损失,验证了在航空客运收益管理单舱位需求无约束估计过程中使用基于多种分布形式EM算法和PD方法的必要性,具有重要的现实意义。同时,本文在综合考虑历史预订数据中乘客需求分布和短视行为信息缺失的情况下,构建了基于多种分布形式的航空客运收益管理多舱位需求无约束估计Spill模型。根据航空客运收益管理多舱位需求无约束估计实践,采用数值算例将所提多舱位Spill模型与传统单舱位Spill模型进行了比较分析。结果表明,数据的离散程度是影响基于各分布形式的多舱位Spill模型无约束估计效果的主要因素,验证了所提多舱位Spill模型能有效避免无约束估计过程对同航班舱位间历史乘客“初始需求”的高估。另外,由于现有的收益管理多航班需求无约束估计方法假设乘客到达时的购买决策是一次性的,未能考虑策略型乘客的跨期替代行为,本文利用随机过程理论,基于乘客偏好排名列表构建了考虑乘客策略行为的非参数离散选择模型,针对历史预订数据中乘客需求策略行为信息的缺失,提出采用EM算法对乘客到达率和非参数离散选择模型的概率质量函数进行联合估计,并构建了考虑历史乘客策略行为的“初始需求”多航班无约束估计计算方法。根据航空客运收益管理多航班需求无约束估计实践,在考虑舱位价格变化情况下,采用数值算例将所提多航班EM算法与现有文献中已有的多航班EM算法进行了比较分析。计算结果验证了所提方法能够反应企业对舱位的动态定价对乘客策略行为的影响,并能够更加有效地避免无约束估计过程对不同航班舱位间历史乘客“初始需求”的高估。最后,本文在结论部分对所提方法在航空客运收益管理实践中的实际应用提出了建议,并对它们的应用前景进行了预测和评价。
陆美桦[9]（2019）在《考虑旅客转移行为的航班舱位控制优化研究》文中进行了进一步梳理收益管理是航空公司提高收益的重要技术手段。随着低成本航空发展热潮的掀起,电子商务及在线预订网站的发展,航班中不同舱位之间的差别在不断缩小。这些变化给传统的收益管理理论带来了挑战。传统理论假设不同舱位的旅客需求是相互独立的,但实际上,当旅客的预订请求被拒绝时可以选择购买价格更高的舱位;反之,旅客在购买全价票的同时也会考虑有没有折扣票。因此,研究旅客转移行为下的收益管理具有较强的实际意义。本文主要研究考虑旅客转移行为的预测及舱位控制。首先对现有的舱位控制和旅客选择模型进行分析,指出在越来越流行的简化票价结构下,旅客的转移行为将更频繁地发生。其次,基于多项Logit模型量化旅客选择票价产品的可能性,提出向上转移概率和向下转移概率的新的预测方法,并利用极大似然和最大期望算法进行参数估计。之后在单航段下构建了同时考虑双向转移的多价格等级舱位控制模型,对经典的期望边际座位收益方法作了改进;在O&D网络条件下构建了包含向上转移的优化模型,将动态规划的两种近似模型分别与分块预订限制和竞标价格策略相结合,产生具体的控制策略。将旅客到达模拟为非齐次的泊松过程,建立仿真实验。通过对比发现考虑旅客的转移行为,能有效提升传统模型的收益表现,并且收益会随着向上转移概率的增大而增大,从而验证了算法的有效性和实用性。
高首[10]（2019）在《基于随机过程的产品寿命预测方法研究》文中提出随着科技的不断发展,现代设备的高集成化、高复杂化,系统的故障诊断、维修保障和可靠性问题越来越受到人们的高度重视,为了节省更多的人力物力和避免不必要的财产生命安全,剩余寿命预测在近些年来成为了产品设备的管理维护、故障预测的核心问题。由于许多设备系统的结构难以直接进行建模,基于数据的剩余寿命预测在近十几年内取得了广泛的关注和不断的进步,也是当下研究的重点。本文主要研究如何可以应用随机过程理论更好地刻画产品的真实退化过程,进而提高剩余寿命预测的精度。本文对近年来剩余寿命预测方法进行了综述和分析,针对现有模型存在的不足,提出了3种关于时间连续的基于随机过程理论的模型用于剩余寿命预测。首先,在状态空间中建立了一种基于Gamma过程的模型描述产品的退化过程,这种做法是基于Gamma过程平稳且增量独立,而这都是退化建模所需的必要属性,可以用来描述产品设备的不可逆退化过程,为确定模型中的隐层参数,本文采用期望最大化EM算法进行估计。由于传统方法中应用的最小二乘法在估计过程中会产生较大的误差,因此本文应用粒子滤波算法对EM算法中不易直接求解的量进行估计。其次,针对传统方法没有考虑历史数据的问题,提出了一个同时综合了历史数据与测量误差的带自适应漂移参数的Wiener过程模型,随后应用卡尔曼滤波对真实的退化状态和相应的漂移系数状态进行了估计,对于模型中不易直接求解的未知参数,应用了RTS平滑算法和期望最大化EM算法来进行估计。