一、广义Fuzzy逻辑回归模型的最大Fuzzy积分估计（论文文献综述）
何佳毅[1]（2021）在《时间序列的结构复杂性及相似性研究》文中研究说明传统的时间序列分析往往以线性和平稳性为假设和前提,然而,现实世界中非线性非平稳的时间序列是客观、普遍存在的.现实世界由复杂系统相互制约、相互依赖形成,人们通常难以直接通过表象化的特征获取各复杂系统的潜在原理和运行机制.非线性非平稳的时间序列作为复杂系统信息的重要载体,是了解复杂系统的重要渠道.其中,基于时间序列结构层面的复杂性研究和相似性度量可以为探究复杂系统的内在机制和相互关系提供重要参考,这也是本文的主要研究方向.本文基于概率分布和信息熵理论,以时间序列的动力学结构特征为切入点,提出了q阶样本熵曲线均值（qSampEnAve）、q阶样本熵曲线熵差均值（qSEDiffAve）、全局递归量化分析（GRQA）、动态香农熵（DySEn）、基于交叉置换分布熵的概率密度加权距离（PID）和基于Kronecker-delta算子的改进多维标度法（MDSK）等新的度量指标和方法对时间序列结构层面的复杂性、相似性进行研究,以揭示系统存在的非线性、混沌性、无序性、不确定性等特征,为探索复杂系统的内在机制和演化特征提供重要线索和依据.本文研究内容主要包括以下四个方面:1.本文提出了基于Tsallis熵的q阶样本熵曲线均值（qSampEnAve）,并将它用于衡量序列的无序性.该方法考虑了所有可能阈值下的样本熵并以均值作为最终度量指标,比传统样本熵涵盖信息更完整.研究表明,序列越无序,qSampEnAve值越高.在qSampEnAve基础上,我们进一步提出了q阶样本熵曲线熵差均值（qSEDiffAve）,通过量化结构化序列与随机序列的信息量差异来衡量序列结构复杂性.研究表明,在该指标下,介于有序和无序中间状态的混沌序列具有较高的结构复杂性,而完全无序的随机序列和完全有序模式下的序列结构复杂性都相对较低.我们应用qSEDiffAve方法对充血性心力衰竭患者（CHF）,房颤患者（AF）和健康个体的心跳间隔序列进行分析.结果表明,健康个体的心跳间隔序列具有较高的结构复杂性,而具有随机特征的AF患者的心跳间隔序列和较为规律的CHF患者的心跳间隔序列结构复杂性均较低.2.本文提出了全局递归量化分析（GRQA）的概念,通过量化不同阈值下的递归图（RP）结构信息,可得到各统计量随重现阈值变化的曲线,从而直观地分析比对不同序列的结构差异.传统的递归量化分析（RQA）通常只研究某一确定阈值下的递归结构,阈值的选取直接影响分析结果.GRQA通过考虑所有阈值得到了更全面的结构信息,比传统RQA的单一值结果更可靠,因此本方法也是对传统RQA的重要补充.研究表明,重现率（RR）曲线反应出阈值对递归结构丰富性具有重要影响,尤其对于非周期序列,递归结构丰富程度随阈值变化迅速,进一步表明依赖于单一阈值的传统递归量化分析可能会导致结果存在偏差.基于垂直（水平）结构的层状度（LAM）反应了序列的稳定性,基于对角线结构的确定性曲线（DET）体现了序列的确定性,Rényi熵曲线（RENTR）反应了对角线结构的丰富程度,这些曲线能够从细节上区分不同序列的结构特征变化,这是传统RQA无法实现的.在金融数据的GRQA分析中发现,恒生指数（HSI）同时具有上证综指（SSE）、深圳成指（SZSE）、美国纳斯达克指数（NASDAQ）和美国道琼斯指数（DJI）的动力学结构特征,揭示了中国香港地区金融市场环境的多元化背景.3.本文提出了置换分布熵（PDE）的概念,通过关注重构相空间下各状态向量的波动模式来讨论序列动力学结构特征.PDE方法能够感知复杂时间序列的局部周期变化,周期性越强则PDE值越高.因此,该方法是反应序列结构变化的重要参考指标.在此基础上,我们进一步提出了两个度量来研究时间序列的结构复杂性和相似性:（1）我们根据PDE的特性,结合香农熵提出了动态香农熵（DySEn）,我们将该方法与滑动窗口结合后用于异常检测,当DySEn>0.6时即定义为异常区域.研究表明,DySEn方法能够识别出随机序列、混沌序列、周期序列及其混合序列的局部波动变化,且识别能力与异常区域是否肉眼可见无关,与被检测序列是否具有周期性无关,与异常区域是否为周期信号无关.该方法同时具有香农熵和PDE的特点,且即使在这两种方法对异常没有响应的情况下,DySEn依然能够准确识别出异常区域.我们将该方法应用于铁路轨道数据波磨检测,研究证实,DySEn对波磨数据检测具有重要的指导意义.（2）我们提出了基于交叉置换分布熵的概率密度加权距离（PID）,通过引入惩罚参数PIPE解决了分布函数对称所引发的熵值计算问题,大大提高了复杂序列间相似性度量的准确性.研究表明,PID方法优于传统的欧式距离以及去趋势交叉相关分析（DCCA）,性能稳定,具有抗噪性,并且参数对方法可靠性没有显着影响,是度量复杂时间序列相似性的可靠指标.我们将该方法用于股票数据分析,可得到与实际金融市场环境吻合的聚类结果.4.本文提出了基于KrD距离的改进多维标度法（MDSK）.该方法通过定义基于序列结构相似性的新的距离度量KrD来衡量序列间的距离,比传统的欧式距离更适用于复杂时间序列.研究表明,该方法能够更有效地实现对不同复杂序列的聚类,具有抗噪性.该方法在低维空间的呈现效果及拟合优度远超过传统的MDS方法和基于其他常见距离度量或相似性度量的多维标度法.此外,在研究中发现,我们提出的PID方法也能够为多维标度法在非线性复杂时间序列研究领域的拓展提供重要参考.
