本文選題：Logistic模型 + 參數(shù)估計(jì)��； 參考：《數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)》2017年22期

【摘要】：根據(jù)實(shí)測(cè)數(shù)據(jù)估計(jì)Logistic模型參數(shù)時(shí),對(duì)已有的數(shù)據(jù)不滿足直接利用三點(diǎn)法、四點(diǎn)法應(yīng)用條件的問題,提出一類改進(jìn)的三點(diǎn)法、四點(diǎn)法,即迭代逼近算法.以底部耗氧型結(jié)冰湖的溶解氧濃度分布為例,建立冰蓋下溶解氧濃度垂直分布的Logistic模型,采用迭代逼近算法估計(jì)該模型的參數(shù)值.結(jié)果表明:改進(jìn)的三點(diǎn)法、四點(diǎn)法的判定系數(shù)都較高,均可用于Logistic模型的參數(shù)估計(jì),但改進(jìn)的四點(diǎn)法整體優(yōu)于改進(jìn)的三點(diǎn)法.算法進(jìn)一步完善了Logistic模型的參數(shù)估計(jì)方法.
[Abstract]:When estimating the parameters of Logistic model based on the measured data, an improved three-point method, a four-point method, and an iterative approximation algorithm are proposed for the existing data which do not satisfy the application conditions of the three-point method and four-point method. The Logistic model of the vertical distribution of dissolved oxygen concentration under the ice sheet is established by taking the distribution of dissolved oxygen concentration in the bottom oxygen-consuming glacial lake as an example. The parameters of the model are estimated by iterative approximation algorithm. The results show that the improved three-point method and the four-point method can be used to estimate the parameters of Logistic model, but the improved four-point method is better than the improved three-point method. The algorithm further improves the parameter estimation method of Logistic model.
【作者單位】： 渤海大學(xué)數(shù)理學(xué)院;大連理工大學(xué)海岸和近海工程家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(41376186,11371071)
【分類號(hào)】：O212.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金雪峰;對(duì)AR模型參數(shù)估計(jì)法的探討[J];麗水師范�？茖W(xué)校學(xué)報(bào);2000年05期

2 易東云;平穩(wěn)增廣混合回歸模型參數(shù)估計(jì)的一種新方法及其應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);1995年03期

3 李學(xué)全，，蔡海濤;指數(shù)模型參數(shù)估計(jì)及其在通訊預(yù)測(cè)中的應(yīng)用[J];經(jīng)濟(jì)數(shù)學(xué);1995年01期

4 劉鋒,楊巧林;回歸模型參數(shù)估計(jì)的一種新方法[J];揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

5 吳惕華;;模型參數(shù)估計(jì)法與烘干過(guò)程辨識(shí)[J];河北化工學(xué)院學(xué)報(bào);1985年01期

6 何鵬;;兩指標(biāo)AR模型參數(shù)估計(jì)的一種新方法[J];紡織基礎(chǔ)科學(xué)學(xué)報(bào);1992年01期

7 楊柳春;;基于粒子群優(yōu)化算法的AR模型參數(shù)估計(jì)[J];工業(yè)儀表與自動(dòng)化裝置;2013年05期

8 章元明;非線性模型參數(shù)估計(jì)的一種新方法[J];生物數(shù)學(xué)學(xué)報(bào);1994年04期

9 梁淑云;測(cè)量誤差模型參數(shù)估計(jì)的性質(zhì)及其應(yīng)用[J];西南農(nóng)業(yè)大學(xué)學(xué)報(bào);1996年03期

10 時(shí)正華,袁永生;Errors-in-variables模型的參數(shù)估計(jì)[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

相關(guān)會(huì)議論文 前1條

1 楊衛(wèi)鋒;曾芳玲;;區(qū)間分析在非線性系統(tǒng)模型參數(shù)估計(jì)中的應(yīng)用[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

相關(guān)重要報(bào)紙文章 前1條

1 于洋;統(tǒng)計(jì)模型參數(shù)估計(jì)及其應(yīng)用成功[N];科技日?qǐng)?bào);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張寶龍;有限混合分布模型參數(shù)估計(jì)的EM算法及模擬[D];寧夏大學(xué);2015年

2 李冉;RSLN-2模型的參數(shù)估計(jì)以及隨機(jī)模擬[D];華東師范大學(xué);2013年

3 崔曉聰;結(jié)構(gòu)方程模型參數(shù)估計(jì)方法改進(jìn)研究[D];大連理工大學(xué);2013年

4 杜普燕;ARMA模型參數(shù)估計(jì)算法改進(jìn)及SARIMA模型的應(yīng)用[D];燕山大學(xué);2010年

5 沙川;Holt-Winters時(shí)間序列模型參數(shù)估計(jì)和預(yù)測(cè)[D];南京大學(xué);2011年

6 史鵬飛;基于改進(jìn)EM算法的混合模型參數(shù)估計(jì)及聚類分析[D];西北大學(xué);2009年

7 施露芳;帶污染數(shù)據(jù)的回歸模型參數(shù)估計(jì)[D];華中科技大學(xué);2006年

8 李真;廣義GAMMA混合模型參數(shù)估計(jì)研究及其在SAR圖像中的應(yīng)用[D];西南交通大學(xué);2012年

9 李好奇;度量誤差模型參數(shù)估計(jì)及其統(tǒng)計(jì)性質(zhì)[D];湖南大學(xué);2007年

10 錢峰;混合模型參數(shù)估計(jì)的研究[D];東南大學(xué);2005年

本文編號(hào)：1971176