导读:本文包含了多因子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:中长期径流预报,大通站,多因子,逐步回归
多因子模型论文文献综述
罗智锋[1]（2019）在《多因子逐步回归与自回归组合径流预测模型的建立及应用》一文中研究指出选取1951-2007年大气环流指数及长江大通站1952-2012年平均径流资料,利用多因子逐步回归与自回归组合预测方法建立长江大通站年径流预报模型。结果表明:该模型拟合和试预报合格率分别为94.6%和80%,试预报平均相对误差为16%,相对多因子逐步回归周期分析模型预报效果更佳。影响显着的因子与冷暖空气关系密切,即长江大通站年平均径流受冷暖空气影响较大,且北半球11月极涡强度指数和9月印缅槽存在显着趋势,其他因子未发现显着趋势。优势因子存在5～13个不等的试验周期且普遍存在19 a、28 a周期,周期历时最短4 a,最长28 a。(本文来源于《甘肃水利水电技术》期刊2019年09期）
吴有刚[2]（2019）在《基于多因子模型的农业水资源安全评价》一文中研究指出针对水资源安全评价受到复杂性和不确定性等因素影响,在原始数据计算基础上,通过多因子评判模型,用指标评定系数代表农业水资源安全重要程度,以湖北省2017年为基准水平年为例,从水资源系统、供水系统、用水系统、社会经济系统、生态环境系统等方面选取17个代表性指标计算得到全省农业水资源安全评价状况。结果表明,综合评判模型计算得到农业水资源安全系统综合评价值Y=3.524,且水资源、供水、用水、社会经济系统的层次系统评价值均处于2～4范围内,属于基本安全状态,处于安全中偏低水平。分析认为耕地灌溉率低,污水处理能力弱,水资源利用率低为影响水资源安全主要因素,同时提出保障农业水安全的4个措施方面,进一步提高农业水资源安全的可持续利用发展。(本文来源于《水科学与工程技术》期刊2019年04期）
吴光明,陈宏卫,牛秀起,赖班班,翁宇奇[3]（2019）在《大数据视角下我国城投债风险研究——基于多因子模型和KMV模型》一文中研究指出本文基于我国8000余只存量城投债数据,通过多因子模型和KMV模型分别从发行人角度和债券角度对我国城投债的预期违约风险进行了总体评估。结果显示,我国城投债违约率水平较低,整体风险可控,但是潜在风险分布不均匀,西部地区城投债潜在违约风险较高,偿债压力较大,且风险主要集中在地市级。最后,本文针对潜在风险,对促进城投债市场健康发展提出了政策建议。(本文来源于《债券》期刊2019年07期）
王立为,郭康军,李鸣钰,徐庆喆,田景仁[4]（2019）在《基于DNDC模型多因子对马铃薯田N_2O排放和产量的影响研究》一文中研究指出如何在确保粮食保产增产的同时,减少农田温室气体排放,是中国应对全球气候变化的当务之急。为了探究氮肥对马铃薯(Solanum tuberosum)田土壤N_2O排放和产量的影响,以及更全面验证DNDC模型对于马铃薯田N_2O排放和产量预测的适用性,选择沈阳市自然降水条件下的马铃薯田为研究对象,设计不施氮(0 kg·hm~(-2))、低氮(75 kg·hm~(-2))、中氮(150 kg·hm~(-2))和高氮(225 kg·hm~(-2))4个施氮水平,采用静态箱-气相色谱法对土壤N_2O气体排放进行田间原位观测,并运用DNDC模型探究多因子对马铃薯田N_2O排放和产量的影响。结果表明,(1)DNDC模型对于马铃薯田N_2O排放和产量均具有较好的模拟效果。2017年和2018年N_2O排放模拟结果,模型效率指数EF分别在0.45-0.76和0.41-0.73之间。产量模拟结果,2017年:EF=0.91,R2=0.97,P=0.017;2018年:EF=0.85,R~2=0.95,P=0.027。(2)年降雨量、土壤有机碳含量(SOC)、土壤容重、土壤pH值对马铃薯生育期N_2O累计排放的影响较明显,且均呈现正相关关系。年降雨量、年均温度、CO2质量浓度、施氮水平对马铃薯产量的影响较明显,其中年降雨量、CO_2质量浓度、施氮水平与马铃薯产量呈正相关关系,年均温度与马铃薯产量呈负相关关系。(3)保持水分正常供给的前提下,该地区五日滑动平均温度稳定通过10℃后的5 d内播种马铃薯,即可保证马铃薯正常生长的温度条件,达到保产增产的目的。(本文来源于《生态环境学报》期刊2019年06期）