唐鹏[2]（2021）在《数据驱动的流程工业非线性过程监测与故障诊断》文中进行了进一步梳理现代流程工业日趋规模化、复杂化和集成化。工业过程长期安全、稳定、高效运行是企业实现经济效益的关键。流程工业中绝大部分被控过程具有非线性特性,传统的线性方法通常假设工业过程运行在某一稳定工作点附近,并且变量之间相关性关系在窄窗口内近似为线性的。面向流程工业非线性过程监测与故障诊断方法的研究是自动控制领域中一个十分重要的课题。近二十年来,非线性过程监测主要有基于核方法、局部模型和神经网络等解决途径,但面向系统规模庞大、测量变量与操作工序众多、变量关联关系复杂的流程工业过程,传统的方法较难获取完备的监测与诊断效果。本文主要研究内容包括以下几个方面:（1）针对流程工业非线性过程建模复杂、故障变量辨识难的问题,提出了基于变分自编码器的过程监测与故障隔离一体化解决方案。首先,利用变分自编码器构建非线性过程概率模型,将复杂分布的过程数据映射到潜变量空间,使其服从高斯分布;其次,基于变分自编码器模型设计了基于边缘联合概率密度的监测统计量,实现了非线性过程监测;然后,采用缺失值重构思想,基于重构贡献分析实现了非线性过程故障隔离,并针对多个故障相关变量影响导致的拖尾效应问题,采用分支定界技术实现故障相关变量集的快速搜索,提升非线性过程故障隔离性能。最后,使用TE过程和带钢热连轧过程数据对所提算法的监测与诊断性能进行了验证。（2）针对流程工业多操作工况导致的非线性问题,提出了基于高斯混合变分自编码器的多工况过程监测方法。首先,变分自编码器中引入高斯混合模型,构建一个高斯混合变分自编码器,将多工况的非线性过程数据映射到潜变量空间,使其每个工况的潜变量投影均近似服从高斯分布;然后,利用潜变量投影在每个高斯分量的偏离程度,以及模型提供的重构概率分布构建监测统计量,实现多工况过程的非线性过程监测。最后,通过TE过程和带钢热连轧过程数据验证了该算法的有效性。（3）针对流程工业非线性过程质量监测问题,提出了联合深度变分信息瓶颈和变分自编码器的质量监测方法。首先,通过构建深度变分信息瓶颈和变分自编码器的联合模型,实现质量相关和无关的潜变量分解,并采用理论分析证明了上述联合模型分解的有效性;然后,利用联合模型提供的潜变量分布和重构概率分布建立了监测统计量,从而实现质量相关故障的检测;最后,通过数值仿真案例和带钢热连轧案例验证了所提算法的有效性。（4）针对流程工业全流程非线性建模和过程监测问题,提出了基于条件变分自编码器的全流程过程监测方法。首先,以流程工业中常见的串联型过程为研究对象,构建分布式变分循环自编码器模型,以提取工序间和工序内的时空特征;其次,使用深度支持向量数据描述方法对局部特征信息进行融合,提取全局特征信息;然后,基于构建的分布式模型设计局部监测统计量,并用融合的特征构建全局监测统计量,从而实现全流程的全局-局部的过程监测方法;最后,利用带钢热连轧实际工程案例对所提算法进行了验证。（5）针对流程工业非线性过程监测、故障隔离、故障辨识一体化解决难的问题,提出了一个深度因果图建模方法及其一体化过程监测与故障诊断方案。首先,提出了一种深度因果图建模方法,构建描述变量间因果关系的有向图结构;然后,利用深度因果图模型提供的变量条件概率构建监测统计量和贡献度指标,实现故障的检测和隔离,并使用因果有向图结构辨识故障的根源和传播路径;最后,通过TE过程验证所提算法的可行性和有效性。
靳聪聪[3]（2020）在《基于性能的高土石坝地震易损性分析与地震风险评估方法研究》文中指出随着我国对能源结构优化和清洁能源发展需求的不断增加,一批以高土石坝为代表的高坝大库在国家水电战略开发推动下得到快速发展。我国是当今世界上高土石坝数量最多的国家,并在水力资源丰富的西部地区规划建设一批200m、300m级的高土石坝。这些大坝位于我国地震地质环境复杂的西部地区,加之该地区强震频发且抗震设防烈度相对其它地区要高。因此,开展高土石坝抗震安全研究关乎国家水资源安全和社会公共安全,具有十分重要的意义。科学合理地分析高土石坝在地震作用下的动力反应和地震风险,是确保高坝抗震安全的关键。高土石坝地震反应分析是大坝抗震安全的基础,采用弹塑性模型对高土石坝动力分析是发展的趋势。基于性能的抗震设计能够全面、有效地分析结构在地震作用下的性态水平。因此,有必要将基于性能的抗震理念引入到高土石坝的抗震安全评价中。基于性能的混凝土高坝抗震安全评价在国内已经起步,而基于性能的高土石坝抗震安全分析尚未有系统深入的研究,尤其是对于高土石坝动力弹塑性分析、地震动记录选取、性能水准和性能参数指标量化方法、考虑地震动和筑坝料参数不确定性的高土石坝地震易损性分析方法、高土石坝地震损失估计以及基于性能的高土石坝地震风险评估方法等方面。因此,结合筑坝料弹塑性模型和高土石坝动力弹塑性地震响应分析结果,深入研究基于性能的高土石坝地震易损性与地震风险评估方法。本文主要研究内容总结如下:（1）基于广义塑性理论的框架,结合筑坝土石料试验成果,引入反映筑坝土石料非线性弹性关系的模量公式和能够反映循环硬化和滞回特性的塑性模量因子,并对PZC模型的弹性和塑性模量表达式改进,提出了一个可以统一考虑循环硬化、滞回特性以及塑性应变积累特性的改进PZC弹塑性模型。采用人工蜂群算法（ABC）和土体模型参数标定程序SM2D对改进模型参数进行标定。通过对糯扎渡堆石料与心墙掺砾土料的静动力三轴试验模拟,改进PZC弹塑性模型可以较好的反映筑坝料的主要静动力特性,从而验证了该模型的有效性。将改进PZC弹塑性模型编入到SWANDYNE Ⅱ有限元程序中,并对糯扎渡高土石坝进行动力弹塑性反应分析。该方法能够较全面分析高土石坝加速度反应规律分析和频域特性。通过对坝体内典型点的变形时程分析和大坝震害网格变形研究,能够深入分析高土石坝变形特性。结合动力固结理论得到高土石坝的超静孔压分布,计算结果能较好反映高土石坝震动响应规律。通过进一步研究改进PZC弹塑性模型参数对高土石坝动力计算结果的影响,分析得出Mg、Mf、γD、γden、γu、Hu0、H0等7个模型参数对大坝动力计算结果影响敏感度较高。（2）建立了一种基于场地谱和坝址区地震参数的高土石坝地震动记录选择方法,设定选取地震动记录筛选条件和地震动数量,通过PEER选取60条符合场地条件地震波,所选取的地震动记录的均值谱与场地谱的吻合较好,体现选取地震动的不确定性。结合有限元程序SWANDYNE Ⅱ对糯扎渡高土石坝进行动力弹塑性有限元分析以及统计国内外土石坝变形震害结果,提出了高土石坝的可定量化性能指标和多级性能水准的确定方法。采用基于多条带分法（MSA）的高土石坝地震易损性方法分析坝体结构在不同地震强度作用下产生各个等级破坏的概率。通过讨论两个性能参数平均值变异系数和标准差变异系数随着随着地震波数量的变化规律,结果表明:当地震波数量大于30条,地震动数量对于性能参数影响基本不再变化。通过引入了幂指数的地震危险性模型,结合高土石坝地震易损性分析结果,建立了基于性能的高土石坝抗震安全评估方法,并对高土石坝在设计基准期期内达到不同性能等级的概率进行评估。结果表明,大坝处于基本完好概率达到98%以上,说明糯扎渡高土石坝在设计基准期内的抗震性能良好。（3）选取改进PZC模型中的7个敏感性较大的模型参数作为高土石坝的随机变量来考虑筑坝料材料参数的不确定性,并采用拉丁超立方体抽样方法（LHS）建立60个随机生成的高土石坝地震-结构样本对。计算结果表明,仅考虑地震动不确定性在一定程度上低估了高土石坝各级性能水准对应的超越概率。引入具有强大映射能力的人工神经网络（ANN）方法,以高土石坝动力弹塑性分析的计算结果进行训练和仿真,建立ANN模型代替有限元分析计算,并与MSA方法相结合,提出了基于ANN-MSA的高土石坝地震易损性分析方法。根据糯扎渡高土石坝地震危险性资料,推导坝址处地震加速度概率密度函数,采用蒙特卡罗（MC）方法对高土石坝震害风险进行分析。结合地震发生在时间、空间和强度上的不确定性,对设计基准期内的糯扎渡高土石坝在10、50和100年的震害风险概率进行评估。通过对蒙特卡罗和数值积分方法计算高土石坝震害风险值的对比发现,蒙特卡罗法计算结果略小于数值积分方法的结果,造成对高土石坝震害风险的低估。最后,结合高土石坝地震损失和震害风险分析结果,建立基于性能的高土石坝地震风险评估方法,并分析在设计准期内的糯扎渡高土石坝地震风险值。结果表明:高土石坝在100年设计基准期内坝顶相对震陷率和坝顶水平位移最大值对应的严重破坏的地震风险评估值为1.2049和1.5674亿元,处于高土石坝地震损失灾难状态。
