首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
应用科学中 ,有许多问题用到了算子的逆特征值 ,如量子力学和波动现象中的逆散射问题就是典型的例子。本文首先建立能量守恒系统中的数学模型 ,并给出一类特殊的能量守恒系统的解。一般地 ,能量守恒系统的数学模型可用内积空间 H中的微分方程来描述。 x t=i Tmx,x=x(t)∈H,(1 )其中 x(t)是 H中的单参数元素族 ,是 Tm 自共轭算子。方程 (1 )的解在下述意义下是守恒的 :ddt‖ x‖2 =ddt(x,x) =(i Tmx,x) (x,i Tmx) =0或‖ x(t)‖ =‖ x(0 )‖ =常数。对于这类系统 ,给定该系统一个已知的初值 x(0 ) =x0 ,称为“激励”,能否通过若干观察点…  相似文献   

2.
主要讨论如下最优控制解的存在性问题,即对给定的正数T和已知函数uT(x)∈L2(Ω),寻找一个最优控制q(·)∈L∞(0,T)满足0≤q(t)≤1,使得J(q)=∫Ω|u(x,T)-uT(x)|2dx+δH∫T0|q(t)|2dt,达到最小,其中δ0为一给定常数,(,u)为下列耦合方程组初边值问题的解:{t+?×[a(x,t)?×]=F(x,t)(x,t)∈QT(1.1)u-▽(k(x,u)▽u)=q(t)a(x,t)|▽×(x,t)QT(1,2)N×(x,t)=N×G(x,t),u(x,t)=g(x,t)x∈?Ω,0tT(1,3)(x,0)=H0(x),u(x,0)=u0(x)x∈Ω(1.4)其中QT=Ω×(0,T],Ω为有界区域,?=(?/?x1,?/?x2,?/?x3),H=(H1,H2,H3),G(x,t),g(x,t)为给定函数,0(x),u0(x)为给定初始函数,N为边界?Ω的法向导数。  相似文献   

3.
夏丹 《科协论坛》2007,(7):59-60
时间序列分析方法是经济领域研究的主要工具之一,它用合适的模型描述历史数据随时间变化的规律,并预测经济变量值,而ARMA模型是其中较为基础的一种。本文介绍了随机时间序列的统计预测方法,给出了ARMA模型的建立与识别过程,并进行参数估计和检验,以对我国未来短期内的GNP平减指数进行动态预测。  相似文献   

4.
一、贡献加权法本方法的基础思想是:贡献大、实力强。同时,对各项指标参数按其轻重、主次,进行加权计算。模型的数学描述如下: 设有N项指标参数、T段时间片、M个单位(被评估的对象)。变量数列{Xi(t.j)}就  相似文献   

5.
ARMA模型是一类常用的随机时间序列模型,它是一种精度比较高的序列短期预测方法,本文主要是通过分析数据的特征,建立一个合理的ARMA模型,利用这个模型对我国经济进行合理的预测.  相似文献   

6.
刘红卫  肖彩波 《西藏科技》2013,(1):65-66,70
文章以西藏自治区1978~2011年的地区生产总值时间序列为具体的分析对象,通过对数据的平稳化处理,在此基础上建立自回归移动平均模型(ARMA模型)。用Eveiws软件拟合ARMA模型并做预测分析。  相似文献   

7.
序列的置换     
设(X,d)是紧距离空问,a={a_n},b={b_n}是 X 中允许重复的序列,x∈X 称为 a(或 b)的聚点,指存在子列{a_(nk)}(或{b_(nk)}),使得 d(a_(nk),x)→0(或 d(b_(nk),x)→0)。  相似文献   

8.
假设{Zn;n=0,1,2,…}是一个随机环境中的分枝随机游动(即质点在产生后代的过程中,还作直线上随机游动),ξ={ξ0,ξ1,ξ2,…}为环境过程.记Z(n,x)为落在区间(-∞,x]中的第n代质点的个数,∫ξn(s)=∑∞j=o pξn(j)Sj为第n代个体的生成函数,mξn=∫1ξn(1).证明了在特定条件下,存在随机序列{tn}使得Z(n,tn)(∏n-1 i=0 mξi)-1均方收敛到一个随机变量.对于依赖于代的分枝随机游动,仍有类似的结论.  相似文献   

9.
所谓二维世界,就是只有长、宽一个平面的世界,所以也称为平面世界.如果拿二维世界和三维世界相比较,那么二维世界就好像是在平坦光滑的纸上用线条构成的平面几何图,而三维世界则是用实物做成的立体模型.  相似文献   

10.
文章讨论了抛物型方程μt-△μ λ|μ|αμ=f(x) g(u)在Ω×(0,∞)上,在满足初值条件u(x,0)=u0(x)∈L和零边界条件下,解对时间的连续性和唯一性,得到了解的连续半群S(t):L→LP((A)p≥1),由此得到了方程解的全局吸引子.  相似文献   

