导读:本文包含了修正关联模型论文开题报告文献综述及选题提纲参考文献，主要关键词:灰色关联,GM(1,N)模型,Markov修正,沉降分析
修正关联模型论文文献综述
成枢,周龙飞,高秀明[1]（2019）在《基于灰色关联GM(1,N)-Markov修正模型的应用》一文中研究指出针对变形系统中多变量之间相互作用影响,传统GM(1,1)模型难以体现沉降变化趋势的问题,该文提出基于灰色关联分析的GM(1,N)模型对数据分析处理,并利用Markov模型修正残差序列,提高预测精度。通过实际工程应用表明:灰色关联GM(1,N)-Markov模型的预测精度高,结果更为可靠,在实际工程沉降分析预测中具有可行性。(本文来源于《勘察科学技术》期刊2019年03期）
苗传红[2]（2019）在《土壤有机质高光谱灰色关联估测的修正模型研究》一文中研究指出土壤有机质是土壤重要的组成部分,是衡量土壤肥力、监测农作物生长情况的重要指标。传统的土壤有机质测定化验方法,虽然精确度高,但是周期长、成本高,不能满足大范围快速监测的需要。高光谱遥感技术,波段多、分辨率高、数据量大,能实时高效的监测土壤有机质含量的变化情况,对精细农业的发展具有重要的指导意义。本文以山东省济南市章丘区为研究区,以采集的76个土壤样本的有机质含量和室外光谱数据为基础,针对土壤光谱估测中的灰色性,利用灰色系统理论建立土壤有机质高光谱灰色关联估测的修正模型,对土壤有机质的初步估测结果进行修正,以提高估测精度。主要研究内容及结论如下:(1)确定了济南市章丘区土壤有机质的特征指标对土壤光谱反射率进行一阶微分、平方、倒数、对数和平方根5种变换。通过比较不同变化后的土壤光谱曲线图和土壤相关系数图可以发现,经过一阶微分变换后的土壤光谱特征曲线上下波动强烈,光谱数据与土壤有机质的相关性明显提高,变化效果要明显优于其它4种数学变换,所以从一阶微分变换后的土壤光谱数据中按极大相关性原则选取了544nm、1469nm、1656nm、2059nm和2318nm 5个波段作为特征指标。(2)建立了土壤有机质高光谱灰色关联估测的修正模型以灰色系统理论为基础,建立土壤有机质高光谱灰色关联度估测的修正模型,并对土壤有机质的初步估测值进行修正。首先,将经典灰色关联度模型进行改进,得到加权距离灰色关联度模型,利用加权距离灰色关联度模型初步估测待估测样本土壤有机质的含量。然后根据建立的修正模型对土壤有机质初步估测值进行修正。最后,为对比分析,利用支持向量机、多元线性回归和BP神经网络对土壤有机质含量进行估测。结果表明,利用灰色模型估测有机质含量时,16个待估测样本修正后的平均相对误差由修正前的17.396%降低到3.801%,决定系数由修正前的0.6413增加到0.9782。利用常用叁种模型估测有机质含量,16个待估测样本的平均相对误差分别为8.373%、9.746%和11.119%,决定系数分别为0.8632、0.8433和0.7008。研究说明,本文提出的土壤有机质灰色关联度估测的修正模型能有效提高估测精度,为土壤有机质高光谱估测提供了一种新方法。(本文来源于《山东农业大学》期刊2019-04-01）
陈甬军,左源[3]（2017）在《基于误差修正模型的电力消费、产业结构和经济发展的关联性分析》一文中研究指出文章基于误差修正模型对我国1978-2015年间经济总量、电力消费、第二产业经济比重和第叁产业经济比重之间的关系进行分析。结果显示,各变量之间具有长期均衡关系。短期来看,经济总量出现波动情况时,在自动修复机制下,能够一定程度回归均衡状态。通过脉冲分析发现,短期内第二产业对经济发展具有较大影响,长期来看,第二产业和第叁产业影响程度大致相当,辅证了产业结构调整的现实需要和意义。(本文来源于《现代管理科学》期刊2017年09期）
张建楠[4]（2017）在《基于阈值向量误差修正模型对期权市场认沽认购比和叁日平均涨跌幅的关联性研究》一文中研究指出利用二机制阈值向量误差修正模型,研究期权市场50ETF认沽期权与认购期权的交易量的比值与其叁个交易日现货价格的平均涨跌幅,在不同的机制下,长期均衡关系与短期动态调整机制.研究发现认沽认购比与叁日平均涨跌幅之间的长期均衡状态的调整力度是非对称的,它们之间存在阈值协整关系.当涨跌幅变动导致偏离均衡时,误差修正项使其向均衡状态调整的力度较大,该结果与我国期权市场的成熟程度有关,所以市场的期权投资者在进行投资时,需要同时关注认沽认购比和叁日内平均涨跌幅的数据变化,从而能够更好地把握市场的变动.(本文来源于《吉林大学》期刊2017-05-01）
