參數(shù)估計(jì)

EIR模型；參數(shù)估計(jì)；預(yù)測；西安市疫情中圖分類號：O29; N945.12文獻(xiàn)標(biāo)志碼：A在全球抗擊新冠肺炎疫情的過程中，相關(guān)科研人員對疫情傳播及其發(fā)展趨勢的分析和預(yù)測進(jìn)行了大量的研究。用于描述疫情傳播的模型主要包括倉室模型、一般增長模型、概率分布模型、元胞自動機(jī)模型以及人工神經(jīng)網(wǎng)絡(luò)模型等［1］。倉室模型是描述新冠肺炎疫情傳播的有效工具，主要包括SI模型、SIR模型、SEIR模型等。與SIR模型相比，SEIR模型能有效刻畫潛伏狀態(tài)（E）對疫情傳播的影響。BO

采礦車動力學(xué)參數(shù)估計(jì)的高階非線性系統(tǒng)模型.針對基于高斯模型的無跡卡爾曼濾波（Unscented Kalman Filter，UKF）算法無法在非線性系統(tǒng)取得較高估計(jì)精度的問題，提出利用基于蒙特卡洛采樣原理的自適應(yīng)無跡粒子濾波（Adaptive Unscented Particle Filter，AUPF）算法進(jìn)行動力學(xué)參數(shù)測算方案，通過自適應(yīng)無跡卡爾曼濾波（Adaptive Unscented Kalman Filter，AUKF）改善粒子濾波（Parti

SB可以通過參數(shù)估計(jì)進(jìn)行消除，由于參數(shù)估計(jì)有多種策略，所以本研究利用MGEX觀測站的精密產(chǎn)品，采用不同的估計(jì)策略對“GPS+BDS”“GPS+Galileo”組合進(jìn)行動態(tài)、靜態(tài)解算分析PPP性能，并分析ISB的單天特性。試驗(yàn)表明，采用隨機(jī)游走和時(shí)間常數(shù)策略估計(jì)獲得的ISB穩(wěn)定性最優(yōu)，而采用白噪聲估計(jì)得到的ISB具有較大的波動。對于多系統(tǒng)PPP解算而言，無論是動態(tài)還是靜態(tài)，ISB采用隨機(jī)游走和白噪聲策略可以獲得較高的穩(wěn)定性并減少收斂時(shí)間，而采用時(shí)間常數(shù)進(jìn)行I

苗菲菲(四川大學(xué)數(shù)學(xué)學(xué)院, 成都 610064)1 IntroductionThe general analytical theory of (linear and nonlinear) stochastic partial differential equations (SPDE) has made great progress and become a mature mathematical field in the past few decades.

?，F(xiàn)有的信號參數(shù)估計(jì)的方法有基于最大似然估計(jì)的參數(shù)估計(jì)算法、基于子空間分解的多重信號分類(MUltiple SIgnal Classification, MUSIC)算法[2,3]等。MUSIC算法因?yàn)閾碛卸嘈盘柾瑫r(shí)測向能力以及對天線波束內(nèi)的信號的高分辨測向能力而廣泛應(yīng)用于參數(shù)估計(jì)中?，F(xiàn)有的利用MUSIC算法進(jìn)行參數(shù)估計(jì)的方法大都是1維的信號到達(dá)角(Angle of Arrival, AoA)估計(jì)和聯(lián)合AoA、飛行時(shí)間(Time of Flight, To

;協(xié)整檢驗(yàn);參數(shù)估計(jì)進(jìn)入21世紀(jì)以來，隨著我國社會主義市場經(jīng)濟(jì)體制的逐步完善，我國的經(jīng)濟(jì)建設(shè)取得了令世人矚目的成就。在我國經(jīng)濟(jì)騰飛的同時(shí)，教育領(lǐng)域尤其是為國家培養(yǎng)高精尖技術(shù)型人才的高等教育領(lǐng)域的投資也逐步擴(kuò)大?？梢哉f，隨著我國經(jīng)濟(jì)發(fā)展的突飛猛進(jìn)，我國的高等教育投資規(guī)模進(jìn)入了一個(gè)新紀(jì)元。一、我國當(dāng)前高等教育投資規(guī)模的分析（一）描述性統(tǒng)計(jì)分析我國從1978年-2019年高等教育財(cái)政支出一直處于上升階段，從1978年的91.17億元上升至2019年的2019年的