在对当前Weibull分布的应用的研究的基础上,将Weibull分布应用于产品剩余寿命预测问题,建立了基于Weibull分布的退化模型,对于模型中难以求解的参数,使用了最小二乘法和极大似然估计法对其进行数值求解。最后,分别用某种激光器和电池的退化数据对以上3种随机过程模型进行了实验验证。实验结果表明本文的Gamma过程模型对激光器的退化过程刻画效果是3种模型中最好的,Wiener过程对电池的退化更为贴切,Weibull过程模型对于已知寿命数据的情形有不错的效果。
二、EM算法在非齐次泊松过程模型参数估计中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、EM算法在非齐次泊松过程模型参数估计中的应用（论文提纲范文）
（1）退化系统的可靠性建模与老练策略优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 基于故障率模型的退化系统建模 |
| 1.2.2 基于退化量的退化过程建模及剩余寿命预测 |
| 1.2.3 退化系统老练策略优化 |
| 1.3 课题来源及研究目标 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究目标 |
| 1.4 本文的组织结构 |
| 第二章 预备知识 |
| 2.1 引言 |
| 2.2 可靠性理论基础 |
| 2.2.1 可靠度 |
| 2.2.2 故障率 |
| 2.2.3 平均寿命 |
| 2.3 随机冲击理论 |
| 2.3.1 冲击到达时间的描述 |
| 2.3.2 冲击对系统的影响 |
| 2.4 基于随机过程的退化系统建模 |
| 2.4.1 维纳过程模型 |
| 2.4.2 伽玛过程模型 |
| 2.4.3 逆高斯过程模型 |
| 2.5 维修理论 |
| 2.5.1 维修的分类 |
| 2.5.2 维修效果模型 |
| 2.5.3 维修效果评价方法 |
| 2.6 可靠性试验 |
| 2.7 本章小结 |
| 第三章 考虑外界随机冲击的退化系统可靠性建模与维修优化 |
| 3.1 引言 |
| 3.2 系统建模 |
| 3.2.1 退化系统可靠性 |
| 3.2.2 外界随机冲击建模 |
| 3.2.3 退化和随机冲击共同作用下的系统可靠性模型 |
| 3.3 系统维修策略及优化 |
| 3.3.1 维修模型假设 |
| 3.3.2 维修策略优化 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第四章 基于逆高斯过程的可靠性建模与剩余寿命预测 |
| 4.1 引言 |
| 4.2 退化过程建模 |
| 4.2.1 基本逆高斯过程 |
| 4.2.2 环境加速因子 |
| 4.2.3 随机效应 |
| 4.3 统计推断 |
| 4.4 参数在线更新 |
| 4.5 剩余寿命预测 |
| 4.6 仿真实验 |
| 4.6.1 参数估计 |
| 4.6.2 模型的拟合优度检验 |
| 4.6.3 剩余寿命预测 |
| 4.7 本章小结 |
| 第五章 基于时移维纳过程的多目标老练策略优化 |
| 5.1 引言 |
| 5.2 退化系统可靠性建模 |
| 5.2.1 基于维纳过程的退化过程建模 |
| 5.2.2 产品寿命分布 |
| 5.3 老练筛选模型 |
| 5.3.1 基于退化量的老练策略 |
| 5.3.2 统计推断 |
| 5.4 老练策略多目标优化 |
| 5.4.1 模型假设 |
| 5.4.2 老练成本 |
| 5.4.3 老练后产品的平均剩余寿命 |
| 5.4.4 多目标优化 |
| 5.5 数值仿真 |
| 5.5.1 参数估计 |
| 5.5.2 老练方案优化 |
| 5.5.3 敏感性分析 |
| 5.6 本章小结 |
| 第六章 大功率半导体激光器可靠性测试与筛选系统 |
| 6.1 引言 |
| 6.2 系统概述 |
| 6.2.1 激光器光电特性分析 |
| 6.2.2 测试系统需求分析 |
| 6.2.3 系统总体结构 |
| 6.3 激光器性能退化测试嵌入式控制器设计 |
| 6.4 激光器测试电源设计 |
| 6.4.1 浪涌电流抑制 |
| 6.4.2 输出可调式DCDC电源 |
