极端VaR风险测度的新方法:QRNN+POT 被引量：12

1

作者 许启发 陈士俊 +1 位作者 蒋翠侠 刘曦 《系统工程学报》 CSCD 北大核心 2016年第1期33-44,共12页

由于金融时间序列极端尾部数据的稀疏性,一方面非线性分位数回归存在非线性函数形式选择困难;另一方面非线性分位数回归的极端VaR风险测度精度一直不高.为此,提出了使用神经网络分位数回归(QRNN)模拟金融系统的非线性结构,并使用极值理... 由于金融时间序列极端尾部数据的稀疏性,一方面非线性分位数回归存在非线性函数形式选择困难;另一方面非线性分位数回归的极端VaR风险测度精度一直不高.为此,提出了使用神经网络分位数回归(QRNN)模拟金融系统的非线性结构,并使用极值理论的POT方法弥补非线性分位数回归对极端尾部数据信息处理能力的不足,得到了一个新的金融风险测度方法:QRNN+POT,给出了其基本算法,并将其应用于极端VaR风险测度.选取了世界范围内代表性国家股票市场为研究对象,从样本内与样本外两个方面实证比较了QRNN+POT方法与已有的非线性分位数回归模型在VaR风险测度中的表现,结果表明:第一,直接使用非线性分位数回归模型能够准确地得到正常VaR风险测度,而极端VaR风险测度效果却差强人意;第二,使用QRNN+POT方法,极大地改善了极端VaR风险测度效果,能够有效地描述金融危机期间出现的极端风险. 展开更多

关键词 极端VaR 非线性分位数回归 神经网络分位数回归 POT方法 qrnn+POT方法

在线阅读 下载PDF 职称材料

基于QRNN的黄河流域九省(区)碳达峰路径分析

2

作者 张小波 吴锦煌 《人民黄河》 北大核心 2025年第6期14-24,共11页

黄河流域九省(区)大都存在生态环境脆弱、经济欠发达、产业失衡等问题,碳达峰难度较大。为探索有效可行的碳达峰路径、给黄河流域碳排放相关政策的制定提供参考,基于黄河流域九省(区)经济社会发展“十四五”规划及2035年远景目标,设置... 黄河流域九省(区)大都存在生态环境脆弱、经济欠发达、产业失衡等问题,碳达峰难度较大。为探索有效可行的碳达峰路径、给黄河流域碳排放相关政策的制定提供参考,基于黄河流域九省(区)经济社会发展“十四五”规划及2035年远景目标,设置以绿色发展为核心注重经济增长与生态环境协调的低碳发展模式、延续当前经济发展趋势的基准发展模式、以经济高速增长为主要目标不设置节能减排指标的高增长发展模式,依据各省(区)2000—2021年人均GDP、能源强度、城镇化水平、人口规模、产业结构的面板数据,采用分位数回归神经网络(QRNN)模型进行实证分析,并采用高斯核函数进行核密度估计与2022—2035年碳排放量概率预测,结果表明:1)河南、内蒙古、青海三省(区)在3种发展模式下均能提前实现碳达峰(碳达峰时间分别为2011年、2020年、2013年),其他六省(区)难以按时实现碳达峰(其中山西有望在2035年实现碳达峰);2)青海、山东两省适合基准发展模式,内蒙古、山西、四川、陕西四省(区)适合低碳发展模式,河南、甘肃、宁夏三省(区)适合高增长发展模式。建议制定差异化发展政策、构建区域碳交易市场和黄河流域污染治理联动机制,推动黄河流域整体降碳减排。 展开更多

