为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求

第五部分多方程分析 第21章系统估计--讨论了方程系统的估计 第22章向量自回归和误差修正模型-向量自回归模型以及向量误差修正模型估计。给出检验非稳定变量之间协整关系的工具。 第23章状态空间模型和卡尔曼滤波----利用状态空间模型和卡尔曼滤波工具建立结构时间序列模型

9.1 向量自回归理论 9.2 结构VAR(SVAR)模型的识别条件 9.3 VAR模型的检验 9.4 脉冲响应函数 9.5 方差分解 9.6 Johansen协整检验 9.7 向量误差修正模型(VEC)

• 一、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

• 一、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

一、了解(最低要求): 二、线性单方程计量经济学模型的基本理论与方法; 三、了解普通最小二乘法有关的参数估计过程和结论; 四、能够进行线性单方程模型的普通最小二乘估计; 五、独立完成建立线性单方程计量经济学模型的全过程工作

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩阵.仿真试验表明这种动态神经网络的预测模型具有较高的精度

一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间

实验一 时间序列的 SAS 基本操作 .1 实验二 时间序列的预处理 .6 实验三 平稳时间序列分析 .9 实验四 非平稳时间序列随机分析 .15 实验五 非平稳时间序列确定性分析 .29 实验一 时间序列的预处理 .38 实验二 平稳时间序列 .44 实验三 ARIMA 模型 .58 实验四 残差自回归模型（一） .71 实验五 残差自回归模型（二） .79 实验六 确定性模型 .86 实验七 季节模型 .95 实验八 协整分析 .106 实验分析：该程序的到了一个名为 sasuser.example1_1 的永久数据集。所谓

一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验(t检验) 四、参数的置信区间