11.
郭衍莹 《预测》1989,(3):32-35
一、概述近年来,预测学在国内外发展迅速并得到广泛应用。时间序列分析和建模技术是预测的重要手段。众所周知,对被研究的客观过程(经采样后已成为时间序列)建立模型,并根据动态数据来确定模型的参数,是对该过程(时间序列)进行模态分析和预测的典型方法。在经济预测中,最常见模型有自回归(AR)模型和自回归滑动平均(ARMA)模型等。已有不少文献对这二种基本模型作了系统的阐述,本文不再赘述。在实践中经常会遇到这样情况,就是被预测的对象常常有一些先验信息,例如事先就知道该过程一部分统计特性,如一  相似文献   

12.
我们证明了如果f∈Lp^1(R),f’(x)=O((1+|x|)^-1/p-δ),δ〉0且f’在R上任何有限区间上Riemann可积,则‖f—Hσ(f)‖p(R)≤Cpσωb^-1-[f',1/σ]。其中Hσ(f)是f通过由其样本{f(kπ/σ)}k∈Z和|f'(kπ/σ|k∈Z在Lp(R)中的指数2σ型整函数空间B2σ,p中的Hermite型的插值算子,ωk^-(f,t)t=sup|b|≤T‖△b^kf(x)‖p(R)为函数f的k阶光滑模。  相似文献   

13.
谢健 《预测》1991,10(4):40-44
1 问题的提出回归模型的一个假设是在 Y_t=b_0 b_1X_(1t) b_2X_(2t) … b_mX_(mt) ε_t (1)中各期的随机误差项εi是不相关,即 Cox(ε_t,ε_t′)=0, t≠t′ (2)但在对时序数据回归时,这个假设有时不能满足,这种情况称为序列相关。如果存在序列相关,回归分析方法将会严重低估真实的方差,统计检验也将无效,很可能把实际上不重要的自变量当作重要的影响因素而接受,这样根据最小二乘法求出的模型参  相似文献   

14.
设X1,X2,…,Xn是一列iid随机变量,其分布为Fα(t)=(1-α)F1t) αF2(t),其中:α∈[0,1],F1(t),F2(t)都是定义在R^1上的分布函数,在下列条件下:(1)上述污染数据又被另一iid的随机变量序列u1,u2,… ,u3截断;(2)F2(x)分布已知;(3)存在某个可测函数M(x),使μ1=∫M(s)dF1(x)已知,构造出了α和F1(x)的估计。并证明了其强相合性。  相似文献   

15.
使用临界点理论研究以下二阶系统{(t)+q(t)ù(t)=⊿F(t,u(t))/u(0)-u(T)=ù(0)-eQ(T)ù(T)=0,a.e.t∈[0,T]的周期解的存在性。在非线性项F(t,x)=F1(t,x)+F2(t,x)满足条件(A)及F1(t,x),F2(t,x)分别满足一定条件下,通过使用鞍点定理获得了一个新的周期解的存在性定理。  相似文献   

16.
林宇  魏宇  黄登仕 《软科学》2007,21(1):40-44
运用ARMA(1,1)-G JR(1,1)捕获上证A、B股损失序列的自相关性和杠杆效应;运用EVT对标准残差序列尾部建模,并估计出动态风险值VaR(Value-at-risk);运用返回测试(Backtesting)方法比较测度效果。结果表明,条件EVT比其它模型的测度效果好;条件t分布模型优于条件正态分布模型;置信水平为99%的条件EVT和置信水平为95%的条件t分布模型,分别是测度上证A、B股市场风险效果最好的模型。  相似文献   

17.
时间是很特殊的一维.它是不可能单独存在的.是基于3维以上的第4维。时间依赖于空间,但不代表有空间就有时间.有运动就有时间。我认为.只要一个事物承载着信息.那这事物便承载了时间。我们知道.1维运动成2维,2维运动成3维,3维运动成4维。那么这额外1维就是时间.其实.在1维、2维变化时,时间也是有功劳的,并跟3维的情况一样,是先有信息,再有时间的。  相似文献   

18.
我国外汇储备的预测分析与政策选择   总被引:1,自引:0,他引:1  
文章运用Box-Jenkins时间序列分析方法,对我国自1950年以来的外汇储备进行了计量分析,并建立ARMA模型对我国未来外汇储备规模进行了预测,最后提出了相应的政策建议.  相似文献   

19.
指出L1-space中任意一个闭区间[a,6]上的连续函数厂(x),都可用[a,b]上的线性无关的连续函数族{gi(x)}的线性组合来逼近.并在强收敛意义下证明了这种最优逼近式的存在性、唯一性问题,进一步地,给出了确定这种最优逼近式的VSOW方法,并揭示了运用这种VSOW法在L1-space中所确定的最优逼近式的敛散性问题.  相似文献   

20.
谢如贤  吴健中 《预测》1993,12(2):49-52
1 引言模型的结构是指模型所设置的变量、模型的函数形式、模型中的参数以及随机误差的概率分布。模型的变结构是指上述构成模型结构的四个要素分别或同时在空间或时间域上发生的变化。对于变参数的时间序列,其模型的一般形式为: y_t=f[Y_(t-1)X_t,θ(t),t] (1)(1)式中,Y_(t-1)为因变量矩阵;X_t为自变量矩阵;θ(t)为时变参数;t为时间。 Shiskin等人在60年代研制的季节调整程序X—11中提出了对时间序列分解的方法。而1984年,Makridakis在上述分解基础上,提出了更详细的  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号