闫俐孜,马丹,徐莹,王胜利,范曹明[5]（2019）在《一种新的多因子约束下的NWP反演ZTD残差改正模型》一文中研究指出对流层延迟是GNSS定位的主要误差源之一,利用NWP模型的气象数据积分反演ZTD是当前研究热点.然而,采用两大气象预报中心(ECMWF和NCEP)的再分析资料反演ZTD的残差一般在±60 mm之间浮动,预报资料反演的ZTD的精度更差,都不能直接用于精密定位.一般是先将此反演的ZTD作为初值,设定先验方差,将残差作为未知参数求解.NWP反演的ZTD的精度,将直接影响对流层和模糊度参数在滤波过程中收敛速度.前人的研究表明,NWP反演ZTD的残差大小与测站所在纬度相关,利用纬度与残差的相关函数可提高NWP反演ZTD的精度,但效果并不明显.针对以上问题,比较ECMWF和NCEP再分析资料反演ZTD的精度,然后分析精度较高的ECMWF资料反演的ZTD的残差随温度、湿度、纬度、季节等因子变化的规律,并结合基于最小绝对残差法的多项式拟合方法拟合残差,提出一种新的多因子约束下的NWP反演ZTD的残差改正模型,从而提高NWP反演ZTD的精度.为验证模型的性能,以133个IGS站高精度ZTD为参考,拟合2015年ECMWF反演ZTD的残差,构建残差改正模型,并利用此模型改正2016年ECMWF反演的ZTD.实验结果表明:在纬度高于15°的地区,NWP反演的ZTD的平均残差和均方根误差比使用模型前分别减小了86.9%和36.3%.另外,对于较低纬度地区,此残差改正模型的效果不明显.(本文来源于《华中师范大学学报(自然科学版)》期刊2019年03期）
芮立[6]（2019）在《基于多因子分析的无线传感器网络可靠性评估模型设计》一文中研究指出采用判决反馈方法评估无线传感器网络时,仅从网络链路稳定性因素方面考虑,未考虑影响网络可靠性的多种因素,自适应能力和可靠性评估效果差。设计基于多因子分析的无线传感器网络可靠性评估模型,利用多因子分析过程将无线传感器网络复杂的变量关系简单化。由5个主指标与20个有相互关联的子指标建立无线传感器网络可靠性评估指标体系,通过主成分分析方法分析指标体系获取11个无线传感器网络可靠性指标主因子。将这些因子输入神经网络模型中,构建无线传感器神经网络可靠性评估模型,完成无线传感器网络可靠性评估。实验结果表明,该模型的可靠性评估精度均值为98%,该模型下的无线传感网络可靠性最高达到98%,极大提高了无线传感器的安全性能。(本文来源于《现代电子技术》期刊2019年12期）
辛萍萍[7]（2019）在《效益优先的温室环境多因子协同调控模型与方法研究》一文中研究指出温室环境是影响温室作物产量与品质的关键因素之一,而多环境因子之间存在相互关联关系,且调控成本差异显着,如何在满足作物生长需求的同时降低调控成本,已成为温室环境高效调控亟待解决的科学问题和难点问题。本文在分析影响作物光合速率内外部影响因子的基础上,针对温度对光合速率的影响特性,研究基于径向基插值-鱼群算法的温度适宜区间获取方法;针对光与CO_2对光合速率的影响特性,研究基于遗传-支持向量机算法的光合速率预测模型构建方法,进而探寻基于L离散曲率-粒子群算法的光合速率次优目标值模型获取方法,建立满足温度约束的光合速率次优目标值模型;融合光合速率次优目标值模型和实时信息感知,基于粒子群多目标寻优算法研究约束条件下的效益优先的光与CO_2协同调控目标值在线寻优方法;基于上述理论研究,设计并研发了温室环境协同调控系统并进行实际部署验证。