魏骁[4]（2020）在《基于混合不确定性建模的船舶不确定性优化设计》文中认为现阶段大多数船舶优化设计为确定性优化设计。然而,在实际设计过程中,船舶方案会受到许多不确定性因素的影响,这些因素可能导致船舶方案失效或者船舶性能达不到预定设计目标。因此,船舶总体设计需要在设计初期就充分考虑各类不确定性因素的影响,从而保证后续优化设计得到的结果能够适应相关参数的波动。目前,船舶不确定性优化设计方法还不够成熟。首先,设计者对不确定性因素的特性缺乏深入分析,将所有不确定性因素归结为随机不确定性,采用概率法进行处理,并没有根据不确定性因素的特性进行初步的分类;其次,对于随机不确定性下的不确定量化、分析和传递,大部分设计者仍使用传统耗时的蒙特卡洛方法,这对于需要大量模拟仿真计算和不确定性分析的船舶不确定性优化设计而言,是不现实的;除此之外,目前的船舶不确定性优化设计研究几乎都集中在随机不确定性优化上,忽略了由于设计者的知识不足、缺乏数据和信息不完全导致的认知不确定性的建模及后续优化等,有其局限性。同时,目前的船舶不确定性优化通常采用单源不确定性分析传递方法,没有考虑随机认知不确定性并存下的组合量化,因此,在采用不同方法对随机认知不确定性建模后,如何将两种不同形式的不确定性在统一框架下进行不确定性分析是一大难点。综上,在船舶不确定性优化设计中,传统的不确定性方法远远无法满足设计者目前的设计需求,迫切需要能处理该优化问题的新理论、新方法。本文针对上述问题,完成了以下研究工作:1.不确定性因素分类方法研究将参数估计和拟合优度方法结合,根据已经收集的变量数据,对随机和认知两类不确定性因素进行分析,完成不确定性因素的分类,并将不确定量划分为三类,即强统计变量、稀疏变量和区间变量。2.多源随机不确定性影响下的不确定性分析传递方法研究在随机不确定性的影响下,采用多维多项式混沌展开法（Polynomial Chaos Expansion,PCE）代替传统的蒙特卡洛模拟法进行不确定性分析传递。在此基础上,针对多项式混沌展开法在随机不确定性传递和分析中存在的问题:1)求解PCE法的多项式系数时传统大样本的统计回归方法计算量较高;2)多维不确定因素共存时,导致不确定分析效率低;3)PCE法无法直接得到约束失效概率。通过解决上述问题,提出一种高效的基于多项式混沌展开法的随机不确定分析传递方法。3.认知不确定性影响下的不确定性建模完成不确定性分类后,对稀疏变量采用赤池信息准则识别混合分布类型并给出相应的权重;区间变量采用证据理论进行建模,由焦元及其对应的基本可信度（Basic Probability Assignment,BPA）进行表达,完成了认知不确定性的建模。4.随机和认知不确定性并存下的统一不确定性分析传递方法研究在随机和认知不确定性的共同影响下,首先基于证据理论方法,推导了混合不确定性下的稳健性和可靠性表达,提出了一种混合不确定性统一分析传递方法。然而,该方法存在计算效率低的难题,为此又提出了基于任意多项式混沌展开法的混合不确定性统一分析传递方法,最终完成随机和认知混合影响下的不确定性分析传递。5.不确定性优化方法在船型优化中的应用在上述研究的基础上,将不确定性优化设计方法应用于典型船型的波浪均阻优化中,高效地获得稳健、可靠的最优方案。
刘骏斌[5]（2020）在《资产价格与系统性金融风险：影响机制及其监控研究》文中指出历经多年高速发展,我国已经建立起较为完善的金融体系,金融市场体量和影响力显着增加,金融经济系统对资产价格波动的敏感性提高。2008年金融危机后,我国发生了房地产价格的多轮上涨和“千股跌停”的股灾,资产价格波动加剧了系统性金融风险压力。当前,我国经济面临深化供给侧改革和转型升级的迫切需求,守住不发生系统性金融风险的底线成为我国金融改革中的根本性任务。因此,研究资产价格与系统性金融风险的相互影响机制及其监控问题契合当下金融改革的重点,具有深远的研究意义和实践价值。基于当前研究背景和现实需求,本文将系统性金融风险扩展到国家金融安全范畴,并遵循“资产价格内涵→资产价格与系统性金融风险相互影响→风险测度→溢出效应→监控机制和政策建议”的逻辑思路展开研究,旨在构建较为系统的宏微观分析框架。本文首先从资产价格的理论基础和“价值-价格”关系入手,阐述了资产价格的形成和波动机理,研究表明:资产价格能够充分反映公开信息,资产价值是决定资产价格的基础,流动性水平是资产价格联动、泡沫化和周期性变化的主要影响因素,存在复杂的驱动机制和波动效应影响。在分析资产价格的形成与波动的基础上,本文详细阐述了资产价格与系统性金融风险的相互影响机理。首先,一系列金融危机已经明确了资产价格与系统性金融风险的相互影响事实,本文进一步从预期、市场和流动性角度分析了资产价格与系统性金融风险的相互影响途径,涉及预期影响下的资产价格和货币价值偏离、投资决策影响和价格机制、流动性冲击、信贷杠杆和货币循环等具体影响渠道;同时,基于开放式基金的资产配置和企业-银行部门的信贷关系构建理论模型,解析资产价格与系统性金融风险之间存在的跨期、“螺旋式”叠加、时滞、持续和不对称等影响效应特征。在明确资产价格与系统性金融风险相互影响机理的基础上,本文基于资产价格数据信息,分别从宏微观角度测度系统性金融风险。首先,基于网络视角测度的开放式基金的系统性金融风险结果表明系统性金融风险在基金之间的传染具有方向性和非对称性。其次,针对扩展的宏观系统性金融风险范畴,分别选用综合指数法测度金融系统压力指数和金融主权指数,选用Copula-GARCH（1,1）-Va R模型测度信用货币的币值稳定性,并验证了测度指标的合理性。在系统性金融风险测度的基础上,本文基于市场因子和面板数据分析的实证方法研究系统性金融风险的微观机构溢出效应,结果表明:基于金融网络测度的风险指标对开放式基金的现金流和收益增长的影响具有两面性,既是风险的冲击、传染和分散,也能够凸显出机构的系统重要性程度。进一步的,运用时变参数随机波动率结构VAR模型（TVP-SV-SVAR）分析系统性金融风险的宏观时变溢出效应,结果表明:美元货币政策冲击和跨国资本循环持续增加系统性金融风险压力,并共同冲击人民币币值稳定和阻碍金融主权实力的提升。最后,本文基于资产价格视角构建系统性金融风险监控机制。通过借鉴能够反映变化方向、大小和延续性的时变方法,分析系统性金融风险监控的现状,提出转变监控的理念思路和原则,构建多维度、多系统的系统性金融风险监控体系。并进一步从资产价格变化、外生性冲击和风险指数视角对系统性金融风险的监控效果进行了非线性时变检验,明确了相应监控指标及其适应的监控范围。
徐誉畅[6]（2020）在《面向机票购买与销售的预测模型与服务》文中指出近年来,随着中国经济的快速发展和国民生活水平的极大提高,飞机已经成为一类普及的出行方式。尤其对于商务和差旅人士来说,购买机票是生活中很经常的需求。由于机票需求不同于刚需消费品,其具有明显的季节性和规律性,容易受到时间等上下文信息的影响。另外航空公司为了提高收益而使用收益管理系统动态制定机票价格,导致机票价格具有较强的动态性。而目前主流的互联网购票和在线服务代理网站为消费者提供了获取机票价格信息的渠道。文章结合机票价格数据特性,以提高预测模型准确度和可靠性为最终目标提出一种考虑预测不确定性的预测算法。时间序列预测问题是一类经典的问题,在金融和工业领域中有许多实际应用,也有大量不同类型的方法。但是由于数据获取的限制等原因,目前对机票价格预测的研究还比较欠缺。由于机票价格预测模型的输出需要作为后续一些决策策略的参考,在设计的过程中同时考虑到模型可靠性和精确性两方面的因素。文章中的预测模型的输出是预测区间,根据样本分布情况给出概率分布模型。根据网站上获取到的价格信息,消费者可以有更大的可能买到价格更低的机票,但是对于消费者和航空公司来说,仍然存在信息不对称问题。而且以往的研究大多是航空公司方对收益管理系统的讨论,从为消费者节省开销角度的研究很少,文章从消费者实际心理因素出发,提出较为全面的代价函数,并设计几种不同的购买策略,从不同角度衡量推迟购买可能取得低价的可能性。最后给出了一个机票购买策略系统,从实际应用角度设计了数据在不同模块之间的流向。实验中使用真实机票价格数据并模拟购买场景,分别比较不同航线、观测区间长度情况下模型的效果。此外,由于机票数据不同航班之间特性差异较大以及更新频率较高的特性,在线旅游代理网站需要以一定的频率调用航空公司提供的预测服务以保持网站信息的实时性。根据数据统计结果显示,数据变化频率具有一定的分布特性,在较为平稳的时段可以通过降低调用频率来减少部分开销。文章分别从无调用次数限制和有调用次数限制的两种情况进行分析,设计服务调用策略,最终策略在准确度和降低成本之间取得平衡。