| 6.4.3 激光器恒流控制 |
| 6.4.4 效率优化算法 |
| 6.5 激光器温度控制 |
| 6.5.1 TEC控制电路 |
| 6.5.2 温度检测 |
| 6.5.3 温度控制与过热保护 |
| 6.6 激光器退化量测量 |
| 6.7 测试主机软件设计 |
| 6.7.1 可靠性测试 |
| 6.7.2 测试数据分析 |
| 6.8 系统测试 |
| 6.8.1 激光器电源效率测试 |
| 6.8.2 可靠性测试与分析 |
| 6.9 本章小结 |
| 总结与展望 |
| 本文的主要工作 |
| 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间发表或完成的论文与专利 |
| 攻读博士学位期间主持及参与的项目 |
| 致谢 |
（2）基于级联和自激点过程的通讯行为特征挖掘（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.3 研究内容和创新点 |
| 1.4 论文结构 |
| 第二章 基础知识介绍 |
| 2.1 基本概念 |
| 2.2 建模策略 |
| 2.2.1 模型描述 |
| 2.2.1.1 级联非齐次泊松过程 |
| 2.2.1.2 自激点过程 |
| 2.2.2 模型估计与检验 |
| 2.2.2.1 级联非齐次泊松过程的估计与检验 |
| 2.2.2.2 自激点过程的估计与检验 |
| 2.3 模型仿真 |
| 2.4 EM算法及其推广 |
| 2.5 鞅方法在点过程中的应用 |
| 第三章 基于M2CNPP的个人通讯行为研究 |
| 3.1 引言 |
| 3.2 级联非齐次泊松过程的间距性质 |
| 3.3 多状态马尔可夫级联非齐次泊松过程 |
| 3.3.1 模型描述 |
| 3.3.2 模型参数及其估计 |
| 3.3.3 模型选择与检验 |
| 3.4 数值实验 |
| 3.4.1 仿真实验 |
| 3.4.2 实证分析 |
| 3.5 小结 |
| 第四章 半参数自激点过程的背景强度函数估计研究 |
| 4.1 引言 |
| 4.2 半参数时空自激点过程 |
| 4.3 条件强度函数的估计 |
| 4.4 带宽选择与模型检验 |
| 4.4.1 带宽选择 |
| 4.4.2 模型检验 |
| 4.5 数值实验 |
| 4.5.1仿真实验1 |
| 4.5.2仿真实验2 |
| 4.5.3 实证分析 |
| 4.6 小结 |
| 第五章 基于非参数时空自激点过程的紧急呼叫聚类研究 |
| 5.1 引言 |
| 5.2 非参数时空自激点过程 |
| 5.3 条件强度函数的估计 |
| 5.4 带宽选择与模型检验 |
| 5.5 数值实验 |
| 5.5.1 仿真实验1 |
| 5.5.2 仿真实验2 |
| 5.5.3 实证分析 |
| 5.6 小结 |
| 第六章 变系数时空自激点过程及其非参数估计 |
| 6.1 引言 |
| 6.2 变系数时空自激点过程 |
| 6.3 极大似然估计的渐近性质 |
| 6.4 局部极大似然估计 |
| 6.4.1 泊松过程的局部极大似然估计 |
| 6.4.2 时空自激点过程的局部Q函数及其局部极大似然估计 |
| 6.4.3 与已有非参数估计的联系 |
| 6.4.4 基于EM算法的局部极大似然估计 |
| 6.5 带宽选择 |
| 6.6 量化估计值的不确定性 |
| 6.6.1 时空格点 |
| 6.6.2 评价准则 |
| 6.7 数值实验 |
| 6.7.1 仿真实验 |
| 6.7.2 实证分析 |
| 6.8 小结 |
| 结论 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（3）受限条件下铁路旅客购票需求估计方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 选题背景及意义 |
| 1.2 国内外文献综述 |
| 1.2.1 重点围绕需求信息不确定的相关研究 |
| 1.2.2 重点围绕受限需求估计方法研究 |
| 1.2.3 研究现状总结 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 旅客购票过程分析 |
| 2.1 售票业务分析 |
| 2.1.1 票额分配 |
| 2.1.2 预售期 |
| 2.2 旅客到达过程 |