本文融合作物光合速率次优目标值模型与调控效益,提出了温室环境多因子协同调控模型与方法,对温室环境高效调控和设施产业转型升级具有理论意义。论文研究内容及结论如下。(1)开展了环境影响光合作用的机理分析与多因子嵌套试验,研究并提出了基于径向基插值-二维鱼群寻优算法的光合适宜温度区间获取方法。设计光、温、CO_2嵌套的光合速率试验方案,获取14个温度梯度、10个CO_2梯度与22个光合光量子通量密度(PPFD)梯度组合条件下的3080个试验数据样本。测试函数的5类插值基函数误差结果表明,逆复合二次径向基函数插值精度最高。以径向基插值网络作为鱼群寻优目标函数,实现不同温度条件下的光与CO_2二维寻优,获取光与CO_2饱和条件下的温度与光合速率的关系。验证结果表明,拟合直线斜率为1.0070,截距-0.1505,决定系数为0.9973,均方根误差为0.5649μmol/(m~2?s)。基于L离散曲率最大值法获取番茄初花期的光合温度适宜区间为[22,32]℃。(2)研究并提出了温度约束条件下的光合速率次优目标值模型的获取方法。基于遗传-支持向量机算法构建光合速率预测模型,模型测试集决定系数为0.9867,均方根误差为1.358μmol/(m~2?s)。以光合速率预测模型网络为输入,以光合适宜温度区间作为温度实例化条件,基于L离散曲率法对曲面曲线进行曲率计算。以曲率结果作为寻优目标函数,进行粒子群离散曲率最大值寻优,获取光合速率次优目标值坐标点。基于LM法拟合11个温度条件下的光合速率次优目标值函数曲面,曲面与原温度实例化的光合速率预测模型曲面相交,获取最终的光合速率次优目标值模型。模型校验结果表明,光合速率次优目标实测值与预测值相关性拟合决定系数为0.9843,均方根误差为0.3541μmol/(m~2?s),最大相对误差小于3.33%。(3)研究了效益优先的PPFD与CO_2协同调控目标值获取方法,并进行了效益优先性分析。以光合速率次优目标值模型与PPFD、CO_2总调控成本函数构建寻优目标函数,以光合速率尽可能高、调控成本尽可能低为目标,进行粒子群多目标寻优,获取效益优先的PPFD与CO_2协同调控目标值。效益对比分析结果显示,与光合最优PPFD与CO_2协同调控方式对比,效益优先调控方式其光合速率平均下降11.67%,但需光量平均下降36.66%,需CO_2量下降29.79%。在实时环境PPFD为500μmol/(m~2?s),CO_2为600μmol/mol的条件下,采用光合最优调控方式时光合速率平均提升26.92μmol/(m~2?s),调控成本平均为0.77元;采用效益优先调控方式时光合速率平均提升22.27μmol/(m~2?s)调控成本平均为0.43元。(4)研发了温室环境协同调控系统并进行实际部署验证。系统主要分为传感器监测子系统、数据融合与智能决策子系统、协同调控子系统。其中,传感器监测子系统主要实现光、温、CO_2、电量与CO_2流量实时监测与传输;数据融合与智能决策子系统集成光合适宜温度区间获取方法、光合速率次优目标值获取方法、效益优先的光与CO_2协同调控目标值获取方法,当接收监测子系统上传的数据后,判断温度是否在适宜温度区间。若在适宜温度区间,调用对应温度下的光合速率次优目标值模型进行寻优,获取协同调控目标值,否则等待下一次数据刷新后重新判断;协同调控子系统根据下发的调控目标值驱动对应的光和CO_2调控设备,实现光与CO_2协同调控;调控结果经过传感器监测子系统上传,对调控目标值进行闭环修正。调控系统原型部署于西北农林科技大学五泉试验基地,能耗数据统计显示,效益优先调控平均日消耗成本为4.48元,光合最优平均日消耗成本为6.96元。相对于自然对照区,效益优先协同调控区CO_2日消耗1503.17L,日用电量2.97KW/h,光合速率平均提升45.15%,光合最优协同调控区CO_2日消耗2290.61L,日用电量4.70KW/h,光合速率平均提升53.64%。(本文来源于《西北农林科技大学》期刊2019-06-03）