曹玲,李学琴,程建文[5]（2015）在《修正的Wilson模型对含离子液体体系的关联和预测》一文中研究指出首次使用修正的Wilson模型关联四类对拉乌尔定律呈现不同偏差的含离子液体1-乙基-3-甲基咪唑双(叁氟甲基磺酰基)亚胺[EMIM][(CF_3SO_2)_2N]的二元体系汽液相平衡数据。利用从二元体系回归的模型参数预测了2-丙醇+水+[EMIM][(CF_3SO_2)_2N]的汽液平衡数据,总压的相对均方根偏差为8.36%。结果表明:修正的Wilson模型对关联和预测含离子液体的汽液相平衡数据有一定的适用性。(本文来源于《山东化工》期刊2015年22期）
徐珊[6]（2015）在《关联于资产价格波动的货币政策非对称性检验——基于修正NK-SVAR模型的实证分析》一文中研究指出资产价格波动通过多种途径影响宏观总产出,进而间接反映在货币调控的效应测度上。基于此,本文针对新凯恩斯模型进行了修正,在货币政策非对称效应的SVAR模型检验中导入了资产价格变化和汇率波动的影响。实证结果表明,紧缩货币政策较扩张性政策具有更强的产出冲击,但其效应显着关联于资产价格变化,这就要求资产价格变化必须纳入到未来相机抉择的货币政策体系中。(本文来源于《长春大学学报》期刊2015年03期）
张井龙,王尊策,徐艳[7]（2014）在《旋转湍流中雷诺应力模型压力应变关联项的修正研究》一文中研究指出利用张量的不变量理论,推导得出传统雷诺应力模型中压力应变关联项模型应用于旋转湍流模拟中的一些基本问题,即在纯旋转条件下,传统模型所描述的初始各向异性的湍流中雷诺应力张量演化规律是一个无衰减振荡过程,而快速畸变理论推导结果显示,其演化应是一个阻尼振荡衰减的过程。以衰减雷诺应力为目的,构造出包含旋转率张量高阶量的关联项。然后,结合变形率张量的高阶项,将修正模型扩展至椭圆形流线类型流动。最后,将修正模型应用于轴向旋转圆管内湍流流场的模拟,并将结果与实测结果进行了对比。(本文来源于《计算力学学报》期刊2014年06期）
戴许昊[8]（2014）在《基于修正熵权重—灰色关联度模型的铁路固定设施协调性评价研究》一文中研究指出铁路固定设施是铁路重要的组成部分,为提高铁路运输能力与运输质量,本文对铁路运输过程中主要固定设施的协调性进行分析,研究并提出了铁路固定设施协调性评价指标体系和评价方法,以期为进一步优化运力资源的合理配置提供参考。本文首先对铁路固定设施的研究范畴进行了界定,在此基础上主要对技术站、货运站以及路网的现状与协调性进行深入分析,并建立了铁路固定设施协调性评价指标体系。其次,本文结合所建立的评价指标体系,提出了修正熵权重——灰色关联度评价模型。最后,应用所建立的评价模型分别对货运站固定设施协调性,主要技术站固定设施协调性以及技术站与衔接线路的点线协调性进行了实例评价与验证。本文重点内容为建立铁路固定设施协调性评价指标体系及评价模型。对于评价指标体系的建立,本文分别通过对技术站、货运站、线路的能力协调性以及技术条件协调性的分析,最终建立了铁路固定设施评价指标体系；对于评价模型的确立,通过对不同评价模型特点分析的基础上,筛选出灰色关联度评价模型。对选取指标权重的考量,一方面选取客观的熵权法计算权重,另一方面选取具有主观经验的Delphi法对其进行修正,使指标权重更贴近实际。最后形成适用于铁路固定设施协调性评价的修正熵权重—灰色关联度模型。通过Matlab编程,对实例数据进行分析,评价结果较符合客观实际,初步验证了模型的实用性和可操作性。(本文来源于《北京交通大学》期刊2014-06-01）
邵燕敏,汪寿阳[9]（2012）在《基于门限向量误差修正模型的中国与国际有色金属期货价格关联性研究》一文中研究指出利用两状态的门限向量误差修正模型(threshold vector error correction model,TVECM),研究了中国与国际有色金属期货价格在不同状态下的长期均衡关系与短期动态调整机制.研究发现:伦敦期货交易所(LME)与上海期货交易所(SHFE)的期铜、期铝之间存在着显着的门限协整关系;中国与国际有色金属期货价格向长期均衡状态的调整力度是非对称的,当SHFE3月期铜价格较高或LME3月期铝价格较高导致期货价格偏离均衡时,误差矫正机制推动价格向均衡状态调整的力度较大.中国与国际有色金属期货价格在不同状态的样本数量不同,当LME3月期铜价格较高或SHFE3月期铝价格较高导致期货价格偏离均衡状态时的样本较多.(本文来源于《系统工程理论与实践》期刊2012年11期）
