【目的】通过分析含水层水位恢复试验数据进行含水层参数估计,为地下水含水层参数估计提供方法支持。【方法】以现有的直线拟合法为基础,应用模糊数学知识,在考虑了地下水系统本身存在的不确定性的基础上,借助正态模糊线性回归推求各含水层参数对应的正态模糊数,通过相应的隶属函数最终给出了在不同置信水平下含水层参数的取值区间,并与其他方法的含水层参数估计结果进行了比较。【结果】基于含水层水位恢复试验数据,通过模糊线性回归,得到了不同置信水平下含水层参数的取值区间,且随着置信水平的增大,参数取值区间不断缩小;实例验证及不同方法估计结果的比较表明,应用正态模糊线性回归法求解含水层参数的方法不仅是可行的,而且更符合...

【目的】通过分析抽水试验数据进行各向异性含水层参数估计,为各向异性含水层参数估计提供新的方法。【方法】以各向同性情况下的泰斯公式为基础,将差分进化算法应用于各向异性条件下含水层参数的估计,并将其计算结果与其他方法的参数估计结果进行比较,对不同初始参数范围下的参数估计值进行分析探讨。【结果】差分进化算法估计的参数值与其他方法估计的参数值之间有较小的差异,相对误差不到4%,且目标函数值相对更小,达到0.003 93;对于不同的初始参数范围,利用该算法均能得到满意的参数估计结果。【结论】基于抽水试验数据估计各向异性含水层参数的差分进化算法估计结果有效且可靠,算法稳定性高,寻优能力强。

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。

由于人口的瞒报、漏报和错报等问题,每一年度的数据并不是一个确切数,而是一个基于一定把握程度(隶属度)基础上的数,是一个典型的模糊数。文章运用模糊线性回归分析对我国的人口变化进行估计,得到了一簇为以传统的计量回归分析数据为中心值的模糊回归模型曲线。其结果对于预测问题和我国的人口预测与估计具有较好的借鉴意义和应用价值。

文章针对输入自变量参数与输出因变量均为三角模糊数的模糊线性回归模型,引入模糊数的可能性均值和方差概念,提出三角模糊数的可能性均值-方差欧氏距离测度。在此基础上,结合最小二乘原理,考虑实测值与估计值之间的均值-方差欧氏距离最小,从而得到模糊回归方程的参数估计值。最后,通过一个实例说明方法的有效性和可行性。

文章讨论了自变量、因变量以及回归系数均为模糊数的线性和非线性回归模型,提出了一种与模糊隶属度相关的回归效果评价方法,并设计了模拟退火算法进行优化求解。将隶属度为1时各模糊数取值以及各模糊数的边界进行回归产生的系数作为初始解,采用多层邻域操作产生新解,通过多准则终止运算,并且利用增加记忆装置记录了每次运算的最优解。算例和对比分析的结果表明,该方法收敛速度快、回归效果较好,适合处理较复杂的模糊回归模型。

利用非稳定流抽水试验资料通过配线法确定承压、潜水含水层参数是最常用的方法。但实测曲线与理论曲线重合点较少时配线的随意性很大 ,这是配线法的主要问题。作者利用BP神经网络较好的推求了研究区承压、潜水含水层参数。实践表明 ,当有代表性的抽水试验样本资料时 ,能满足网络的泛化要求 ,因而BP神经网络是求解水文地质参数的一种有效方法。为说明BP神经网络求含水层参数的原理 ,本文以文献数据给出了基于非稳定流抽水试验的BP神经网络求承压含水层参数的过程

针对平衡LS估计这一类含参数t和参数矩阵L的估计,讨论了t和L的取值对平衡LS估计优良性的影响,得到了平衡LS估计在某些准则下优于OLS估计的条件。

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数.采用各个子总体内样本利用最小二乘方法估计回归参数,然后依据样本容量进行加权估计公共回归系数,最后把公共回归系数回代到各个线性回归模型,利用最小二乘方法估计不同部分系数.理论结果表明,此种方法得到的估计量,不仅是无偏估计,而且方差比用单个子总体样本得到的最小二乘估计要小,蒙特卡罗模拟证实了该估计量良好的性质.