| 2.3 旅客购票决策行为 |
| 2.4 受限条件下旅客购票需求变化 |
| 2.4.1 旅客购票决策行为变化 |
| 2.4.2 旅客购票需求变化分析 |
| 2.4.3 客票需求现实情况分析 |
| 2.5 本章小结 |
| 3 受限条件下旅客购票需求估计模型 |
| 3.1 问题描述 |
| 3.2 建模思路 |
| 3.3 模型构建 |
| 3.3.1 基本符号及说明 |
| 3.3.2 模型描述 |
| 3.4 模型求解 |
| 3.4.1 EM算法 |
| 3.4.2 模型求解过程 |
| 3.5 本章小结 |
| 4 受限条件下旅客购票需求估计模型数值仿真评估研究 |
| 4.1 购票过程仿真 |
| 4.1.1 购票过程仿真模型 |
| 4.1.2 购票过程仿真方法 |
| 4.2 数值仿真过程 |
| 4.2.1 仿真关键参数 |
| 4.2.2 仿真流程 |
| 4.3 仿真评估结果 |
| 4.3.1 评价指标设计 |
| 4.3.2 购票需求估计效果初步评价 |
| 4.3.3 铁路客运产品数量影响分析 |
| 4.3.4 偏好分布类型影响分析 |
| 4.3.5 不同受限场景影响分析 |
| 4.3.6 未购买选项偏好比值影响分析 |
| 4.4 本章小结 |
| 5 实例分析 |
| 5.1 数据说明 |
| 5.2 实例分析过程及结果 |
| 5.3 本章小结 |
| 6 结论 |
| 6.1 论文的主要工作及成果 |
| 6.2 未来展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）面板计数数据的稳健估计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| §1.1 面板计数数据简介 |
| §1.2 研究现状 |
| §1.2.1 面板计数数据的研究现状 |
| §1.2.2 变量选择方法的研究现状 |
| §1.2.3 分位数回归的研究现状 |
| §1.2.4 个体内部相关性的研究现状 |
| §1.3 本文的主要工作 |
| 第二章 面板计数数据联合脆弱模型的稳健变量选择 |
| §2.1 引言 |
| §2.2 模型介绍 |
| §2.3 变量选择及参数估计 |
| §2.3.1 (?)_i(t)的参数估计 |
| §2.3.2 C_i~*的参数估计 |
| §2.3.3 N_i(t)的稳健变量选择 |
| §2.4 渐近性质 |
| §2.5 数值模拟 |
| §2.5.1 模型评价 |
| §2.5.2 数值结果 |
| §2.6 实例分析 |
| §2.7 定理证明 |
| §2.8 总结 |
| 第三章 信息观测时间下的半参数部分线性变系数面板计数数据模型的分位数回归 |
| §3.1 引言 |
| §3.2 模型介绍 |
| §3.3 估计方法 |
| §3.4 渐近性质 |
| §3.5 数值模拟 |
| §3.6 实例分析 |
| §3.7 定理证明 |
| §3.8 总结 |
| 第四章 基于二次推断函数的变时间系数面板计数数据模型分位数回归 |
| §4.1 引言 |
| §4.2 模型介绍 |
| §4.3 估计方法 |
| §4.4 渐近性质 |
| §4.5 数值模拟 |
| §4.6 实例分析 |
| §4.7 定理证明 |
| §4.8 附录 |
| §4.8.1 Lognormal-Poisson方法 |
| §4.8.2 计算方法 |
| §4.9 总结 |
| 第五章 具有相依观测过程的面板计数数据模型的有效估计 |
| §5.1 引言 |
| §5.2 模型介绍 |
| §5.3 惩罚复合分位数估计 |
| §5.4 渐近性质 |
| §5.5 数值模拟 |
| §5.6 实例分析 |
| §5.7 定理证明 |
| §5.8 总结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的论文 |
（5）立式加工中心早期故障消除技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 课题来源 |
| 1.3 早期故障消除技术研究现状 |
| 1.3.1 故障率曲线建模技术研究现状 |
| 1.3.2 故障分析技术研究现状 |
| 1.3.3 可靠性试验技术研究现状 |
| 1.3.4 装配精度分析技术研究现状 |