黄素贞[7]（2019）在《部分变系数单指数空间回归模型的估计及应用》文中提出部分变系数单指数回归模型综合了变系数回归模型和单指数回归模型的特点,其不仅能够克服非参数回归模型中存在的“维数灾难”,而且能够用于研究变量间的非线性特征,其估计方法在经济、管理等学科中应用广泛。考虑到在现实经济问题中,许多响应变量具有空间相关性,为了进一步准确的刻画解释变量和响应变量的关系,我们有必要将部分变系数单指数回归模型拓展到为部分变系数单指数空间回归模型。现有研究文献检索发现,针对该类模型的理论、方法和应用研究尚处于空白。因此,对该类模型进行深入、系统的研究具有十分重要的理论意义和应用价值。本论文在对现有相关研究文献进行梳理的基础上,完成了以下研究内容:（1）提出了两种新的部分变系数单指数空间回归模型,包括部分变系数单指数空间滞后回归模型和部分变系数单指数空间误差滞后回归模型;（2）根据新模型的特点,构造了两种模型的截面拟极大似然估计法,分别给出了其参数和非参数未知函数的估计;（3）通过Monte Carlo模拟方法考察了估计的小样本表现;（4）将两种模型的估计方法分别用于研究波士顿房价的影响因素和我国PM2.5的社会经济因素。Monte Carlo数值模拟研究结果表明:（1）随着样本量的增加,两种模型的参数估计的样本标准差Std.dev和均方根误RMSE均迅速变小,表明参数估计效果较好;（2）随着样本量的增加,两种模型的未知函数估计的平均绝对误差MADE也都迅速变小,说明未知函数的估计的小样本表现较好;（3）通过引入具有不同复杂度的Case和Rook空间权重矩阵,模拟结果发现空间相关系数和空间误差相关系数的估计效果在一定程度上受空间复杂度的影响,空间结构越复杂,估计偏误越大,而对其他估计的影响较小。总体来说,模型的小样本表现均较好,能够用于实际数据的应用研究。应用上,本文做了两方面的研究:（1）将部分变系数单指数空间滞后回归模型的估计方法应用于分析波士顿房价的影响因素,结果表明:低教育程度者比例、一氧化氮浓度随人均犯罪率变化对波士顿房价呈负向影响;城镇师生比例随人均犯罪率变化对房价的影响是正向的;城镇黑人比例随人均犯罪率变化对房价影响波动较小;城镇非零售商用土地的比例和到波士顿五大城区加权距离的线性组合对波士顿房价综合影响从负向到正向。（2）将部分变系数单指数空间误差滞后回归模型的估计方法应用于分析我国城市PM2.5的影响因素,结果表明:用电量、城区绿化覆盖率和工业粉尘排放量随人均GDP变化以及人口密度和第二产业比重的线性组合对PM2.5浓度呈正向影响,公共汽车数量随人均GDP变化对PM2.5浓度影响呈负向。
赵璐[8]（2016）在《正规弱连续模糊测度的结构分析及模糊综合评判在招聘中的应用》文中指出本文研究具有特殊结构的模糊测度问题,将给出正规弱连续模糊测度的定义,并对定义进行深入分析,给出正规弱连续模糊测度的内测度和外测度。研究正规弱连续模糊测度是为了降低模糊测度中定义域的限制范围问题。为了可以在广义可加的概念基础之上,削弱可加性的条件,使其在新的意义下是可加的,研究在Fuzzy测度所可能具有的其他结构特征下的模糊测度并对其做出改进和推广是有很重要的理论和实际意义的。本文所要研究的问题主要有以下方面:首先,介绍模糊代数和模糊单调类的相关内容,以及模糊测度的定义和模糊测度相关的重要性质,并给出了模糊测度的内测度和外测度概念为文章后续研究特殊结构的模糊测度奠定了理论基础。其次,研究特殊结构的模糊测度,将模糊测度中的单调性改为用上确界来逼近,进而给出了正规弱连续模糊测度定义,并证明出正规弱连续模糊测度是一种特殊的模糊测度,同时对其性质进行研究,给出了正规弱连续模糊测度的模糊内测度和外测度及与其相关的重要结论,并对正规弱连续模糊测度进行了扩展。最后,基于模糊数学中的一级模糊综合评判和多级模糊综合评判的评判模型,设计出幼儿教师招聘的方案,通过变异系数法确定因素权重,专家经验法确定隶属度等来说明模糊综合评判模型在招聘过程中的有效性。
刘琳[9]（2015）在《gλ模糊测度和模糊积分的进一步研究及应用》文中指出模糊数学作为一门新兴的学科，是经典数学的重要推广，具有很重要的理论意义。经过几十年的短暂发展，模糊数学与经典数学相互渗透，形成了很多新的学科，如模糊拓扑学、模糊随机数学、模糊分析学以及模糊逻辑理论等几大分支，每一个分支内涵都十分的丰富。自从1974年Sugeno M首次引入模糊测度和模糊积分的概念以来，国内外众多学者研究了许多关于模糊测度和模糊积分的问题，得到了一些很好的结论。近年来，模糊测度及由其定义的模糊积分已经在模式识别、信息融合、计算机视觉中得到了成功的应用。因此，研究特殊结构的模糊测度和模糊积分是十分必要的。本文所研究的问题有以下几个方面：首先，介绍了模糊测度和模糊积分的相关内容，然后又介绍了gλ模糊测度的定义和相关性质，为文章的后续内容奠定了基础。其次，研究了gλ模糊测度无穷级数敛散性，在引入广义可加的概念下，讨论了gλ模糊测度与gλ概率测度的转化定理。同时对gλ模糊积分的相关性质加以证明，并讨论了其收敛定理。最后，利用模糊数学的相关知识给出了一级和多级模糊综合评判模型，讨论了结合交互作用的综合评判，给出了gλ模糊测度表示交互作用的能力。并把模糊综合评判和结合交互作用的综合评判简单应用于教学质量评价和学生评价等方面。
曹扬[10]（2013）在《麻醉药物建模与麻醉深度闭环策略》文中认为全身麻醉通常指由适量的麻醉药物对中枢神经系统产生的可逆功能性抑制,用来免除病人的疼痛和不适感,以达到进行无痛和无阻碍手术治疗的目的。麻醉药物的具体作用是在术中实现对病人镇痛,催眠,失忆和神经肌肉阻滞。在临床手术过程中,麻醉医师需依据自身的临床经验评估患者的状态,通过调解和控制用药剂量和给用药时间,来实现麻醉药物多种作用间的平衡。从临床的角度来看,传统的麻醉人工输注方法,依赖于麻醉师的个人经验,缺乏量化和统一的标准,难以保证麻醉效果,而高危,繁重,连续的麻醉手术极易导致麻醉师的疲劳、失误,增加病人的手术风险。随着多种麻醉深度指数的出现,人们展开了对麻醉闭环控制的研究,期望通过反馈策略实现自动化药物输注和调整。然而,药物的代谢与效能,和人体之间是一个复杂的非线性系统,其增加了麻醉闭环控制的技术难度。因此,为提高麻醉稳定性和保护病人的安全,缩短诱导和苏醒时间,减轻麻醉师的工作量,提高工作效率,本研究针对麻醉药物的群体药代建模方法,麻醉常规速效药异丙酚、瑞芬太尼的药物模型,麻醉闭环控制进行了深入研究,具有重要的理论和临床意义。本文针对异丙酚、瑞芬太尼的群体药代模型,重点研究了非线性混合效应建模和人工神经网络建模的应用,并在此基础上构建了以大脑状态指数为反馈变量的麻醉深度闭环模糊控制和非线性滑模控制,论文通过理论分析、模拟仿真等手段,围绕麻醉闭环策略开展的研究工作。本文工作的主要内容和创新总结如下：（1）对群体药代动力学的算法原理进行了总结,详尽阐述了目前麻醉药物常用的非线性混合效应模型建模方法。通过改进的SAEM-MCMC算法,对两种临床常见静脉麻醉药物异丙酚、瑞芬太尼群体模型进行了优化,分析了异丙酚、瑞芬太尼的固定效应和随机效应,以及模型的选择依据。（2）针对麻醉药物时变性强,房室结构复杂,血药浓度预测准确度不高的特点,实现了异丙酚、瑞芬太尼的人工神经网络血药浓度预测模型。根据麻醉药物血药浓度的影响因素及其药代模型的特点,系统的研究了人工神经网络构建血药浓度预测模型的具体方案,采用了基于改进型的Elman神经网络构建血药浓度模型,在多组数据中进行了相关验证。（3）构建了以大脑状态指数为反馈变量的麻醉闭环模糊控制系统,提出以粒子群算法优化大脑状态指数误差与输出率之间模糊规则与隶属度函数形状,并进行了仿真研究,获得了良好的控制效果。（4）针对麻醉过程中常出现的随机波动,手术干预等问题,在麻醉闭环模糊控制系统中,引入非线性滑模控制理论,建立自适应积分滑模闭环控制器,以仿真证明了研究结果的有效性,具有较好的鲁棒性。通过以上四个方面的研究表明,改进的非线性混合效应和神经网络方法在对麻醉速效药物建模和血药浓度预测方面,均可达到了较高的精度。而基于大脑状态指数的麻醉闭环模糊控制和非线性滑模控制系统,同时在仿真实验中,都显示出其广阔的应用前景。