关键词 碳达峰 发展模式 分位数回归神经网络 核密度估计 概率预测 黄河流域

在线阅读 下载PDF 职称材料

基于QRNN+GARCH族MA方法的多期VaR和CVaR度量研究 被引量：6

3

作者 王星惠 耿文静 许启发 《数理统计与管理》 CSSCI 北大核心 2023年第4期714-734,共21页

收益序列通常具有聚集性、非对称性和非线性等复杂的典型特征,综合考虑这些特征对收益序列进行建模非常重要。本文基于GARCH族模型平均(MA)方法,引入非线性分位数回归模型对收益序列进行刻画,构建了固定形式的非线性分位数回归(QR+GARCH... 收益序列通常具有聚集性、非对称性和非线性等复杂的典型特征,综合考虑这些特征对收益序列进行建模非常重要。本文基于GARCH族模型平均(MA)方法,引入非线性分位数回归模型对收益序列进行刻画,构建了固定形式的非线性分位数回归(QR+GARCH族MA)方法和非固定形式的非线性分位数回归(QRNN+GARCH族MA)方法测度多期VaR和CVaR风险。构建的新方法不仅能够捕获收益序列的复杂特征、减少信息损失,也无需对多期收益序列分布特征做具体假定,直接对多期收益进行建模就能一次实现不同持有期的风险测度,有效地提高了多期风险测度精度和效率。本文选取8个中国试点城市的碳排放交易价格作为研究对象,使用似然比检验与平均相对误差来评估新方法在多期VaR风险测度的效果;并且构建平均分位误差指标来评估新方法多期CVaR风险度量效果。实证结果表明:在多期VaR和CVaR风险测度中,QRNN+GARCH族MA方法表现出更高的准确性和稳健性。 展开更多

关键词 CVAR 模型平均 qrnn+GARCH族MA方法

原文传递

弹性配电网冷负荷启动时变QRNN控制技术

4

作者 白希日木 李智龙 《电子设计工程》 2025年第21期69-73,共5页

分布式冷负荷在集中启动阶段会产生瞬时功率跃升与多时标时变特性,针对弹性配电网因之面临的动态响应滞后及失稳问题,以降低冷负荷平均绝对误差、提升过冲抑制率为目标,提出弹性配电网冷负荷启动时变QRNN控制技术。从充放电状态、负荷... 分布式冷负荷在集中启动阶段会产生瞬时功率跃升与多时标时变特性,针对弹性配电网因之面临的动态响应滞后及失稳问题,以降低冷负荷平均绝对误差、提升过冲抑制率为目标,提出弹性配电网冷负荷启动时变QRNN控制技术。从充放电状态、负荷状态连续性等方面设定冷负荷控制任务执行的约束条件。利用QRNN算法的量子数据编码、量子卷积池化等运算,提取冷负荷启动时变综合特征,计算冷负荷初始值与控制目标之间的偏差作为控制量,通过启动时变控制指令的生成、执行与调整,实现冷负荷启动时变QRNN控制。实验结果表明,经过冷负荷控制,在5.8s后,出力功率逐步稳定在5kW;在冷负荷逐步上升时,拟合优度也逐渐上升,无限接近于1;时变控制平均绝对误差得到明显降低,过冲抑制率控制在7%以下,保障了配电网在冷负荷启动阶段的弹性恢复能力与运行稳定性。 展开更多

关键词 弹性配电网 冷负荷 启动时变 量子递归神经网络 电网负荷控制

在线阅读 下载PDF 职称材料

基于QRNN模型的生命年损失概率密度预测 被引量：1

5

作者 武佳佳 王威 +1 位作者 朱强强 马东辉 《中国安全科学学报》 CAS CSCD 北大核心 2019年第5期37-43,共7页

为全面评估预测震害损失,提出一种概率密度预测方法。首先,通过改进的生命年损失计算法,获取生命年损失值;其次,采用基于Akaike信息量准则(AIC)的逐步回归分析法,辨识生命年损失的强关联因素,在此基础上构建神经网络分位数回归(QRNN)模... 为全面评估预测震害损失,提出一种概率密度预测方法。首先,通过改进的生命年损失计算法,获取生命年损失值;其次,采用基于Akaike信息量准则(AIC)的逐步回归分析法,辨识生命年损失的强关联因素,在此基础上构建神经网络分位数回归(QRNN)模型;然后,得到生命年损失预测值与强相关因素的非线性关系,输出不同分位点下生命年损失预测值,运用高斯核函数预测生命年损失概率密度;最后,选取我国1996-2014年的189条地震灾害损失数据作为训练样本,预测2015年10例地震的生命年损失,并与B样条分位数回归(QRBS)模型及3种线性模型作对比。研究表明:基于QRNN模型的震害损失评估概率密度预测,降低了数据依赖性,提高了评估效率;预测值平均绝对误差不超过7. 5%,便于震害评估。 展开更多