| 1.4 论文主要研究内容 |
| 1.5 论文整体框架 |
| 2 立式加工中心故障率曲线建模 |
| 2.1 故障数据收集 |
| 2.2 故障数据分布类型判定 |
| 2.2.1 基于统计量的独立同分布检验 |
| 2.2.2 基于TTT图的趋势检验 |
| 2.3 常见浴盆曲线模型简介 |
| 2.3.1 S-PLP模型 |
| 2.3.2 S-LLP模型 |
| 2.3.3 B-BIP模型 |
| 2.4 参数估计及拟合优度检验 |
| 2.4.1 参数估计 |
| 2.4.2 拟合优度检验 |
| 2.5 早期故障期求解 |
| 2.6 本章小结 |
| 3 立式加工中心结构层次划分及早期故障分析 |
| 3.1 整机结构层次划分 |
| 3.2 基于故障频次的早期故障分类统计 |
| 3.2.1 早期故障部位统计 |
| 3.2.2 早期故障类型统计 |
| 3.3 整机早期FMEA分析 |
| 3.3.1 早期FMEA模型的建立 |
| 3.3.2 应用分析 |
| 3.4 FTA分析 |
| 3.4.1 故障树图建立 |
| 3.4.2 定性分析 |
| 3.4.3 定量分析 |
| 3.5 本章小结 |
| 4 基于载荷谱的ATC系统早期故障排除试验 |
| 4.1 ATC系统工况数据收集与处理 |
| 4.1.1 工况数据收集 |
| 4.1.2 数据处理 |
| 4.2 ATC系统载荷谱的建立 |
| 4.2.1 单刀重量谱编制 |
| 4.2.2 刀库重量谱编制 |
| 4.2.3 联合二维谱编制 |
| 4.3 分级加载方案的设计 |
| 4.3.1 分级加载表 |
| 4.3.2 任务剖面 |
| 4.4 试验结果分析及整改措施 |
| 4.4.1 故障一分析及改进 |
| 4.4.2 故障二分析及改进 |
| 4.4.3 故障三分析及改进 |
| 4.5 本章小结 |
| 5 基于状态空间模型的装配精度分析 |
| 5.1 两零件装配偏差传递过程分析 |
| 5.1.1 小位移旋量理论 |
| 5.1.2 偏差传递分析 |
| 5.2 VTC-32S装配过程状态空间建模 |
| 5.2.1 状态空间分析法 |
| 5.2.2 VTC-32S状态空间建模 |
| 5.3 应用分析 |
| 5.3.1 Z轴垂直度转化 |
| 5.3.2 分析计算 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 :联合区间换刀频次 |
| 个人简历、在校期间发表的学术论文及取得的研究成果 |
（6）非线性滤波算法及在神经网络与金融市场建模中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 非线性滤波理论的研究现状 |
| 1.2.2 前馈神经网络及训练方法研究现状 |
| 1.2.3 金融市场微结构模型及估计方法的研究现状 |
| 1.3 本文的研究内容和结构安排 |
| 2 基于状态空间模型的非线性滤波方法 |
| 2.1 概述 |
| 2.2 动态系统的状态空间模型 |
| 2.2.1 扩展卡尔曼滤波 |
| 2.2.2 无忌卡尔曼滤波 |
| 2.3 标准粒子滤波 |
| 2.4 改进的粒子滤波—APF-IEKF |
| 2.4.1 辅助粒子滤波 |
| 2.4.2 迭代扩展卡尔曼滤波 |
| 2.4.3 迭代扩展卡尔曼辅助粒子滤波 |
| 2.5 仿真实验及结果分析 |
| 2.5.1 非线性系统仿真 |
| 2.5.2 非线性高斯系统仿真 |
| 2.5.3 期权数据仿真 |
| 2.6 本章小结 |
| 3 基于非线性滤波的MLP网络训练 |
| 3.1 概述 |
| 3.2 基于APNCPF的MLP网络学习 |
| 3.2.1 MLP网络结构 |
| 3.2.2 MLP网络的状态空间模型 |
| 3.2.3 APNCPF训练算法 |
| 3.2.4 非线性高斯时间序列仿真 |
| 3.2.5 期权数据仿真 |
| 3.3 基于自组织状态空间模型的MLP网络学习算法 |
| 3.3.1 MLP网络的自组织状态空间模型 |
| 3.3.2 基于粒子滤波的自组织状态空间MLP网络训练算法 |
| 3.3.3 仿真实验及结果分析 |
| 3.4 本章小结 |
| 4 基于非线性滤波的RBF网络训练 |
| 4.1 概述 |
| 4.2 基于非线性滤波的RBF网络学习 |