二、广义Fuzzy逻辑回归模型的最大Fuzzy积分估计（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、广义Fuzzy逻辑回归模型的最大Fuzzy积分估计（论文提纲范文）
（1）时间序列的结构复杂性及相似性研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与研究对象 |
| 1.1.1 熵的起源与发展 |
| 1.1.2 时间序列的结构复杂性 |
| 1.1.3 时间序列的相似性 |
| 1.2 本文主要工作 |
| 2 基于样本熵曲线的时间序列结构复杂性研究 |
| 2.1 方法介绍 |
| 2.1.1 传统样本熵方法 |
| 2.1.2 基于Tsallis熵的样本熵曲线 |
| 2.2 qSampEnAve方法模拟序列分析 |
| 2.3 qSEDiffAve方法模拟序列分析 |
| 2.4 心跳间隔序列实证分析 |
| 2.5 本章小结 |
| 3 基于全局递归量化分析的时间序列结构复杂性研究 |
| 3.1 方法介绍 |
| 3.1.1 递归量化分析 |
| 3.1.2 全局递归量化分析 |
| 3.2 模拟序列分析及参数选择 |
| 3.2.1 重现率 |
| 3.2.2 层状度 |
| 3.2.3 确定性和Rényi熵 |
| 3.2.4 不同类型序列比对分析 |
| 3.3 股票数据实证分析 |
| 3.4 本章小结 |
| 4 基于置换分布熵的时间序列结构复杂性与相似性研究 |
| 4.1 方法介绍 |
| 4.1.1 置换分布熵 |
| 4.1.2 动态香农熵 |
| 4.1.3 基于交叉置换分布熵的概率密度加权距离 |
| 4.2 动态香农熵方法的模拟序列分析 |
| 4.2.1 非周期序列分析 |
| 4.2.2 周期性序列分析 |
| 4.3 工程数据实证分析 |
| 4.4 PID方法的模拟序列分析 |
| 4.5 股票数据实证分析 |
| 4.6 本章小结 |
| 5 基于改进多维标度法的时间序列相似性研究 |
| 5.1 方法介绍 |
| 5.1.1 传统多维标度法 |
| 5.1.2 基于KrD距离的多维标度法 |
| 5.2 模拟序列分析 |
| 5.3 股票数据实证分析 |
| 5.4 拓展研究 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 附录 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）数据驱动的流程工业非线性过程监测与故障诊断（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 过程监测与故障诊断的研究内容与方法 |
| 1.2.1 过程监测与故障诊断的基本概念 |
| 1.2.2 过程监测与故障诊断研究方法 |
| 1.3 数据驱动的过程监测与故障诊断现状分析 |
| 1.3.1 基于多元统计的过程监测研究现状 |
| 1.3.2 数据驱动的故障诊断研究现状 |
| 1.4 非线性过程监测与故障诊断研究现状 |
| 1.4.1 基于核方法的非线性过程监测 |
| 1.4.2 基于局部模型的非线性过程监测 |
| 1.4.3 基于深度学习的非线性过程监测 |
| 1.4.4 非线性故障诊断研究现状 |
| 1.5 本文的研究内容 |
| 2 基于变分自编码器的非线性过程监测与故障隔离 |
| 2.1 引言 |
| 2.2 变分自动编码器 |
| 2.3 分支定界算法 |
| 2.4 基于VAE的非线性过程监测 |
| 2.4.1 基于联合概率密度的监测统计量设计 |
| 2.4.2 基于数据生成的控制限确定 |
| 2.5 基于VAE的非线性过程故障隔离 |
| 2.5.1 基于重构贡献分析的故障隔离方法 |
| 2.5.2 基于分支定界算法的故障隔离方法 |
| 2.6 实验验证 |
| 2.6.1 TE过程验证 |
| 2.6.2 带钢热连轧过程验证 |
| 2.7 本章小结 |
| 3 基于高斯混合变分自编码器的多工况过程监测 |
| 3.1 引言 |
| 3.2 高斯混合模型 |
| 3.3 高斯混合变分自编码器 |
| 3.4 基于混合高斯VAE的多工况过程监测 |
| 3.4.1 改进的GMVAE模型 |
| 3.4.2 基于GMVAE的过程监测 |
| 3.5 实验验证 |
| 3.5.1 TE过程验证 |
| 3.5.2 带钢热连轧过程验证 |
| 3.6 本章小结 |
| 4 基于深度变分信息瓶颈和变分自编码器的质量监测 |
| 4.1 引言 |
| 4.2 信息瓶颈 |
| 4.3 深度变分信息瓶颈 |
| 4.4 基于Deep VIB-VAE的非线性过程质量异常过程建模 |
| 4.4.1 Deep VIB-VAE建模 |
| 4.4.2 基于质量相关和无关特征分解的质量监测 |
| 4.5 实验验证 |
| 4.5.1 数值仿真案例验证 |
| 4.5.2 带钢热连轧过程验证 |
| 4.6 本章小结 |
| 5 基于条件变分自编码器的全流程过程监测 |
| 5.0 引言 |
| 5.1 理论基础 |
| 5.1.1 长短期记忆网络 |
| 5.1.2 条件变分自编码器 |
| 5.1.3 深度支持向量数据描述 |
| 5.2 基于CVRAE的全流程过程监测 |
| 5.2.1 系统描述 |
| 5.2.2 分布式条件变分循环自编码器 |
| 5.2.3 基于分布式CVRAE的分层过程监测框架 |
| 5.3 实验验证 |
| 5.3.1 带钢热连轧数据集 |
| 5.3.2 实验结果 |
| 5.4 本章小结 |
| 6 深度因果图建模及其过程监测与故障诊断 |
| 6.1 引言 |
| 6.2 深度因果图建模方法 |
| 6.2.1 图结构已知的因果关系建模方法 |
| 6.2.2 图结构未知的因果关系建模方法 |
| 6.3 基于深度因果模型的过程监测与故障诊断 |
| 6.3.1 过程监测 |
| 6.3.2 故障诊断 |
| 6.4 实验验证 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 研究工作总结 |
| 7.2 未来研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（3）基于性能的高土石坝地震易损性分析与地震风险评估方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1. 绪论 |
| 1.1 研究背景与意义 |
| 1.2 高土石坝震害综述 |
| 1.3 土石坝抗震的研究进展 |
| 1.3.1 土的动力本构模型 |
| 1.3.2 高土石坝动力分析方法 |
| 1.3.3 基于性能的地震易损性分析 |
| 1.3.4 基于性能的大坝地震风险研究 |
| 1.4 本文主要研究思路与内容 |
| 2. 筑坝土石料改进PZC弹塑性模型研究 |
| 2.1 引言 |
| 2.2 基于广义塑性理论的PZC弹塑性模型 |
| 2.2.1 广义塑性理论 |
| 2.2.2 PZC模型的弹性部分 |
| 2.2.3 PZC模型的加载和塑性流动方向 |
| 2.2.4 PZC模型的塑性模量 |
| 2.3 改进的土石料PZC弹塑性模型 |
| 2.3.1 弹性部分的改进 |
| 2.3.2 塑性部分的改进 |
| 2.3.3 模型参数确定方法 |
