针对混凝土坝位移监测数据的时频非线性特征严重影响到数值模型预报精度的难题,通过小波技术解析原型数据中多重交叉环境驱动的效应实况,有机结合非线性自回归模型(Nonlinear Autoregressive Model with Exogenous Input,NARX)和差分整...针对混凝土坝位移监测数据的时频非线性特征严重影响到数值模型预报精度的难题,通过小波技术解析原型数据中多重交叉环境驱动的效应实况,有机结合非线性自回归模型(Nonlinear Autoregressive Model with Exogenous Input,NARX)和差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,ARIMA),建立了多尺度组合机制下的自回归模型体系,解决了内蕴复杂混沌特性的监测序列的信息挖掘难点。工程实例分析表明,所建模型的拟合精度及预测能力均得以提升,相比于传统模型具有较好的抗噪性和鲁棒性。此外,所建立的计算模型经一定的优化和拓展,亦可推广应用于其它水工建筑物的效应预报分析。展开更多
本文针对考试成绩分布多峰、有偏的特点,提出采用有限混合–尺度混合偏正态分布进行统计分析。通过模拟和实证分析,对比了多个潜在混合分布,证实所提方法的有效性。文章进一步采用有限混合–尺度混合偏正态误差回归模型对影响考试成绩...本文针对考试成绩分布多峰、有偏的特点,提出采用有限混合–尺度混合偏正态分布进行统计分析。通过模拟和实证分析,对比了多个潜在混合分布,证实所提方法的有效性。文章进一步采用有限混合–尺度混合偏正态误差回归模型对影响考试成绩的因素进行探讨,并与正态误差回归模型进行对比,证实混合偏正态误差回归模型在对考试成绩评价中的优势。This article proposes the use of finite mixture-scale mixture of skew-normal distributions for statistical analysis of exam scores that exhibit multiple peaks and skewness. Through simulation and empirical studies, multiple potential mixture distributions are compared to demonstrate the effectiveness of the proposed method. Furthermore, a linear regression model with a finite mixture-scale mixture of skew-normal error is used to investigate the factors influencing exam scores, and is compared with a normal error regression model, confirming the advantages of the mixture of skew-normal error regression model in evaluating exam performance.展开更多
文摘针对混凝土坝位移监测数据的时频非线性特征严重影响到数值模型预报精度的难题,通过小波技术解析原型数据中多重交叉环境驱动的效应实况,有机结合非线性自回归模型(Nonlinear Autoregressive Model with Exogenous Input,NARX)和差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,ARIMA),建立了多尺度组合机制下的自回归模型体系,解决了内蕴复杂混沌特性的监测序列的信息挖掘难点。工程实例分析表明,所建模型的拟合精度及预测能力均得以提升,相比于传统模型具有较好的抗噪性和鲁棒性。此外,所建立的计算模型经一定的优化和拓展,亦可推广应用于其它水工建筑物的效应预报分析。
文摘本文针对考试成绩分布多峰、有偏的特点,提出采用有限混合–尺度混合偏正态分布进行统计分析。通过模拟和实证分析,对比了多个潜在混合分布,证实所提方法的有效性。文章进一步采用有限混合–尺度混合偏正态误差回归模型对影响考试成绩的因素进行探讨,并与正态误差回归模型进行对比,证实混合偏正态误差回归模型在对考试成绩评价中的优势。This article proposes the use of finite mixture-scale mixture of skew-normal distributions for statistical analysis of exam scores that exhibit multiple peaks and skewness. Through simulation and empirical studies, multiple potential mixture distributions are compared to demonstrate the effectiveness of the proposed method. Furthermore, a linear regression model with a finite mixture-scale mixture of skew-normal error is used to investigate the factors influencing exam scores, and is compared with a normal error regression model, confirming the advantages of the mixture of skew-normal error regression model in evaluating exam performance.