簧的狀態(tài)，該參數(shù)估計(jì)方法可為軌道車輛懸掛系統(tǒng)關(guān)鍵部件狀態(tài)監(jiān)測提供重要的理論依據(jù)。關(guān)鍵詞：軌道車輪;動力學(xué)模型;蟻群算法;參數(shù)估計(jì);尋優(yōu)處理中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A DOI：10.3969/j.issn.1003-6970.2021.03.024本文著錄格式：周宏祥，堯輝明.針對軌道車輛走行部關(guān)鍵部件故障的智能識別研究[J].軟件，2021，42（03）：086-089+102Research on Intelligent Recognitio

的兩種不同的參數(shù)估計(jì)方法，基于懲罰擬似然參數(shù)估計(jì)方法和MCMC貝葉斯參數(shù)估計(jì)方法。本文考慮借助開源軟件R對癲癇病數(shù)據(jù)集epil進(jìn)行統(tǒng)計(jì)推斷，并與其他模型和參數(shù)估計(jì)方法進(jìn)行比較。關(guān)鍵詞：廣義線性混合模型;方差分量;參數(shù)估計(jì);glmmPQL;MCMCglmmAbstract： This paper mainly discusses two different parameter estimation methods of GLMM model， one is

enLab;參數(shù)估計(jì)中圖分類號：S184;S-03文獻(xiàn)標(biāo)志碼：A文章編號：202103-SA006引用格式：王秀娟，康孟珍華凈，DE REFFYE Philippe.從群體到個(gè)體尺度——基于數(shù)據(jù)的DSSAT和GreenLab作物模型連接探索[J].智慧農(nóng)業(yè)（中英文），2021， 3（2）： 77-87.WANG Xiujuan， KANG Mengzhen， HUA Jing， DE REFFYE Philippe. From stand to organ

車尾氣檢測;參數(shù)估計(jì)DOI：10. 11907/rjdk. 201182中圖分類號：TP319文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2020）010-0125-04Abstract： In order to solve the problem of estimating the conversion efficiency of the conversion furnace of the nitrogen oxide analyzer， the ex

雷鴻摘要：參數(shù)估計(jì)分為點(diǎn)估計(jì)和區(qū)間估計(jì)，矩估計(jì)是點(diǎn)估計(jì)中的一種重要方法。本文對矩估計(jì)法教學(xué)進(jìn)行課堂設(shè)計(jì)，使之為我們所熟練掌握。關(guān)鍵詞：參數(shù)估計(jì);點(diǎn)估計(jì);矩估計(jì)一、概述概率論與數(shù)理統(tǒng)計(jì)的參數(shù)估計(jì)分為點(diǎn)估計(jì)和區(qū)間估計(jì)，矩估計(jì)是點(diǎn)估計(jì)中的一種重要方法。二、矩估計(jì)法教學(xué)課堂設(shè)計(jì)三、小結(jié)一般地，矩估計(jì)法的特點(diǎn)是先求估計(jì)量，再求估計(jì)值.適當(dāng)作幾個(gè)練習(xí)，這種重要的估計(jì)法我們不難以掌握。參考文獻(xiàn)[1] 浙江大學(xué).概率論與數(shù)理統(tǒng)計(jì)（第四版）[M].北京：高等教育出版.200

指數(shù)分布? 參數(shù)估計(jì)? 區(qū)間估計(jì)中圖分類號：TB114.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2020）06（b）-0016-03Abstract： In practical engineering application， through the regular inspection and maintenance of the equip