| 2.4 本构模型的试验验证 |
| 2.4.1 糯扎渡高土石坝堆石料试验模拟 |
| 2.4.2 糯扎渡高土石坝掺砾土试验模拟 |
| 2.5 本章小结 |
| 3. 高土石坝地震动力弹塑性反应分析 |
| 3.1 引言 |
| 3.2 动力固结理论 |
| 3.2.1 动力固结理论 |
| 3.2.2 动力固结方程有限元格式 |
| 3.3 糯扎渡高土石坝有限元计算模型 |
| 3.3.1 工程概况 |
| 3.3.2 有限元模型和地震动输入 |
| 3.4 糯扎渡高土石坝弹塑性分析 |
| 3.4.1 静力结果 |
| 3.4.2 加速度响应分析 |
| 3.4.3 永久变形分析 |
| 3.4.4 孔压分析 |
| 3.4.5 地震动力影响因素分析 |
| 3.5 本章小节 |
| 4. 基于性能的高土石坝地震易损性分析和抗震安全评估 |
| 4.1 引言 |
| 4.2 地震易损性分析方法 |
| 4.2.1 易损性函数 |
| 4.2.2 地震易损性方法 |
| 4.3 高土石坝地震动选取方法 |
| 4.3.1 地震动记录选取 |
| 4.3.2 高土石坝地震动选取方法 |
| 4.4 基于变形的高土石坝性能参数和性能水准 |
| 4.4.1 基于坝顶相对震陷率的性能水准 |
| 4.4.2 基于坝顶水平位移的性能水准 |
| 4.5 基于地震变形易损性的糯扎渡高土石坝抗震安全分析 |
| 4.5.1 基于多条带分法的高土石坝地震变形易损性分析 |
| 4.5.2 基于地震变形易损性的高土石坝抗震安全分析 |
| 4.6 本章小节 |
| 5. 基于性能的高土石坝服役期地震风险评估方法研究 |
| 5.1 引言 |
| 5.2 地震危险性分析方法 |
| 5.2.1 区域地震区带 |
| 5.2.2 地震活动性参数 |
| 5.2.3 地震危险性评价 |
| 5.3 考虑不确定性的高土石坝地震易损性分析 |
| 5.3.1 地震动-结构样本对 |
| 5.3.2 考虑不确定性的高土石坝地震易损性分析 |
| 5.4 基于性能的高土石坝震害风险分析 |
| 5.4.1 基于ANN-MSA的高土石坝易损性分析 |
| 5.4.2 基于性能的糯扎渡高土石坝震害风险分析 |
| 5.4.3 糯扎渡高土石坝不同使用期内震害风险分析 |
| 5.5 基于性能的糯扎渡高土石坝地震风险分析 |
| 5.5.1 高土石坝地震损失评估方法 |
| 5.5.2 基于性能的糯扎渡高土石坝地震风险评估 |
| 5.6 本章小节 |
| 6. 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 附录1 区域范围内M5级以上历史地震目录 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（4）基于混合不确定性建模的船舶不确定性优化设计（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 不确定性建模的研究现状 |
| 1.2.1 不确定性的分类 |
| 1.2.2 不确定性的建模方法 |
| 1.3 不确定性分析的研究现状 |
| 1.3.1 蒙特卡洛法 |
| 1.3.2 多项式混沌展开法 |
| 1.3.3 可靠性分析法 |
| 1.4 船舶不确定性优化设计研究现状 |
| 1.4.1 不确定优化设计 |
| 1.4.2 不确定性优化设计在船舶领域的研究现状 |
| 1.4.3 主要存在的问题 |
| 1.5 本论文的主要工作 |
| 1.5.1 研究目标 |
| 1.5.2 主要研究内容 |
| 第2章 不确定性的分类 |
| 2.1 不确定性的表达 |
| 2.2 统计推断方法 |
| 2.2.1 参数估计 |
| 2.2.2 假设检验 |
| 2.3 不确定性分类方法 |
| 2.3.1 不确定性分类步骤 |
| 2.3.2 算例 |
| 2.4 本章小结 |
| 第3章 随机不确定性的分析传递 |
| 3.1 多项式混沌展开法 |
| 3.1.1 基本原理 |
| 3.1.2 多项式混沌展开系数求解 |
| 3.2 改进的概率配点法 |
| 3.2.1 概率配点法 |
| 3.2.2 改进的概率配点法 |
| 3.2.3 数值算例 |
| 3.3 基于多项式混沌展开法的全局灵敏度分析 |
| 3.3.1 基本原理 |
| 3.3.2 基于PCE的 Sobol’全局灵敏度指标 |
| 3.3.3 数值算例 |
| 3.4 基于多项式混沌展开法的约束失效概率求解 |
| 3.4.1 最大熵法 |
| 3.4.2 基于PCE法的响应变量原点矩求解 |
| 3.4.3 数值算例 |
| 3.5 散货船概念设计算例 |
| 3.5.1 优化问题描述 |
| 3.5.2 散货船不确定性优化设计流程 |
| 3.5.3 优化问题描述 |
| 3.5.4 优化结果分析 |
| 3.6 标准船型KCS型线优化 |
| 3.6.1 KCS几何模型 |
| 3.6.2 EEDI公式 |
| 3.6.3 优化问题描述 |
| 3.6.4 优化结果及验证 |
| 3.7 本章小结 |
| 第4章 认知不确定性的建模 |
| 4.1 稀疏变量的建模 |
| 4.1.1 待选竞争分布的参数确定 |
| 4.1.2 基于赤池信息准则的权重确定 |
| 4.1.3 混合分布的分布参数估计 |
| 4.1.4 算例 |
| 4.2 区间变量的表达和不确定性度量 |
| 4.2.1 证据理论 |
| 4.2.2 区间变量的不确定度量 |
| 4.2.3 数值算例 |
| 4.3 本章小结 |
| 第5章 混合不确定性的统一分析传递方法 |
| 5.1 基于证据理论的混合不确定性统一分析传递方法 |
| 5.1.1 混合不确定性下可信度和似真度的计算 |
| 5.1.2 混合不确定性下的稳健性和可靠性表达 |
| 5.1.3 基于证据理论的混合不确定性统一分析传递方法的计算流程 |
| 5.1.4 数值算例 |
| 5.2 基于任意多项式混沌展开法的混合不确定性统一分析传递方法 |
| 5.2.1 任意多项式混沌展开法 |
| 5.2.2 Metropolis-Hasting采样 |
| 5.2.3 基于aPC法的混合不确定性统一分析传递方法 |
| 5.2.4 数值算例 |
| 5.3 船舶不确定性优化设计算例 |
| 5.3.1 散货船概念设计算例 |
| 5.3.2 KCS型线优化算例 |
| 5.4 本章小结 |
| 第6章 混合不确定性下的船型不确定性优化设计 |
| 6.1 KCS计算模型 |
| 6.1.1 研究对象 |
| 6.1.2 湍流模型、自由液面和波浪模型 |
| 6.1.3 时间步的选择 |
| 6.1.4 计算域和边界条件 |
| 6.1.5 网格产生 |
| 6.1.6 CFD结果与实验结果对比 |
| 6.2 不确定量的选取 |
| 6.2.1 不确定量数据的获取 |
| 6.2.2 不确定量的建模 |
| 6.3 优化问题描述 |
| 6.3.1 优化目标、设计变量、约束条件和优化算法 |
| 6.3.2 优化流程 |
| 6.4 优化结果分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 致谢 |
| 攻读博士学位期间的科研工作和论文发表情况 |
| 附录 A |
| 附录 B |
| 参考文献 |
（5）资产价格与系统性金融风险：影响机制及其监控研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要缩略词、符号变量的注释表 |
| 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 研究内容与研究方法 |
| 1.2.1 研究范围界定 |
| 1.2.2 研究思路 |
| 1.2.3 研究内容 |
| 1.2.4 研究方法 |
| 1.3 研究创新与不足之处 |
| 1.3.1 研究创新 |
| 1.3.2 可能的不足之处 |
| 第二章 文献综述 |
| 2.1 资产价格形成与波动研究综述 |
| 2.1.1 资产定价理论研究 |
