利用黑龙江省孟家岗林场79株人工红松解析木4 538个枝条的实测数据,基于样条函数的分段回归技术,通过推导满足冠形曲线生物学约束(即梢头处树冠半径为0,拐点处树冠半径最大)连续分段函数,构建了人工红松的冠形曲线模型(分段抛物线方程、分段单分子式方程和分段幂函数方程)。采用模型的拟合优度指标、模型的检验指标及对模型拐点参数估计的合理性对备选模型进行评价,选出拟合人工红松冠形曲线的最优模型。采用模型再参数化方法,分别分析模型各参数与林木变量之间的相关性,最终在最优冠形曲线模型中加入胸径作为自变量,建立了人工红松树冠形状预估模型。研究结果表明:分段抛物线函数为描述人工红松冠形曲线的最优模型。人工红松...

【目的】对Kozak方程进行修正,采用树木易测因子为预测变量,构建人工樟子松树冠外部轮廓预估模型,为研究树木生理和树木竞争提供依据,为模拟单木树冠表面积和树冠体积奠定基础。【方法】基于黑龙江省14块固定样地70株人工樟子松解析木907个最大枝条数据,以Kozak方程基本形式为基础并对其进行修正,选出构建人工樟子松树冠外部轮廓基础模型的最优模型形式。在最优模型基础上,建立分别考虑样地效应、样木效应及同时考虑样地和样木效应两水平的非线性混合效应模型。利用R软件的nlme软件包求解非线性混合效应模型参数,采用AIC、BIC、-2LL对混合效应模型中不同随机效应参数组合形式、不同随机效应矩阵、方差-协方差矩阵和方差函数进行比较,选出最优模型形式,并对人工樟子松外部轮廓随树木因子的变化规律进行探讨。以林分密度为哑变量,构建不同密度的人工樟子松树冠外部轮廓预估模型。【结果】人工樟子松树冠外部轮廓预估模型因子包含胸径(DBH)、冠长率(CR)和高径比(HD)。与基础模型相比,分别考虑样地效应、样木效应的混合模型能够显著提高模型拟合效果,外部轮廓模型差异主要来源于样木效应。以样木为单水平的混合效应模型中,a_2、a_6为随机参数,对角矩阵为方差-协方差矩阵形式,ARMA(1, 1)为解释组内方差的矩阵,采用幂函数消除异方差的模型形式为最优模型。同时考虑样地和样木效应两水平混合模型的拟合效果较单水平混合模型有所提高。以两水平混合模型的固定效应部分模拟外部轮廓与树木因子之间的关系,在分别固定另外2个变量的情况下,树冠半径随着DBH、CR增大均逐渐增大,树冠上半部分半径随着HD增大而增大,下半部分半径随着HD增大而减小。外部轮廓拐点的变化范围为0.625 0～0.917 0,拐点平均位置为0.841 3,随着林木在林分中被压强度增大,拐点位置向树冠基部移动。密度小于1 000株·hm~(-2)林分中单木的冠形与1 000～2 000株·hm~(-2)和大于2 000株·hm~(-2)林分中单木的冠形区别很大。【结论】修正后的Kozak模型满足梢头处半径为0、在整个树冠范围内存在拐点且拐点唯一的特性,能够对人工樟子松树冠外部轮廓进行合理模拟及预测。两水平非线性混合效应模型可显著提高模型拟合效果,能够在树冠外部轮廓模型中应用。

由于人工鱼群算法在获取精确解方面存在局限性,文章对算法的参数以及人工鱼群的聚群行为进行改进,将改进的算法应用于多元线性回归模型的参数估计,并与传统的人工鱼群算法和最小二乘法的结果进行了比较,结果表明,应用改进的人工鱼群算法对多元线性回归模型做参数估计,其结果要优于人工鱼群算法和最小二乘法,为解决回归模型的参数估计问题提供了一种新的有效方法。

采用云南省香格里拉气象站５５ａ（１９５８－２０１２）的逐年气温、降水量、绝对湿度、相对湿度和霜日数资料，引入多元最小二乘估计模型（多元ＯＬＳ）、多元向量自回归模型（多元ＶａＲ）和结构方程模型，基于ＭＯＲＬｅｔ连续复小波（ＣＭＯＲ）变换的主周期数据，探索未来５０ａ香格里拉气温等气候环境要素的定量预估模型、变化趋势及５个主要气候环境要素的相互关系。结果表明：未来５０ａ内香格里拉的气温以０．４４℃／１０ａ的速率升高，５０ａ后气温将升高２℃左右；降水以围绕平均值做周期振荡为主，并以１４．７ＭＭ／１０ａ的速率增多；绝对湿度以０．０６ Ｍｇ／Ｌ／１０ａ的速率增大，并有明显的周期振荡；相对湿度以－０．９６％．．．

为了研究杉木生长与形态变量的关系，提高模型预估精度，本文根据福建省６５块不同密度、林龄分布于６～３５年的杉木人工林样地测量数据，选用了ＲｉｃｈａＲｄｓ理论方程，分别构建了杉木胸径和树高生长模型。在此基础上，分析理论方程中参数与冠幅（ｃＷ）的关系，建立两者间的关系函数；使用参数预估法构造胸径和树高的参数化预估模型，并对原模型和参数化模型进行模型检验、残差分析，讨论了冠幅与林木生长之间的关系。结果表明：胸径和树高ＲｉｃｈａＲｄｓ方程中，参数ａ与ｃＷ呈正比，参数ｂ与ｃＷ呈反比，ｃ则与ｃＷ呈现出类似正态分布的关系；与传统的理论方程相比，参数化模型提高了杉木胸径树高预估的精度。本文所构建的模型能间接反映．．．

