1) a stochastic dynamical prediction model of mean sea level
平均海面的一种随机动态预测模型
2) DSGE
动态随机一般均衡模型
1.
Combined with the character of the studying subject, we use Dynamic Stochastic General Equilibrium (DSGE) model which is popular in macroeconomic study to analyze the problem.
结合分析对象的特点,本文选取了当前宏观经济领域中比较流行的过动态随机一般均衡模型(DSGE)来对问题进行分析。
4) nonstochastic forecasting model
非随机预测模型
5) dynamic average-value model
动态平均值模型
1.
Based on the equivalent circuit of a 3-phase 4-wire generator-rectifier system,this paper presents the dynamic average-value model(AVM) of 4-wire diode-bridge rectifier under continuous conduction mode(CCM) using state-space averaging method.
根据三相四线制发电机整流桥系统的等效电路,应用状态空间平均法推导了四线制二极管整流桥在连续导通模式下的动态平均值模型,给出了换相角的解析表达式。
6) stochastic dynamic model
随机动态模型
1.
In the paper,combing with discrete wavelet transform,dynamic system theory and stochastic process theory the multiscale stochastic dynamic models considering scale as variable are establised and multiscale fusion estimation algorithmis is presented in order to realize the optimum estimation of the state.
结合离散小波变换、动态系统理论及随机过程理论,建立了以尺度为变量的多尺度随机动态模型,并给出状态基于多尺度随机动态模型的多尺度递归数据融合算法,实现了在状态基于全局观测信息的优化估计值。
补充资料：随机过程的预测
随机过程的预测
stochastic processes, prediction of
学中对预测算法的应用见IAll.随机过程的预测【汰心.拓cP“‘已洲荟，训浦团佣of;c月y叨葫H‘“po双eccoB“pon，03，.poB二，el，随机过程的外推(ext几IPojation of stochas比p双兀君骆eS) 由随机过程(stoc]1毛‘tic pr以戈骆)X(t)直到现在时刻s的观察值对将来t>s的值进行估计的问题.通常想要的外推估计X(t)(t>s)是使得均方误差EIX(t)一X(t)}2在基于过程直到时刻s的过去值的所有估计中最小的那个(如果限于考虑线性估计，所得到的预测称为是线性的). 已经提出并得到解决的问题之一是关于平稳序列的线性预测.这一问题类似于下述问题:在区间一二蕊又毛兀上平方可积的函数空间LZ中，必须在由函数砂介，k=o，一1，一2，…，生成的子空问上找到函数甲似)〔L:的投影.在平稳随机过程(stationarystocllastic pro姚)的理论中这个问题已经被大大地推广了.一个应用是由下述系统 Lx(t)=Y(t)，t>t。，引起的随机过程的预测问题，其中L是I阶线性微分算子，而Y(t)，t>t(，，是一白噪声(认七jte noise)过程.给定X(t)在时间间隔叭，簇t(、的值和初始值丫k)(t。)，k一。，二，l一1，与白噪声独立，最佳预测X(t)，t>、，由解相应的方程 LX(r)二0，f>S，带初始条件 戈‘“，(、)一丫‘，(、)，、二o，二，l一l，得到.对随机微分方程系统，给定其他已观测到的分量值预测某些分量的问题，归结为相应的随机方程的外推. 参考文献见随机过程的内插(stochastic pro~，interPO】atio们of).幻，A.P田a棚撰【补注】线性预测问题的研究，在俄国始于A.H.KoJIM0r可力B(fA7]，〔A8」)，在西方始于N .Wiener(【A6』)，他还同P .Mas如处理了多变量情形(【All]，【A12」).他们考虑的预测是基于整个的过去;基于过去的有限时段的预测更困难，见【A9]，【A10].对非平稳过程的线性预测在【A13]中讨论.线性理论也可在「A2」中找到.R.E.K川man的方法(「A3]，【A4」)基于K五knan滤波和过程在状态空问上的实现，引人了在实践中很有用的预测算法.在【AS]中介绍了将预测问题推广到扩散过程的情形.在应用科
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条