| 2.1.2 资产价格波动研究 |
| 2.2 资产价格与系统性金融风险关联研究综述 |
| 2.2.1 系统性金融风险的理论属性研究 |
| 2.2.2 系统性金融风险的生成机制研究 |
| 2.2.3 资产价格与系统性金融风险的影响研究 |
| 2.3 系统性金融风险的测度与监控研究综述 |
| 2.3.1 系统性金融风险的识别与测度研究 |
| 2.3.2 系统性金融风险的影响与监控研究 |
| 2.4 文献述评 |
| 2.5 本章小结 |
| 第三章 资产价格的形成及其波动效应研究 |
| 3.1 资产价格的形成与波动机理分析 |
| 3.1.1 资产价格的理论基础 |
| 3.1.2 资产价格形成的市场机理 |
| 3.1.3 资产价格波动的流动性驱动机制 |
| 3.2 资产价格统计特征与泡沫分析 |
| 3.2.1 资产价格的统计特征分析 |
| 3.2.2 资产价格泡沫分析 |
| 3.3 资产价格的波动效应分析 |
| 3.3.1 研究设计 |
| 3.3.2 变量选取与检验 |
| 3.3.3 实证分析 |
| 3.4 本章小结 |
| 第四章 资产价格与系统性金融风险的影响机理研究 |
| 4.1 资产价格与系统性金融风险影响的典型事实 |
| 4.1.1 房地产危机 |
| 4.1.2 股票市场危机 |
| 4.1.3 银行业危机 |
| 4.1.4 回顾与分析 |
| 4.2 资产价格与系统性金融风险的影响途径分析 |
| 4.2.1 预期途径影响分析 |
| 4.2.2 市场途径影响分析 |
| 4.2.3 流动性途径影响分析 |
| 4.3 资产价格与系统性金融风险的影响效应分析 |
| 4.3.1 基于金融机构的影响效应分析 |
| 4.3.2 基于宏观视角的影响效应分析 |
| 4.4 本章小结 |
| 第五章 基于资产价格的系统性金融风险测度研究 |
| 5.1 系统性金融风险测度的理论基础 |
| 5.1.1 微观视角的系统性金融风险测度理论 |
| 5.1.2 宏观视角的系统性金融风险测度理论 |
| 5.2 基于网络视角的系统性金融风险测度体系构建 |
| 5.2.1 基于网络关联的测度分析 |
| 5.2.2 基于网络视角系统性金融风险测度体系构建 |
| 5.3 宏观视角的系统性金融风险测度 |
| 5.3.1 金融系统压力指数 |
| 5.3.2 金融实力指数体系 |
| 5.4 本章小结 |
| 第六章 基于资产价格的系统性金融风险溢出效应研究 |
| 6.1 系统性金融风险溢出效应的理论分析 |
| 6.1.1 微观溢出效应分析 |
| 6.1.2 宏观溢出效应分析 |
| 6.2 系统性金融风险的微观机构溢出效应实证分析 |
| 6.2.1 研究设计 |
| 6.2.2 变量选取和实证模型 |
| 6.2.3 实证结果分析 |
| 6.2.4 微观机构溢出效应小结 |
| 6.3 系统性金融风险的宏观时变溢出效应实证分析 |
| 6.3.1 研究设计 |
| 6.3.2 因果检验与模型估计结果 |
| 6.3.3 脉冲结果分析 |
| 6.3.4 宏观时变溢出效应小结 |
| 6.4 本章小结 |
| 第七章 基于资产价格视角的系统性金融风险监控研究 |
| 7.1 系统性金融风险监控的理论基础 |
| 7.1.1 系统性金融风险监控的理论发展 |
| 7.1.2 系统性金融风险监控方法演化 |
| 7.2 系统性金融风险监控的现状与构建 |
| 7.2.1 系统性金融风险监控的现状分析 |
| 7.2.2 系统性金融风险监控理念与原则 |
| 7.2.3 多维度风险监控体系的构建 |
| 7.3 系统性金融风险的资产价格监控 |
| 7.3.1 极端条件下信贷杠杆对资产价格波动冲击 |
| 7.3.2 基于资产价格泡沫的测度监控 |
| 7.3.3 基于资产组合的尾部风险度量与监控 |
| 7.4 基于资产价格视角的外生流动性冲击监控 |
| 7.4.1 外生流动性冲击监控基础 |
| 7.4.2 研究设计 |
| 7.4.3 初步检验与模型设定 |
| 7.4.4 正交脉冲响应分析 |
| 7.5 基于资产价格的系统性金融风险指数化监控 |
| 7.5.1 微观系统性金融风险监控体系构建 |
| 7.5.2 微观系统性金融风险的时变监控 |
| 7.5.3 宏观系统性金融风险的时变监控效果检验 |
| 7.6 本章小结 |
| 第八章 研究结论与未来展望 |
| 8.1 主要结论 |
| 8.2 政策建议 |
| 8.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间的科研情况 |
| 致谢 |
（6）面向机票购买与销售的预测模型与服务（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机票价格预测问题 |
| 1.2.2 机票购买决策问题 |
| 1.2.3 机票搜索量预测服务调用问题 |
| 1.3 本文研究和结构安排 |
| 第二章 相关技术 |
| 2.1 时间序列预测 |
| 2.2 基于长短期记忆的(LSTM)循环神经网络模型 |
| 2.3 特征工程 |
| 2.4 不确定性估计 |
| 2.5 模拟退火算法 |
| 2.6 最优停止理论 |
| 2.7 深度强化学习 |
| 2.8 本章小结 |
| 第三章 考虑预测不确定性的预测算法 |
| 3.1 引言 |
| 3.2 时间序列问题的不确定性预测算法 |
| 3.2.1 机票价格预测问题 |
| 3.2.2 线性模型的不确定性预测 |
| 3.2.3 非线性模型的不确定性预测 |
| 3.3 实验结果和分析 |
| 3.3.1 实验设置 |
| 3.3.2 比较LSTM不同结构和参数设置 |
| 3.3.3 比较不同损失函数 |
| 3.3.4 与其他模型效果比较 |
| 3.3.5 模型分析 |
| 第四章 机票购买决策策略 |
| 4.1 引言 |
| 4.2 机票购买问题 |
| 4.3 基于预测低价天数百分比的购买决策策略 |
| 4.3.1 结合最优停止理论的策略 |
| 4.3.2 动态阈值低价天数百分比策略 |
| 4.4 基于预测区间估计的最优购买决策策略 |
| 4.5 最优购买决策策略理论分析 |
| 4.6 机票购买决策系统 |
| 4.7 实验结果与分析 |
| 4.7.1 数据预处理 |
| 4.7.2 实验比较的策略 |
| 4.7.3 实验指标 |
| 4.7.4 实验结果及讨论 |
| 4.8 总结 |
| 第五章 基于强化学习的机票搜索量预测服务调用策略 |
| 5.1 引言 |
| 5.2 机票搜索量预测服务调用时间分配问题 |
| 5.3 机票搜索量预测服务调用问题 |
| 5.4 基于深度强化学习的值函数更新策略 |
| 5.5 机票搜索量预测服务调用策略 |
| 5.6 实验结果与分析 |
| 5.6.1 实验指标 |
| 5.6.2 实验比较的策略 |
| 5.6.3 实验结果与分析 |
| 5.6.4 限制最大服务调用次数的服务调用 |
| 5.6.5 节省服务调用次数 |
| 5.6.6 分析更新值函数的步长α |
| 5.7 总结 |
| 第六章 全文总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（7）部分变系数单指数空间回归模型的估计及应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景和意义 |
| 第二节 文献综述 |
| 第三节 研究内容 |
| 第四节 可能的创新点 |
| 第五节 论文结构安排 |
| 第二章 部分变系数单指数空间滞后回归模型的估计 |
| 第一节 引言 |
| 第二节 模型设定 |
| 第三节 模型估计 |
| 第四节 蒙特卡洛模拟 |
| 第五节 本章小结 |
| 第三章 部分变系数单指数空间误差滞后模型的估计 |
| 第一节 引言 |
| 第二节 模型设定 |
| 第三节 模型估计 |
| 第四节 蒙特卡洛模拟 |
| 第五节 本章小结 |
| 第四章 应用之一:波士顿房价的影响因素分析 |