王鹏,陈启鑫,夏清,王宣元[10]（2012）在《应用向量误差修正模型的行业电力需求关联分析与负荷预测方法》一文中研究指出近年来,国民经济发展与能源消耗之间的关系日益密切,产业结构变化与产业升级现象更加显着,使得电力需求的发展趋势与内部结构都出现了剧烈与频繁的变动。现有的研究工作缺乏对于电力需求的结构性分析,常见的中长期负荷预测方法在用电结构发生剧烈变化时往往会出现精度下降的现象。基于此,借鉴计量经济学的向量误差修正理论,从短期扰动和历史存续2个方面深入分析了不同行业间电力需求的关联关系,并在此基础上提出了一种新型的中长期负荷预测方法。该方法能够有效识别行业电力需求的关联关系,避免用电结构突变给负荷预测带来的不良影响。算例分析结果验证了该方法的有效性与适用性。(本文来源于《中国电机工程学报》期刊2012年04期）
修正关联模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
土壤有机质是土壤重要的组成部分,是衡量土壤肥力、监测农作物生长情况的重要指标。传统的土壤有机质测定化验方法,虽然精确度高,但是周期长、成本高,不能满足大范围快速监测的需要。高光谱遥感技术,波段多、分辨率高、数据量大,能实时高效的监测土壤有机质含量的变化情况,对精细农业的发展具有重要的指导意义。本文以山东省济南市章丘区为研究区,以采集的76个土壤样本的有机质含量和室外光谱数据为基础,针对土壤光谱估测中的灰色性,利用灰色系统理论建立土壤有机质高光谱灰色关联估测的修正模型,对土壤有机质的初步估测结果进行修正,以提高估测精度。主要研究内容及结论如下:(1)确定了济南市章丘区土壤有机质的特征指标对土壤光谱反射率进行一阶微分、平方、倒数、对数和平方根5种变换。通过比较不同变化后的土壤光谱曲线图和土壤相关系数图可以发现,经过一阶微分变换后的土壤光谱特征曲线上下波动强烈,光谱数据与土壤有机质的相关性明显提高,变化效果要明显优于其它4种数学变换,所以从一阶微分变换后的土壤光谱数据中按极大相关性原则选取了544nm、1469nm、1656nm、2059nm和2318nm 5个波段作为特征指标。(2)建立了土壤有机质高光谱灰色关联估测的修正模型以灰色系统理论为基础,建立土壤有机质高光谱灰色关联度估测的修正模型,并对土壤有机质的初步估测值进行修正。首先,将经典灰色关联度模型进行改进,得到加权距离灰色关联度模型,利用加权距离灰色关联度模型初步估测待估测样本土壤有机质的含量。然后根据建立的修正模型对土壤有机质初步估测值进行修正。最后,为对比分析,利用支持向量机、多元线性回归和BP神经网络对土壤有机质含量进行估测。结果表明,利用灰色模型估测有机质含量时,16个待估测样本修正后的平均相对误差由修正前的17.396%降低到3.801%,决定系数由修正前的0.6413增加到0.9782。利用常用叁种模型估测有机质含量,16个待估测样本的平均相对误差分别为8.373%、9.746%和11.119%,决定系数分别为0.8632、0.8433和0.7008。研究说明,本文提出的土壤有机质灰色关联度估测的修正模型能有效提高估测精度,为土壤有机质高光谱估测提供了一种新方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
修正关联模型论文参考文献
[1].成枢,周龙飞,高秀明.基于灰色关联GM(1,N)-Markov修正模型的应用[J].勘察科学技术.2019
[2].苗传红.土壤有机质高光谱灰色关联估测的修正模型研究[D].山东农业大学.2019
[3].陈甬军,左源.基于误差修正模型的电力消费、产业结构和经济发展的关联性分析[J].现代管理科学.2017
[4].张建楠.基于阈值向量误差修正模型对期权市场认沽认购比和叁日平均涨跌幅的关联性研究[D].吉林大学.2017
[5].曹玲,李学琴,程建文.修正的Wilson模型对含离子液体体系的关联和预测[J].山东化工.2015
[6].徐珊.关联于资产价格波动的货币政策非对称性检验——基于修正NK-SVAR模型的实证分析[J].长春大学学报.2015
[7].张井龙,王尊策,徐艳.旋转湍流中雷诺应力模型压力应变关联项的修正研究[J].计算力学学报.2014
[8].戴许昊.基于修正熵权重—灰色关联度模型的铁路固定设施协调性评价研究[D].北京交通大学.2014
[9].邵燕敏,汪寿阳.基于门限向量误差修正模型的中国与国际有色金属期货价格关联性研究[J].系统工程理论与实践.2012
[10].王鹏,陈启鑫,夏清,王宣元.应用向量误差修正模型的行业电力需求关联分析与负荷预测方法[J].中国电机工程学报.2012