在本文中,我们基于指数回归模型,在渐近最小均方误差的准则下,给出了矩估计的门限值和样本点分割的选取原理和方法。利用MC方法,对Burr(1,1,1)、Burr(1,0.5,2)、Fréchet(1)、Fréchet(2)、学生-t4、学生-t6等几种常见的极值分布进行模拟,得到了理想的结果。并运用S&P500指数和Danish火灾数据进行了实证分析。

文章从我国GDP的数据质量出发,基于"克强指数"经济理论,分析我国GDP的年度数据质量,构建了我国GDP与我国的工业用电量、铁路运输量以及银行中长期贷款之间的向量自回归模型(VAR)。选取了1985~2012年的年度数据,从匹配性的角度,利用构建的模型对我国GDP进行数据质量评估。评估结果表明:1985~2012年我国GDP数据误差总体上在允许的5%的范围以内,且数据质量有逐步改善的趋势。

本文从分析本次新冠疫情的特点及其对中小服务型企业的影响路径入手,通过Python语言和机器集成算法对样本数据进行测试,从而对不同回归预测模型进行比较,择优选用贝叶斯岭回归模型(BayesianRidge)进行了不同情景下的模拟量化分析,比较客观地估测了本次疫情对我国中小服务型企业的影响。分析表明,本次疫情具有传染性极强、影响非常深广、产生的经济背景迥异等特点,预计将主要通过总需求链、企业生产链、供应链、销售链以及资金链和物流链等多重路径,直接影响我国企业的营业收入、经营成本、资金和存货流动性等,从而将在中短期内对我国中小服务型企业形成巨大冲击。预测结果表明,本次疫情对我国中小服务型企业的影响将主要集中在第一季度和第二季度,对第三季度的影响将逐步减少,疫情大致将导致我国2020年中小服务型企业产业增加值损失0.9万亿-1.5万亿元左右,主营业务收入损失2.8万亿-4.6万亿元左右。最后,本文从财政、金融、产业等政策方面提出了一系列相应的宏微观风险防控对策。

【目的】以林木易测因子为预测变量,构建黑龙江省人工落叶松树冠最大外部轮廓及内部轮廓(未着叶部分)的预估模型,为进一步估计人工落叶松树冠表面积、树冠体积和树冠生物量提供依据。【方法】基于佳木斯市孟家岗林场49株解析木的枝解析数据,树冠外部轮廓模型采用分段回归技术,构建带有约束条件并满足生物学意义的连续性分段曲线模型,即在梢头处树冠半径为"0",在整个树冠内外部轮廓的拐点的存在是唯一的,且在拐点处树冠半径达到最大值;内部轮廓直接采用线性模型进行模拟。分析模型参数与林木变量之间的相关性,将关系密切的树木变量或变

Tobit回归模型在计量经济学研究中受到广泛地关注。本文对Tobit回归模型的参数估计、假设检验和变量选择等问题进行了文献综述。其次,对于参数维度随样本量增加的Tobit模型,我们构造了一个随机加权估计量,对模型中的参数进行推断,并得到了此估计的渐近性质:相合性和正态性。最后,利用数值模拟结果研究了所提方法的效果。

在Zeller平衡损失思想的启发下,对线性回归模型提出了一种新的参数估计标准,得到了回归系数的广义平衡LS估计,并且在新的标准下提出并讨论了参数受线性约束和有界约束时的平衡LS估计和广义平衡LS估计.

利用长度为1 cm未熄灭的烟头点燃红松松针,在室内构造可燃物床层模拟野外情况,以不同的可燃物含水率、压缩比和风速为分类条件,在每种情况下进行20次点燃重复实验,共进行1 440次实验,记录松针被烟头点燃出现明火的概率。结果表明:当红松松针的含水率≤10%且风速≥2 m·s-1时,松针可以被点燃;其中含水率、风速对烟头点燃松针概率的影响极显著,压缩比对烟头点燃红松松针概率的影响显著,压缩比、含水率、风速各因子间的交叉作用对烟头点燃红松松针概率的影响不显著;烟头点燃红松松针的Logistic预测模型准确率达到80%,误报率仅为20%。

文章针对输入自变量和输出因变量是模糊数的模糊线性回归模型,引入模糊数的COWA算子可能性期望。基于COWA算子期望距离测度,提出一种基于决策中偏好最小二乘法的模糊线性回归参数估计方法。并通过员工工作绩效模糊回归的实例,说明方法的有效性和可行性。

文章研究广义泊松回归模型的统计诊断方法。首先给出模型的极大似然估计,相应地得到基于数据删除模型的诊断统计量;其次研究基于Score检验的模型散度参数存在性与齐性的检验统计量;然后通过模拟来研究这些统计量的有效性,最后,用一个医学上的数值实例来说明模型统计诊断方法的应用。

计数数据大量出现在医学、社会学、心理学、保险和交通等领域,是一类十分重要的数据类型。不过,计数数据常出现过度分散现象,使得普通的泊松回归模型无法解释,从而失去效用。本文研究一类混合泊松分布,专门用于拟合这种过度分散的计数数据。主要工作是基于现有的泊松-广义逆高斯分布、泊松-倒逆高斯分布和泊松-逆伽玛分布等三类混合泊松分布,利用广义可加模型(GAMLSS)的灵活性,构建泊松-逆伽玛分布假设下的GAMLSS模型。为验证模型性能,本文还将泊松-逆伽玛、泊松-倒逆高斯和负二项分布假设下的GAMLSS模型应用于车险索赔频率数据,并根据全局偏差、AIC和BIC等准则评估模型。结果表明,本文模型对过度分散的车险索赔频率数据的拟合明显优于负二项、泊松-倒逆高斯分布假设下的GAMLSS模型,是一个处理过度分散计数数据的有效模型。