李杰[8]（2019）在《基于随机森林算法的多因子选股模型研究》一文中研究指出本文研究目的为怎样利用机器学习方法与传统多因子选股模型相结合,并构建基于随机森林算法的多因子选股模型,通过随机森林算法对个股进行分类从而筛选出具有投资价值的股票,进而构造有效的投资组合。本文以全A股票作为股票池,以各个大类因子作为因子池,分别选取了价值类、成长类、动量类、财务质量类、技术类以及分析师情绪类六大类共23个因子作为备选因子,因子数据的选取为2010年1月到2017年12月每月最后一个交易日的数据,以因子数据和对应下期股票月收益率数据构建样本集。其中将2010年1月到2013年12月的样本用于模型参数寻优,以确定随机森林算法超参数和最优训练窗长;将2014年1月到2017年12月的样本用于样本外模型回测,以分析模型选股效果。基于随机森林算法的多因子选股模型是一个动态的选股模型,其在每个回测时段都要利用过去6个月的样本数据对模型进行训练,利用当期因子数据进行预测,选取预测概率排名靠前的50只股票作为下期股票持仓,并对其进行等权配置。模型的整个构建过程大体可分为叁个部分:数据预处理及有效因子筛选、模型参数优化与结果分析、模型改进与优化。本文基于随机森林算法的多因子选股模型在回测期2014年1月到2017年12月内取得的总收益为160.05%,年化收益为27.64%,大幅度领先市场基准(沪深300与中证500),可证明该选股模型具有较好的选股性能。同时对比分析非动态学习模型,本文构建的动态学习模型体现出其时效性,在一定程度上能反映市场的变化。另外在模型的改进与优化方面,通过以预测概率加权确定组合权重、以因子重要性进行因子再筛选、进行因子轮动都能提升原模型的选股效果。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
陈雨甜[9]（2019）在《线性与非线性多因子选股模型在A股市场应用的比较研究》一文中研究指出近年来,量化投资在国内如雨后春笋般的兴起。量化投资的兴起将引领A股市场向着专业与成熟的方向前进。目前这一新型的投资方法逐渐被市场上的广大机构投资者所接受,他们从各个角度对其进行了大量的研究。多因子选股模型实际上是整个量化模型在组合投资领域最重要的一个模型。它在美国市场上从上个世纪五六十年代开始,到90年代了多因子选股模型的在海外市场已经得到了非常成功的应用。然而在我国多因子模型也是量化投资领域研究和应用最多的模型。以往的研究多集中在筛选有效性因子或是对于模型算法本身进行精度的改进。很少有研究将目光集中于线性与非线性模型选股优劣的比较及其在A股市场上的适用性。本文的研究主要集中于从多角度线性与非线性多因子选股模型在A股市场上进行比较研究。结合A股市场发展的实际状况及其本身的特殊性,确定了在A股市场上进行选股的要求与评价标准。通过选取了27个基本面因子,并基于分组回测分别对线性与非线性多因子选股模型进行了有效性检验。在此基础上选取上证指数样本股在2014年1月1日至2019年5月1日这一样本区间进行实证检验,并从不同训练集长度、不同持仓数量以及不同市场风格切换叁种角度,对于线性与非线性两类模型进行比较,从而对于不同模型在A股市场的是适用情况进行分析。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