圖像PSF的參數(shù)估計(jì)算法。首先將運(yùn)動模糊圖像進(jìn)行3*3分塊，找出最能代表原始模糊圖像模糊特征的子圖像塊，這樣可以很好的估計(jì)運(yùn)動參數(shù)。然后將特征圖像塊的頻譜圖二值化后，進(jìn)行形態(tài)學(xué)閉運(yùn)算消除十字型亮線，有效的提高參數(shù)估計(jì)的精度。其次，對頻譜圖進(jìn)行腐蝕運(yùn)算，用Radon變換計(jì)算出模糊角度。最后根據(jù)求出的角度將圖像旋轉(zhuǎn)到水平方向后，使用微分法求出模糊尺度。并將本文算法與傳統(tǒng)Radon變換算法進(jìn)行對比，表明該算法對提高模糊圖像PSF參數(shù)估計(jì)是有效的。關(guān)鍵詞： Rad

感應(yīng)電機(jī)系統(tǒng)參數(shù)估計(jì)與狀態(tài)監(jiān)測的準(zhǔn)確性和效率，針對感應(yīng)電機(jī)非線性、強(qiáng)耦合、參數(shù)易時(shí)變的特性，引入帶外部輸入的非線性自回歸（NARX）神經(jīng)網(wǎng)絡(luò)時(shí)序預(yù)測模型。針對傳統(tǒng)NARX神經(jīng)網(wǎng)絡(luò)初值依賴和收斂速度慢的問題，利用天牛須搜索算法（BAS）對神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行參數(shù)尋優(yōu)，提高神經(jīng)網(wǎng)絡(luò)的收斂速度和預(yù)測精度。實(shí)驗(yàn)結(jié)果表明，該方法能夠以較簡單的網(wǎng)絡(luò)結(jié)構(gòu)高效、準(zhǔn)確、穩(wěn)定地預(yù)測估計(jì)電機(jī)參數(shù)。關(guān)鍵詞： 感應(yīng)電機(jī); NARX神經(jīng)網(wǎng)絡(luò); 參數(shù)估計(jì); 天牛須搜索算法; 收斂速度;

的CPM信號參數(shù)估計(jì)方法。首先詳細(xì)推導(dǎo)了CPM信號[N]次方變換后的功率譜特征，并根據(jù)功率譜的峰值響應(yīng)計(jì)算對應(yīng)的[N]值，最后利用[N]值對信號載頻、碼速率和調(diào)制指數(shù)分別進(jìn)行估計(jì)。仿真實(shí)驗(yàn)表明，所提算法能夠有效對CPM信號的相關(guān)參數(shù)進(jìn)行估計(jì)，可以滿足實(shí)際系統(tǒng)對CPM信號精確干擾和盲解調(diào)的需要。關(guān)鍵詞： 參數(shù)估計(jì); CPM信號; 功率譜特征推導(dǎo); 調(diào)制指數(shù)估計(jì); 性能分析; 仿真實(shí)驗(yàn)中圖分類號： TN911.22?34? ? ? ? ? ? ? ? ? ?

源噪聲控制;參數(shù)估計(jì)中圖分類號：TP273? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：1003—6199（2020）02—0017—04Abstract：An active noise feedforward control （GFWC） algorithm for transformer noise control is proposed to solve the shortc

用。關(guān)鍵詞：參數(shù)估計(jì);區(qū)間估計(jì);數(shù)理統(tǒng)計(jì);應(yīng)用引言隨著數(shù)理統(tǒng)計(jì)在我們?nèi)粘Ｉ钪械膽?yīng)用越來越廣泛，參數(shù)估計(jì)在我們的實(shí)際生活中，已不知不覺滲透到生活的各個(gè)方面，也越來越有著舉足輕重的作用，它對我們的生活帶來了很大的方便。關(guān)于參數(shù)的點(diǎn)估計(jì)的基本思想和方法及其應(yīng)用在文【1】中已有詳細(xì)的介紹，本文主要對正態(tài)總體參數(shù)的區(qū)間估計(jì)的基本思想和具體方法做一個(gè)較為系統(tǒng)的介紹。并對參數(shù)的區(qū)間估計(jì)在實(shí)際生活中的一些應(yīng)用作一些簡介。參考文獻(xiàn)[1] ?楊付貴. 淺談參數(shù)的點(diǎn)估計(jì)及其應(yīng)