| 4.2.1 RBF网络结构 |
| 4.2.2 RBF网络的状态空间模型 |
| 4.2.3 基于APNCPF的RBF网络训练 |
| 4.2.4 基于自组织状态空间模型的RBF网络训练 |
| 4.3 基于EKF-EM算法的RBF-AR模型参数辨识 |
| 4.3.1 RBF-AR模型的状态空间模型 |
| 4.3.2 EKF-EM算法 |
| 4.3.3 仿真试验及结果分析 |
| 4.4 本章小结 |
| 5 基于UKF估计的跳跃市场微结构模型 |
| 5.1 概述 |
| 5.2 市场微结构模型 |
| 5.2.1 连续市场微结构模型 |
| 5.2.2 连续市场微结构模型的离散化 |
| 5.2.3 市场微结构模型的金融意义 |
| 5.3 跳跃市场微结构模型 |
| 5.3.1 加入跳跃的连续市场微结构模型 |
| 5.3.2 连续跳跃市场微结构模型的离散化 |
| 5.4 跳跃市场微结构模型的估计 |
| 5.4.1 跳跃的检测 |
| 5.4.2 参数估计 |
| 5.5 模拟数据仿真 |
| 5.6 我国股票市场的实证研究 |
| 5.6.1 数据特征分析 |
| 5.6.2 实证结果分析 |
| 5.7 我国和美国股票市场的对比研究 |
| 5.7.1 数据特征分析 |
| 5.7.2 实证结果对比分析 |
| 5.8 本章小结 |
| 6 基于MCMC估计的杠杆效应市场微结构模型 |
| 6.1 概述 |
| 6.2 具有杠杆效应的市场微结构模型 |
| 6.3 杠杆效应市场微结构模型估计 |
| 6.4 模拟数据仿真分析 |
| 6.5 我国股市的非对称性研究 |
| 6.5.1 数据特征分析 |
| 6.5.2 实证结果 |
| 6.5.3 我国股市非对称性结果分析 |
| 6.6 美国股市的非对称性研究 |
| 6.6.1 数据特征分析 |
| 6.6.2 实证结果 |
| 6.6.3 美国股市非对称性结果分析 |
| 6.7 本章小结 |
| 7 基于MCMC估计的厚尾市场微结构模型 |
| 7.1 概述 |
| 7.2 学生t分布的厚尾性 |
| 7.3 厚尾市场微结构模型 |
| 7.4 厚尾市场微结构模型估计 |
| 7.5 仿真研究 |
| 7.6 中美股票市场实证研究 |
| 7.6.1 数据选取 |
| 7.6.2 统计特性分析 |
| 7.6.3 自相关性检验 |
| 7.6.4 数据拟合结果分析 |
| 7.6.5 模型绩效比较 |
| 7.7 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 攻读学位期间主要的研究成果 |
| 致谢 |
（7）区间删失资料的Bayesian比例风险模型应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略词汇表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容及意义 |
| 1.4 研究目的 |
| 1.5 论文组织结构 |
| 第二章 区间删失与Cox比例风险回归模型 |
| 2.1 生存分析基本函数 |
| 2.2 Cox比例风险回归模型概述 |
| 2.2.1 基本形式 |
| 2.2.2 前提条件 |
| 2.2.3 参数估计与假设检验 |
| 2.3 数据删失的定义 |
| 2.4 区间删失下的Bayesian比例风险模型 |
| 2.4.1 构建区间删失数据下的基本似然函数 |
| 2.4.2 单调样条构造基线累积风险函数 |
| 2.4.3 两阶段的泊松数据扩增 |
| 2.4.4 先验信息与后验计算 |
| 第三章 模拟研究 |
| 3.1 模拟研究目的 |
| 3.2 模拟研究设计 |
| 3.2.1 模拟数据生成 |
| 3.2.2 模拟实施过程 |
| 3.2.3 模拟前提假设 |
| 3.2.4 模拟评价指标 |
| 3.2.5 用于比较的其它方法 |
| 3.3 模拟研究结果 |
| 3.3.1 一期模拟：贝叶斯比例风险模型不同样本特征比较 |
| 3.3.2 二期模拟：贝叶斯方法与多重填补法和经典方法的比较 |
| 3.3.3 三期模拟：贝叶斯比例风险模型参数设置比较 |
| 3.4 讨论 |
| 第四章 实例分析 |
| 4.1 实例数据 |
| 4.1.1 数据来源 |
| 4.1.2 数据整理与初步分析 |
| 4.2 统计分析 |