【目的】研究自适应差分进化算法在反求含水层参数中的适用性。【方法】以理论计算值与实际观测值的离差平方和的均值作为目标函数,应用自适应差分进化算法优化待估含水层参数;计算相关实例,对比改进直线图解法、混沌序列优化算法、简算法、泰斯配线法、线性回归法与自适应差分进化算法的最终优化结果。【结果】与改进直线图解法、混沌序列优化算法和简算法等计算方法相比,自适应差分进化算法的计算结果更加精确,与实际观测值的差异较小;对于不同的含水层参数取值范围,自适应差分进化算法较传统差分进化算法稳定且寻优率与计算结果精度更高。【结论】自适应差分进化算法是一种有效的反求含水层参数的方法。

本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计做出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样本得出的参数估计对总样本参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,两种改进后的参数估计均较由传统理论得出的参数估计更精确、拟合结果的误差比更小、可信度更高,在大数据的情况下,改进后的计算方法速度更快。

联合国国际法委员会近年来对跨界含水层法进行了编纂和发展,先后通过了《跨界含水层法条款草案》的一读和二读。《跨界含水层法条款草案》界定了跨界含水层的有关概念,确立了跨及含水层的一般原则,如含水层国的主权原则、含水层公平合理利用原则、不对其他含水层国造成重大损害的义务原则、国际合作原则等,规定了对跨界含水层防止和减少污染及保护、保全跨界含水层生态系统主要规则。作为配合,联合国教科文组织推出了跨界含水层世界地图。《跨界含水层法条款草案》的通过将对跨界含水层法的发展起到重大的推动作用,并将有助于促进跨界含水层利用和保护的有序进行。对于我国及邻国对跨界含水层的开发利用和保护也具有重要的启示意义。

【背景】合成品种是由至少两种纯种(祖先)培育的新品种,旨在兼顾祖先品种的有利遗传特征,并且可以长期保持后代的杂种优势而不需要每个世代都杂交。合成品种的遗传稳定,不同于杂交群体,因而可以像纯种一样繁育。实践中,估计合成品种的祖先品种对每个动物个体基因组的遗传贡献比例,即基因组品种构成(genomic breeding composition, GBC),在畜禽品种登记、品种培育历史和品种构成分析、品种保护和杂交优势预测等方面有着非常重要的意义。利用基因组SNP基因型数据,采用合适的数学模型和统计方法,可以鉴定现有纯种品种的动物个体或纯种品种在杂交个体基因组的遗传贡献比例,而估计合成品种GBC的方法和研究都较少。【目的】线性回归是估计GBC的常用方法之一,但也存在诸多的问题。本研究旨在提出和评估一种约束的标准化线性回归方法(restricted standardized linear regression, RSLR),作为传统线性回归方法的改进方法,应用于估计合成品种动物个体的GBC。【方法】采用肉牛王牛(Beefmaster)及其3个祖先品种(婆罗门牛、海福特牛和短角牛)的GGP 50K SNP芯片所测定的基因型数据,通过计算其基因频率和欧氏距离,利用层次聚类分析方法解析了4个动物群体的遗传关系,然后提出了RSLR方法,估计合成品种动物个体GBC的原理和方法。为了检验该方法的估计效果,从基因型数据中选择了均匀分布的分别包含1 000、5 000、10 000、20 000、30 000、40 000个SNP以及3个祖先品种共有的47 900个SNP的7个子集,分别采用RSLR和传统线性回归(linear regression, LR)两种方法估计了4 323头肉牛王牛的GBC,并比较了两种方法的计算结果。【结果】聚类分析的结果与4个品种间的遗传关系相吻合,表明肉牛王牛与婆罗门牛的遗传关系最近,遗传距离小于其与海福特牛和短角牛的遗传距离。LR方法估计的GBC会低估婆罗门牛(0.459—0.462)和短角牛(0.208—0.212)对于肉牛王牛的基因组贡献,同时高估海福特牛(0.326—0.333)的基因组贡献。但RSLR方法估计的肉牛王牛GBC的平均值与3个祖先品种预期的基因组贡献比例比较吻合:婆罗门牛为0.497—0.503,海福特牛为0.262—0.274,短角牛为0.229—0.231。此外,LR方法估计GBC的标准差和变异系数明显大于用RSLR估计的结果。当SNP子集数量在20 000以上时,LR方法估计牛肉王牛的3个祖先品种婆罗门牛、海福特牛和短角牛基因组贡献的标准差分别为0.048、0.032和0.051—0.052,变异系数分别为10.46%—10.50%、9.61%—9.76%和23.94%—25.00%,而RSLR方法估计的标准差,3个祖先品种对应为0.021、0.021—0.022和0.024—0.025,变异系数分别为4.18%—4.20%、7.89%—8.33%以及10.26%—10.68%。【结论】用RSLR方法估计的合成品种肉牛王牛动物个体的GBC,比LR方法的估计结果更加准确,估计的结果比LR方法估计的结果更稳定,且估计的一致性也更好,可以作为线性回归方法的改进,应用于估计合成品种动物个体GBC。

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。

文章利用非参数估计的思想对带约束条件非线性回归模型进行了随机化改造,将带约束条件非线性回归模型转化为一个不带约束条件的随机化模型。并运用这一随机化方法和最优化理论,在这个随机化模型下对带约束条件回归模型的广义LS估计量的存在性进行了研究。