電壓;控制;參數(shù)估計(jì);并網(wǎng)逆變耦合特性Abstract：In order to improve that reactive voltage control capability of the feeder line of the distribution network， a method for optimizing the reactive voltage safety of a distribution network based on a grid

;截尾數(shù)據(jù);參數(shù)估計(jì);簡單線性無偏估計(jì);最佳線性無偏估計(jì)DOI：10.15938/j.jhust.2020.01.023中圖分類號： O231文獻(xiàn)標(biāo)志碼： A文章編號： 1007-2683（2020）01-0149-05Abstract：In reliability statistics， there are usually four types of life distributions： exponential distribution， Weibul

外特性的內(nèi)部參數(shù)估計(jì)方法，并在此基礎(chǔ)上建立動態(tài)電池模型，預(yù)測電池輸出電壓。對電池路端放電電壓分段分析，通過線性擬合計(jì)算電池歐姆電阻，采用基于控制參數(shù)的平滑方法估算開路電壓有效值，結(jié)合Thevenin等效模型估算電池極化阻抗，通過安時(shí)積分法計(jì)算SOC，構(gòu)造SOC與電池參數(shù)的函數(shù)關(guān)系，總結(jié)經(jīng)驗(yàn)公式，搭建電池預(yù)測模型。通過實(shí)驗(yàn)預(yù)測不同工況下18650鋰電池的電壓響應(yīng)，結(jié)果驗(yàn)證了模型的準(zhǔn)確性。關(guān)鍵詞：動力電池;外特性;參數(shù)估計(jì);建模;SOC;經(jīng)驗(yàn)公式中圖分類號：T

傳算法是模型參數(shù)估計(jì)的有效工具。該文基于遺傳算法的二階慣性加純滯后模型辨識搜索最優(yōu)解的方法，解決全局最優(yōu)化問題。關(guān)鍵詞：遺傳算法 ?系統(tǒng)辨識 ?參數(shù)估計(jì)中圖分類號：TS22 ? 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2020）01（c）-0020-0220世紀(jì)70年代初，美國密西根（Michigan）大學(xué)的霍蘭（Holland）教授和他的學(xué)生提出并創(chuàng)立了一種新型的優(yōu)化算法——遺傳算法（Genetic Algorith，GA）[1]它是模擬自然遺傳學(xué)

C）進(jìn)行模型參數(shù)估計(jì)和拉丁超立方抽樣方法（LHS）進(jìn)行模型參數(shù)的敏感性分析。結(jié)果：分析百日咳動力學(xué)模型，得到模型擬合結(jié)果[平均絕對百分比誤差（MAPE=19.27%），均方根百分比誤差（RMSPE=27.35%）]和基本再生數(shù)R0=11.5192[95%CI：11.4648-11.5727]，說明新疆喀什地區(qū)百日咳已有成為地方病的趨勢。通過模型參數(shù)敏感性分析看到，百日咳的傳播率β、恢復(fù)率？酌和新生兒接種率p對百日咳的傳播有著重要的影響。結(jié)論：新疆喀什地區(qū)百

用。關(guān)鍵詞：參數(shù)估計(jì);區(qū)間估計(jì);數(shù)理統(tǒng)計(jì);應(yīng)用引言：隨著數(shù)理統(tǒng)計(jì)在我們?nèi)粘Ｉ钪械膽?yīng)用越來越廣泛，參數(shù)估計(jì)在我們的實(shí)際生活中，已不知不覺滲透到生活的各個(gè)方面，也越來越有著舉足輕重的作用，它對我們的生活帶來了很大的方便。關(guān)于參數(shù)的點(diǎn)估計(jì)的基本思想和方法及其應(yīng)用在文【1】中已有詳細(xì)的介紹，本文主要對正態(tài)總體參數(shù)的區(qū)間估計(jì)的基本思想和具體方法做一個(gè)較為系統(tǒng)的介紹。并對參數(shù)的區(qū)間估計(jì)在實(shí)際生活中的一些應(yīng)用作一些簡介。一、參數(shù)的區(qū)間估計(jì)的基本思想在文【1】中，我們以