王沆[10]（2019）在《基于多因子随机波动模型的最优消费与投资决策问题》一文中研究指出众所周知,连续时间最优投资与消费问题是Merton开创的金融经济学中的经典问题。有大量的经验证据表明,资产收益率,特别是股票市场收益率的条件方差并非随时间固定不变的。近年来,随机协方差是金融资产建模的一个关键特征。许多实证研究表明,对资产收益率协方差矩阵的随机变化进行建模对于最优投资组合选择非常重要。而且,在期权定价文献中也有充分的证据表明,多因子随机波动模型的表现明显优于单变量波动模型。然而,连续时间多因子随机波动模型下的最优投资与消费问题尚未得到研究。本文讨论不完全市场中具有多因子随机资产收益协方差矩阵的多元跨期消费和投资组合选择问题。主要研究内容总结如下:首先,假设投资者基于CRRA效用函数做出消费和投资决策,我们研究了主成分随机波动(PCSV)模型下的优化问题。利用随机动态规划方法,推导出了与问题相关的Hamilton-Jacobi-Bellman(HJB)方程。对幂效用和对数效用情形,分别给出了最优投资-消费策略和值函数的表达式。我们还分析了次优投资策略造成的财富损失,并且发现如果投资者只考虑单因子随机波动或忽略资产收益之间的随机协方差,就会造成显着的财富损失。其次,在PCSV模型假设下,我们研究了具有Epstein-Zin型递归偏好的投资者的最优消费-投资组合决策问题。通过使用随机动态规划方法,分别推导出了单位和非单位跨期替代弹性两种情形下最优消费与投资策略的显式和半显式表达式。分析了状态变量对最优策略的影响。数值模拟结果表明:在投资者的偏好参数中,风险厌恶系数对最优投资策略的影响远大于跨期替代弹性带来的影响,而对于最优消费-财富比来说,这种影响则不同。此外,我们还发现当跨期替代弹性系数大于1时,最优消费-财富比对时间贴现率的敏感程度远比小于1时要大,而跨期替代弹性系数小于1时的最优消费-财富比的收敛速度要比大于1时的收敛速度更快。(本文来源于《贵州大学》期刊2019-06-01）
多因子模型论文开题报告
（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：
针对水资源安全评价受到复杂性和不确定性等因素影响,在原始数据计算基础上,通过多因子评判模型,用指标评定系数代表农业水资源安全重要程度,以湖北省2017年为基准水平年为例,从水资源系统、供水系统、用水系统、社会经济系统、生态环境系统等方面选取17个代表性指标计算得到全省农业水资源安全评价状况。结果表明,综合评判模型计算得到农业水资源安全系统综合评价值Y=3.524,且水资源、供水、用水、社会经济系统的层次系统评价值均处于2～4范围内,属于基本安全状态,处于安全中偏低水平。分析认为耕地灌溉率低,污水处理能力弱,水资源利用率低为影响水资源安全主要因素,同时提出保障农业水安全的4个措施方面,进一步提高农业水资源安全的可持续利用发展。
（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。
多因子模型论文参考文献
[1].罗智锋.多因子逐步回归与自回归组合径流预测模型的建立及应用[J].甘肃水利水电技术.2019
[2].吴有刚.基于多因子模型的农业水资源安全评价[J].水科学与工程技术.2019
[3].吴光明,陈宏卫,牛秀起,赖班班,翁宇奇.大数据视角下我国城投债风险研究——基于多因子模型和KMV模型[J].债券.2019
[4].王立为,郭康军,李鸣钰,徐庆喆,田景仁.基于DNDC模型多因子对马铃薯田N_2O排放和产量的影响研究[J].生态环境学报.2019
[5].闫俐孜,马丹,徐莹,王胜利,范曹明.一种新的多因子约束下的NWP反演ZTD残差改正模型[J].华中师范大学学报(自然科学版).2019
[6].芮立.基于多因子分析的无线传感器网络可靠性评估模型设计[J].现代电子技术.2019
[7].辛萍萍.效益优先的温室环境多因子协同调控模型与方法研究[D].西北农林科技大学.2019
[8].李杰.基于随机森林算法的多因子选股模型研究[D].哈尔滨工业大学.2019
[9].陈雨甜.线性与非线性多因子选股模型在A股市场应用的比较研究[D].哈尔滨工业大学.2019
[10].王沆.基于多因子随机波动模型的最优消费与投资决策问题[D].贵州大学.2019