| 4.3 实例分析结果 |
| 4.4 讨论 |
| 第五章 研究总结 |
| 5.1 主要结果 |
| 5.1.1 模拟数据分析结果 |
| 5.1.2 实例数据分析结果 |
| 5.2 主要结论 |
| 5.3 本文研究特色 |
| 5.4 研究中的不足与未来发展 |
| 参考文献 |
| 区间删失数据下的Cox比例风险模型方法进展(综述) |
| 参考文献 |
| 附录 |
| 作者简介 |
| 硕士在读期间发表论文情况 |
| 致谢 |
（8）需求信息缺失下的航空客运收益管理无约束估计方法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 收益管理在航空客运业中的应用 |
| 1.1.2 航空客运收益管理中的需求信息缺失问题 |
| 1.1.3 航空客运收益管理中的无约束估计问题 |
| 1.1.4 小结 |
| 1.2 研究目的和意义 |
| 1.3 研究思路与内容 |
| 1.4 研究对象与模型假设 |
| 第2章 国内外相关研究综述 |
| 2.1 收益管理无约束估计方法研究 |
| 2.1.1 单舱位方法 |
| 2.1.2 多舱位方法 |
| 2.1.3 多航班方法 |
| 2.2 需求信息缺失下的收益管理研究 |
| 2.2.1 顾客需求分布信息缺失 |
| 2.2.2 顾客需求选择行为信息缺失 |
| 2.3 现有研究简评 |
| 第3章 考虑需求分布信息缺失的单舱位方法 |
| 3.1 基于多种分布形式的单舱位EM算法 |
| 3.1.1 符号定义 |
| 3.1.2 算法基本思想 |
| 3.1.3 算法细节 |
| 3.1.4 算法应用改进 |
| 3.1.5 数值算例 |
| 3.2 基于多种分布形式的单舱位PD方法 |
| 3.2.1 符号定义 |
| 3.2.2 方法基本思想 |
| 3.2.3 方法细节 |
| 3.2.4 方法应用改进 |
| 3.2.5 数值算例 |
| 3.3 基于多种分布形式的单舱位方法仿真比较 |
| 3.3.1 符号定义 |
| 3.3.2 仿真比较模型的建立 |
| 3.3.3 仿真试验 |
| 3.3.4 仿真结果与分析 |
| 3.4 本章小结 |
| 第4章 考虑需求分布和短视行为信息缺失的多舱位方法 |
| 4.1 引言 |
| 4.2 符号定义 |
| 4.3 模型基本思想 |
| 4.4 模型细节 |
| 4.4.1 正态分布 |
| 4.4.2 对数正态分布 |
| 4.4.3 伽玛分布 |
| 4.4.4 威布尔分布 |
| 4.4.5 指数分布 |
| 4.4.6 泊松分布 |
| 4.5 数值算例 |
| 4.5.1 无约束估计计算过程 |
| 4.5.2 无约束估计效果比较 |
| 4.6 本章小结 |
| 第5章 考虑乘客策略行为信息缺失的多航班方法 |
| 5.1 引言 |
| 5.2 符号定义 |
| 5.3 非参数离散选择模型 |
| 5.4 基于EM算法的联合估计 |
| 5.5 无约束估计量的计算 |
| 5.5.1 符号说明 |
| 5.5.2 计算细节 |
| 5.6 数值算例 |
| 5.6.1 无约束估计计算过程 |
| 5.6.2 无约束估计效果比较 |
| 5.7 本章小结 |
| 结论与展望 |
| 主要创新点与结论 |
| 研究成果的应用前景探讨 |
| 不足之处与研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及科研成果 |
（9）考虑旅客转移行为的航班舱位控制优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 舱位控制理论研究现状 |
| 1.2.2 旅客选择行为研究现状 |
| 1.2.3 研究现状评述 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 理论基础 |
| 2.1 舱位控制理论 |
| 2.1.1 舱位控制机制 |
| 2.1.2 单航段舱位控制 |
| 2.1.3 多航段舱位控制 |
| 2.2 旅客选择模型理论 |
| 2.2.1 效用与消费者偏好 |
| 2.2.2 离散选择模型 |
| 2.3 简化的票价结构 |
| 2.3.1 收益螺旋下降现象 |
| 2.3.2 品牌运价组合 |
| 2.4 本章小结 |