數(shù)理統(tǒng)計(jì)中的參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析等知識來探討數(shù)理統(tǒng)計(jì)在生產(chǎn)質(zhì)量管理中的應(yīng)用?！娟P(guān)鍵詞】 數(shù)理統(tǒng)計(jì) 參數(shù)估計(jì) 回歸分析1.引 言在工業(yè)品質(zhì)管理中尤其重要的就是產(chǎn)品壽命的問題。壽命試驗(yàn)是一種破壞性試驗(yàn)，可以運(yùn)用參數(shù)估計(jì)來估計(jì)產(chǎn)品的均值，再用假設(shè)檢驗(yàn)來檢驗(yàn)這批產(chǎn)品是否合格，這樣可以抽取少量產(chǎn)品來試驗(yàn)減少了一定的損失;在使用新的生產(chǎn)工藝時(shí)，要檢驗(yàn)兩種不同的生產(chǎn)方法生產(chǎn)同類產(chǎn)品的優(yōu)良率是否有顯著差異以及在生產(chǎn)過程中因原材料、設(shè)備調(diào)整以及工藝參數(shù)等條件的變化而

;改進(jìn)模型;參數(shù)估計(jì)中圖分類號：O212? 文獻(xiàn)標(biāo)識碼：A? 文章編號：1673-260X（2019）06-0009-021 引言 對于二項(xiàng)分布b（n，p）中抽取的樣本，若p較小，樣本中目標(biāo)事件出現(xiàn)的頻率極低，甚至為0;此時(shí)該如何對總體參數(shù)p進(jìn)行估計(jì)？利用傳統(tǒng)的矩估計(jì)和極大似然估計(jì)，得到的=0，該結(jié)果幾乎沒有意義，因?yàn)榭赡芨鶕?jù)對事件的認(rèn)知發(fā)現(xiàn)概率不可能為0;國內(nèi)外已有對二項(xiàng)分布中比例參數(shù)估計(jì)改進(jìn)的相關(guān)研究，張學(xué)新[1]針對p值接近于0或1的極端情形下對17

;改進(jìn)模型;參數(shù)估計(jì)中圖分類號：O212? 文獻(xiàn)標(biāo)識碼：A? 文章編號：1673-260X（2019）06-0009-021 引言 對于二項(xiàng)分布b（n，p）中抽取的樣本，若p較小，樣本中目標(biāo)事件出現(xiàn)的頻率極低，甚至為0;此時(shí)該如何對總體參數(shù)p進(jìn)行估計(jì)？利用傳統(tǒng)的矩估計(jì)和極大似然估計(jì)，得到的=0，該結(jié)果幾乎沒有意義，因?yàn)榭赡芨鶕?jù)對事件的認(rèn)知發(fā)現(xiàn)概率不可能為0;國內(nèi)外已有對二項(xiàng)分布中比例參數(shù)估計(jì)改進(jìn)的相關(guān)研究，張學(xué)新[1]針對p值接近于0或1的極端情形下對17

預(yù)防性維護(hù);參數(shù)估計(jì)Key words： aviation standard parts;production scheduling;preventive maintenance;parameter estimation中圖分類號：F274 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）20-0268-0

模態(tài)分析; 參數(shù)估計(jì); 損傷識別; 人工神經(jīng)網(wǎng)絡(luò)DOI：10.16640/j.cnki.37-1222/t.2019.24.0100 引言目前，隨著航空裝備的快速發(fā)展，航空裝備的故障診斷與健康管理技術(shù)也得到了大力的發(fā)展。因而，針對航空發(fā)動機(jī)氣路系統(tǒng)和滑油系統(tǒng)，目前常用的故障診斷方法主要是結(jié)合性能參數(shù)，采用神經(jīng)網(wǎng)絡(luò)、貝葉斯等方法，完成了發(fā)動機(jī)的故障分類，從而完成故障診斷。首先以簡便且經(jīng)濟(jì)良好的方法檢測是否已發(fā)生結(jié)構(gòu)損傷，然后根據(jù)檢測結(jié)果，判定是否采用高效的測