| 第一节 引言 |
| 第二节 方法介绍 |
| 第三节 实证框架 |
| 第四节 实证结果及分析 |
| 第五节 本章小结 |
| 第五章 应用之二:我国城市PM2.5 的社会经济影响因素分析 |
| 第一节 引言 |
| 第二节 实证框架 |
| 第三节 实证结果及分析 |
| 第四节 本章小结 |
| 第六章 研究总结和研究展望 |
| 第一节 研究总结 |
| 第二节 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（8）正规弱连续模糊测度的结构分析及模糊综合评判在招聘中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源和研究的目的及意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究的目的及意义 |
| 1.2 国内外研究发展状况 |
| 1.3 本文的主要内容 |
| 第2章 预备知识 |
| 2.1 模糊测度的定义及性质 |
| 2.1.1 模糊测度的定义 |
| 2.1.2 模糊测度的基本性质 |
| 2.2 模糊内测度和模糊外测度 |
| 2.3 本章小结 |
| 第3章 正规弱连续模糊测度的结构 |
| 3.1 正规弱连续模糊测度的定义 |
| 3.2 模糊内测度和模糊外测度 |
| 3.2.1 模糊内测度和模糊外测度的定义 |
| 3.2.2 模糊内测度和模糊外测度的性质 |
| 3.3 本章小结 |
| 第4章 模糊综合评判模型及其应用 |
| 4.1 模糊综合评判 |
| 4.1.1 一级模糊综合评判模型 |
| 4.1.2 多级模糊综合评判模型 |
| 4.2 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
| 致谢 |
（9）gλ模糊测度和模糊积分的进一步研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源和研究的目的及意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究的目的及意义 |
| 1.2 国内外研究发展状况 |
| 1.3 本文的主要研究内容 |
| 第2章 模糊测度和模糊积分 |
| 2.1 模糊测度 |
| 2.2 模糊积分 |
| 2.3 本章小结 |
| 第3章 g_λ模糊测度和g_λ模糊积分的特殊结构研究 |
| 3.1 g_λ模糊测度的特殊结构性质研究 |
| 3.1.1 g_λ模糊测度值的无穷级数敛散性 |
| 3.1.2 g_λ模糊测度值的广义可加性 |
| 3.2 g_λ模糊积分的特殊结构性质研究 |
| 3.3 本章小结 |
| 第4章 模糊综合评判模型及g_λ模糊测度的简单应用 |
| 4.1 模糊综合评判 |
| 4.1.1 一级模糊综合评判模型 |
| 4.1.2 多级模糊综合评判模型 |
| 4.2 结合交互作用的综合评判 |
| 4.2.1 什么是交互作用 |
| 4.2.2 因素间交互作用的类型 |
| 4.2.3 g_λ模糊测度表示交互作用的能力 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）麻醉药物建模与麻醉深度闭环策略（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 静脉靶控麻醉的概况 |
| 1.2 药代模型 |
| 1.2.1 房室模型 |
| 1.2.2 生理模型 |
| 1.3 静脉麻醉药物 |
| 1.3.1 异丙酚 |
| 1.3.2 瑞芬太尼 |
| 1.4 麻醉深度监测 |
| 1.4.1 脑电双频指数 |
| 1.4.2 听觉诱发电位 |
| 1.4.3 熵指数 |
| 1.4.4 大脑状态指数 |
| 1.4.5 麻醉趋势指数 |
| 1.5 麻醉闭环策略 |
| 1.5.1 传统控制器 |
| 1.5.2 智能控制 |
| 1.6 本文的主要研究内容 |
| 1.7 本文结构 |
| 第二章 群体药代学建模 |
| 2.1 群体药代学原理 |
| 2.1.1 群体药代学建模 |
| 2.2 非线性混合效应建模 |
| 2.2.1 非线性混合效应模型 |
| 2.2.1.1 基础模型 |
| 2.2.1.2 固定效应模型 |
| 2.2.1.3 随机效应模型 |
| 2.2.2 目标函数与参数估计方法 |
| 2.2.2.1 最小二乘法 |
| 2.2.2.2 牛顿法 |
| 2.2.2.3 最大似然法 |
| 2.2.2.4 积分近似法 |
| 2.2.2.5 贝叶斯推理 |
| 2.2.2.6 期望最大化算法 |
| 2.2.2.7 随机近似极大期望算法 |
| 2.2.3 模型的有效性检验 |
| 2.2.4 模型的评价指标 |
| 2.3 本章小结 |
| 第三章 基于SAEM-MMH算法麻醉药物建模 |
| 3.1 改进的SAEM-MCMC算法 |
| 3.1.1 SAEM-MMH |
| 3.2 基于SAEM-MCMC算法的麻醉药物建模 |
| 3.2.1 数据集来源 |
| 3.2.2 固定效应分析 |
| 3.2.3 随机效应分析 |
| 3.2.4 最终模型 |
| 3.3 本章小结 |
| 第四章 人工神经网络麻醉药物建模 |
| 4.1 人工神经网络原理 |
| 4.2 人工神经网络建模 |
| 4.2.1 实验数据集 |
| 4.2.2 人工神经网络算法选择 |
| 4.2.3 隐层与隐层节点的选择 |
| 4.2.4 激励函数的选择 |
| 4.3 BP神经网络 |
| 4.3.1 BP神经网络血药浓度预测模型建立 |
| 4.3.2 异丙酚BP神经网络预测结果 |
| 4.3.3 瑞芬太尼BP神经网络预测结果 |
| 4.4 Elman神经网络 |
| 4.4.1 异丙酚ELMAN神经网络预测效果 |
| 4.4.2 瑞芬太尼Elman神经网络预测结果 |
| 4.5 本章小结 |
| 第五章 麻醉深度闭环控制策略 |
| 5.1 模糊控制 |
| 5.1.1 模糊控制原理 |
| 5.1.2 粒子群优化算法 |
| 5.1.3 粒子群优化模糊控制器 |
| 5.1.4 基于CSI的麻醉闭环控制系统 |
| 5.1.5 仿真结果与分析 |
| 5.2 滑膜控制 |
| 5.2.1 滑模控制原理 |
| 5.2.2 麻醉深度滑模控制 |
| 5.2.2.1 仿真结果与分析 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文主要研究成果 |
| 6.2 论文的主要创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要的研究成果 |
四、广义Fuzzy逻辑回归模型的最大Fuzzy积分估计（论文参考文献）
- [1]时间序列的结构复杂性及相似性研究[D]. 何佳毅. 北京交通大学, 2021(02)
- [2]数据驱动的流程工业非线性过程监测与故障诊断[D]. 唐鹏. 北京科技大学, 2021(08)
- [3]基于性能的高土石坝地震易损性分析与地震风险评估方法研究[D]. 靳聪聪. 大连理工大学, 2020(01)
- [4]基于混合不确定性建模的船舶不确定性优化设计[D]. 魏骁. 武汉理工大学, 2020(01)
- [5]资产价格与系统性金融风险：影响机制及其监控研究[D]. 刘骏斌. 东南大学, 2020(02)
- [6]面向机票购买与销售的预测模型与服务[D]. 徐誉畅. 上海交通大学, 2020(09)
- [7]部分变系数单指数空间回归模型的估计及应用[D]. 黄素贞. 福建师范大学, 2019(12)
- [8]正规弱连续模糊测度的结构分析及模糊综合评判在招聘中的应用[D]. 赵璐. 哈尔滨理工大学, 2016(03)
- [9]gλ模糊测度和模糊积分的进一步研究及应用[D]. 刘琳. 哈尔滨理工大学, 2015(07)
- [10]麻醉药物建模与麻醉深度闭环策略[D]. 曹扬. 中南大学, 2013(02)