| 第三章 基于MNL模型的旅客转移概率预测 |
| 3.1 转移概率预测方法回顾 |
| 3.1.1 向上转移概率的现有预测方法 |
| 3.1.2 现有预测方法的不足之处 |
| 3.2 转移概率预测 |
| 3.2.1 向上转移概率预测 |
| 3.2.2 向下转移概率预测 |
| 3.3 转移概率估计过程 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第四章 考虑双向转移的多价格等级舱位控制 |
| 4.1 问题描述及假设 |
| 4.2 模型建立 |
| 4.2.1 只考虑向上转移的模型 |
| 4.2.2 考虑双向转移的模型 |
| 4.3 算例分析 |
| 4.4 本章小结 |
| 第五章 考虑向上转移行为的O&D网络舱位控制 |
| 5.1 问题描述及假设 |
| 5.2 模型建立 |
| 5.2.1 参数及变量描述 |
| 5.2.2 动态规划模型 |
| 5.2.3 近似模型 |
| 5.3 控制策略 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（10）基于随机过程的产品寿命预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源和研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 随机系数回归模型 |
| 1.2.2 随机过程模型 |
| 1.2.3 基于性能退化的产品寿命预测和可靠性研究现状 |
| 1.3 国内外研究现状简析 |
| 1.4 主要研究内容与结构安排 |
| 1.5 本章小结 |
| 第2章 基于GAMMA过程的产品寿命预测模型 |
| 2.1 GAMMA过程连续性 |
| 2.2 基于GAMMA过程的状态空间退化建模 |
| 2.3 基于EM算法的参数求解 |
| 2.4 粒子滤波算法 |
| 2.5 产品剩余寿命及分布 |
| 2.6 数据实验验证 |
| 2.6.1 激光器数据实验 |
| 2.6.2 锂电池数据实验 |
| 2.7 本章小结 |
| 第3章 基于WIENER过程的产品寿命预测模型 |
| 3.1 WIENER过程连续性 |
| 3.2 带随机误差的双参数WIENER过程模型 |
| 3.3 综合历史数据与误差的WIENER过程模型 |
| 3.4 数据实验验证 |
| 3.4.1 激光器数据实验 |
| 3.4.2 锂电池数据实验 |
| 3.4.3 GAMMA模型与WIENER模型对比 |
| 3.5 本章小结 |
| 第4章 基于WEIBULL过程的产品寿命预测模型 |
| 4.1 WEIBULL过程连续性 |
| 4.2 WEIBULL过程模型 |
| 4.3 WEIBULL模型参数估计 |
| 4.3.1 最小二乘估计 |
| 4.3.2 极大似然估计 |
| 4.4 数据实验验证 |
| 4.4.1 激光器数据实验 |
| 4.4.2 锂电池数据实验 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
四、EM算法在非齐次泊松过程模型参数估计中的应用（论文参考文献）
- [1]退化系统的可靠性建模与老练策略优化[D]. 吕燚. 广东工业大学, 2019(03)
- [2]基于级联和自激点过程的通讯行为特征挖掘[D]. 李晨龙. 天津大学, 2019(06)
- [3]受限条件下铁路旅客购票需求估计方法研究[D]. 周延延. 北京交通大学, 2019(01)
- [4]面板计数数据的稳健估计研究[D]. 王伟伟. 华东师范大学, 2019(06)
- [5]立式加工中心早期故障消除技术研究[D]. 李佰川. 重庆理工大学, 2020(08)
- [6]非线性滤波算法及在神经网络与金融市场建模中的应用[D]. 席燕辉. 中南大学, 2013(02)
- [7]区间删失资料的Bayesian比例风险模型应用研究[D]. 徐梓翔. 东南大学, 2018(01)
- [8]需求信息缺失下的航空客运收益管理无约束估计方法研究[D]. 郭鹏. 西南交通大学, 2014(11)
- [9]考虑旅客转移行为的航班舱位控制优化研究[D]. 陆美桦. 南京航空航天大学, 2019(02)
- [10]基于随机过程的产品寿命预测方法研究[D]. 高首. 哈尔滨工业大学, 2019(01)