解調(diào)的框架。參數(shù)估計(jì)是非對稱PCMA通信系統(tǒng)在實(shí)現(xiàn)兩路信號分離解調(diào)時(shí)不可或缺的環(huán)節(jié)，對于幅度參數(shù)估計(jì)精度問題，提出一種基于四次方法的搜索式幅度估計(jì)算法。首先建立非對稱PCMA系統(tǒng)解調(diào)模型并作出基本假設(shè)，然后對不同假設(shè)下的相位誤差進(jìn)行對比并分析相位誤差對幅度估計(jì)算法的影響，最后提出一種新的幅度估計(jì)算法。實(shí)驗(yàn)結(jié)果表明在相同信噪比（SNR）下，正態(tài)相位誤差下的小站信號解調(diào)性能要劣于其均值條件下的解調(diào)性能。當(dāng)誤比特率（BER）在數(shù)量級為10-4時(shí)，改進(jìn)算法下小站信

機(jī)微分方程的參數(shù)估計(jì)已經(jīng)成為亟待解決的關(guān)鍵性問題。隨著Arato等學(xué)者在1962年解決了存在于物理學(xué)中的參數(shù)估計(jì)問題[2],參數(shù)估計(jì)理論逐漸發(fā)展起來。在過去的幾十年里,學(xué)者們運(yùn)用極大似然估計(jì)法[3-4]、貝葉斯估計(jì)法[5]和M-估計(jì)法[6]等方法研究了連續(xù)觀測下隨機(jī)微分方程的參數(shù)估計(jì)問題。然而,在工程實(shí)踐中,任意時(shí)間段對系統(tǒng)狀態(tài)進(jìn)行連續(xù)觀測是很難實(shí)現(xiàn)的。所以,研究離散觀測下隨機(jī)微分方程的參數(shù)估計(jì)問題具有重要的工程意義和實(shí)用價(jià)值。近幾十年來,學(xué)者們將數(shù)值方法

0]提出的兩參數(shù)估計(jì)的基礎(chǔ)上，運(yùn)用預(yù)檢驗(yàn)估計(jì)的思想，提出預(yù)檢驗(yàn)兩參數(shù)估計(jì)，新的估計(jì)包含了預(yù)檢驗(yàn)估計(jì)，預(yù)檢驗(yàn)嶺估計(jì)和預(yù)檢驗(yàn)Liu估計(jì)。進(jìn)而，在均方誤差準(zhǔn)則下，給出預(yù)檢驗(yàn)兩參數(shù)估計(jì)優(yōu)于預(yù)檢驗(yàn)估計(jì)，預(yù)檢驗(yàn)嶺估計(jì)和預(yù)檢驗(yàn)Liu估計(jì)的充分條件。2 預(yù)檢驗(yàn)兩參數(shù)估計(jì)為了克服模型（1）中的復(fù)共線性，Yang和Chang[10]提出的兩參數(shù)估計(jì)為：考慮帶等式約束條件（2）的模型（1），結(jié)合Kaciranlar等[11]得到約束最小二乘估計(jì)的方法，提出約束兩參數(shù)估計(jì)為：其中

在線性模型的參數(shù)估計(jì)中，當(dāng)回歸自變量間存在復(fù)共線性時(shí)，最小二乘估計(jì)不再是良好的估計(jì)，對此，統(tǒng)計(jì)學(xué)家們提出了有偏估計(jì)，如壓縮估計(jì)、嶺估計(jì)、Liu估計(jì)、主成分估計(jì)、兩參數(shù)估計(jì)等[1-5]，文獻(xiàn)[6]通過選取最優(yōu)線性算子提出了一種新的有偏估計(jì)，文獻(xiàn)[7]提出的Liu型估計(jì)通過構(gòu)造嶺函數(shù)得到了嶺估計(jì)、Liu估計(jì)、兩參數(shù)估計(jì)的一般形式。另一方面，一些統(tǒng)計(jì)學(xué)家從降低有偏估計(jì)離差的角度進(jìn)行改進(jìn)，從而引入了幾乎無偏的概念，文獻(xiàn)[8]給出了幾乎無偏估計(jì)的定義和一類幾乎無偏壓

電池模型及其參數(shù)估計(jì)研究了電化學(xué)電池模型，該模型參數(shù)能很好地反映電池相關(guān)物理量，而且可以更好地捕捉外加電流條件下電池的長期和短時(shí)變化的行為?；诙嗫纂姌O濃溶液理論，該模型描述了鋰離子電池（LIB）液體濃度、固體和液相的空間分布以及時(shí)間演變。在模型的許多參數(shù)中，有關(guān)電池退化的關(guān)鍵參數(shù)由參數(shù)估計(jì)器確定。參數(shù)估計(jì)基于協(xié)方差矩陣自適應(yīng)進(jìn)化策略（CMA-ES）算法，建立在進(jìn)化策略的基礎(chǔ)上。不同于傳統(tǒng)基于梯度的優(yōu)化算法，CMA-ES算法可以無需變換，直接進(jìn)行稀疏雅可比

合幾乎無偏兩參數(shù)估計(jì)左衛(wèi)兵， 康萃雯(華北水利水電大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院，河南 鄭州 450046)主要討論了隨機(jī)約束線性模型的有偏估計(jì)問題,提出了一種新的加權(quán)混合幾乎無偏兩參數(shù)估計(jì).證明了加權(quán)混合幾乎無偏兩參數(shù)估計(jì)在二次偏差的準(zhǔn)則下優(yōu)于加權(quán)混合兩參數(shù)估計(jì),并給出了在均方誤差矩陣準(zhǔn)則下新估計(jì)優(yōu)于其他相關(guān)估計(jì)的充要條件.加權(quán)混合兩參數(shù)估計(jì)；加權(quán)混合幾乎無偏兩參數(shù)估計(jì)；二次偏差；均方誤差矩陣0 引言考慮含隨機(jī)約束線性模型(1)其中y是n維觀測向量,X為n×p

分支．其中，參數(shù)估計(jì)一直是一個(gè)非?；钴S的分支．最小二乘估計(jì)(LS估計(jì))因其優(yōu)良性而在線性模型參數(shù)估計(jì)中占有重要地位［2］．但是，當(dāng)數(shù)據(jù)具有復(fù)共線性時(shí)，LS估計(jì)變得不再優(yōu)良．人們?yōu)榇俗髁嗽S多改進(jìn)工作，例如，Stein于1960年提出了 Stein壓縮估計(jì)［3］，Hoerl和 Kennard于1970 年提出了嶺估計(jì)［4］，Liu于 1993 年提出了 Liu估計(jì)［5－6］，Ozkale和Kaciranlar于2007年提出了兩參數(shù)估計(jì)［7］，等等．結(jié)合前人對

混沌遙測系統(tǒng)參數(shù)估計(jì)魏恒東（中國西南電子技術(shù)研究所，成都 610036）針對混沌遙測系統(tǒng)的參數(shù)估計(jì)問題，研究了基于混沌同步的不同混沌時(shí)延系統(tǒng)的參數(shù)估計(jì)方法。構(gòu)造了利用不同混沌系統(tǒng)進(jìn)行參數(shù)估計(jì)的自適應(yīng)方案，利用Krasovskii-Lyapunov理論推導(dǎo)出兩個(gè)不同混沌時(shí)延系統(tǒng)同步和參數(shù)估計(jì)的充分條件。所提方案應(yīng)用到混沌遙測系統(tǒng)參數(shù)估計(jì)可以有效估計(jì)系統(tǒng)參數(shù)。非合作者可用所構(gòu)造方法利用不同混沌系統(tǒng)獲取混沌遙測系統(tǒng)的有用信息。仿真分析驗(yàn)證了方案的有效性。時(shí)延混沌