关键词 生命年损失 逐步回归 神经网络分位数回归(qrnn) 关联因素辨识 概率密度函数

原文传递

基于注意力QRNN的离散车间生产瓶颈预测 被引量：2

6

作者 汪伟丽 郭宇 +2 位作者 刘道元 高瀚鹏 杨志伟 《组合机床与自动化加工技术》 北大核心 2022年第9期151-154,159,共5页

针对离散制造车间的瓶颈漂移现象导致的生产瓶颈预测困难问题,提出了基于注意力机制的准循环神经网络(quasi-recurrent neural networks,QRNN)瓶颈预测方法。首先,根据制造系统的生产特性量化制造单元的瓶颈程度;其次,以反映车间运行状... 针对离散制造车间的瓶颈漂移现象导致的生产瓶颈预测困难问题,提出了基于注意力机制的准循环神经网络(quasi-recurrent neural networks,QRNN)瓶颈预测方法。首先,根据制造系统的生产特性量化制造单元的瓶颈程度;其次,以反映车间运行状态的时序数据为输入,通过QRNN网络的卷积结构并行提取信息特征,减少计算时间;训练融合注意力机制的预测模型,充分挥发各时刻状态信息的作用,精准的预测制造车间生产瓶颈位置;最后,以某航天机加车间为例,将所提方法与LSTM、QRNN预测方法进行对比分析,证实了所提预测方法的有效性。 展开更多

关键词 离散制造车间 瓶颈漂移 注意力机制 qrnn

在线阅读 下载PDF 职称材料

基于QRNN的网络协议模糊测试用例过滤方法 被引量：3

7

作者 胡志濠 潘祖烈 《计算机科学》 CSCD 北大核心 2022年第5期318-324,共7页

目前,网络协议模糊测试的目标趋向于大型协议实体,而传统的测试用例过滤方法主要是基于测试对象的运行状态信息,测试对象越庞大,其执行单个测试用例的时间也越长。因此,针对传统的网络协议模糊测试用例过滤方法存在无效执行时间长、效... 目前,网络协议模糊测试的目标趋向于大型协议实体,而传统的测试用例过滤方法主要是基于测试对象的运行状态信息,测试对象越庞大,其执行单个测试用例的时间也越长。因此,针对传统的网络协议模糊测试用例过滤方法存在无效执行时间长、效率低下的问题,依据循环神经网络模型对序列数据较强的处理和预测能力,提出一种基于QRNN的网络协议模糊测试用例过滤方法。通过学习网络协议的结构特征,包括字段取值范围和字段间约束关系,该方法可以自动过滤无效测试用例,减少协议实体测试用例的执行次数。实验结果表明,与传统的网络协议模糊测试用例过滤方法相比,所提方法可以有效降低网络协议漏洞挖掘的时间成本,显著提高网络协议模糊测试的效率。 展开更多

关键词 测试用例过滤 qrnn 网络协议 模糊测试 深度学习

在线阅读 下载PDF 职称材料

基于QRNN-CTC的中文语音识别声学模型 被引量：6

8

作者 王先欢 孙自强 《计算机应用与软件》 北大核心 2023年第12期184-188,262,共6页

针对卷积神经网络(CNN)在语音识别中处理时序能力不足和循环神经网络(RNN)在语音识别中模型复杂度较高、训练慢的问题,提出一种新的基于准循环神经网络和连接时序主义(QRNN-CTC)的声学模型。该模型既降低了参数量,又保证了一定的时序间... 针对卷积神经网络(CNN)在语音识别中处理时序能力不足和循环神经网络(RNN)在语音识别中模型复杂度较高、训练慢的问题,提出一种新的基于准循环神经网络和连接时序主义(QRNN-CTC)的声学模型。该模型既降低了参数量,又保证了一定的时序间循环能力,利用CTC来实现输入序列和标签自动对齐,在训练时引入dropout防止过拟合。在Thchs-30数据集上的实验结果表明,QRNN-CTC比CNN-CTC相对错误率降低9.8%,最终词错误率为23.8%,训练时间为LSTM-CTC的一半。 展开更多

关键词 深度学习 语音识别 声学模型 准循环神经网络 连接时序分类

在线阅读 下载PDF 职称材料

结构地震需求QRNN重要性分析

9

作者 王秀振 钱永久 +1 位作者 邵长江 宋帅 《应用基础与工程科学学报》 EI CSCD 北大核心 2020年第4期953-965,共13页

为研究型钢混凝土框架结构地震需求在其分布范围内变化时,随机参数对其影响情况,将神经网络分位数回归应用于重要性分析中.考虑了8个随机参数的影响,并根据它们各自的概率密度函数进行抽样,利用有限元软件OpenSEES在多条地震动记录作用... 为研究型钢混凝土框架结构地震需求在其分布范围内变化时,随机参数对其影响情况,将神经网络分位数回归应用于重要性分析中.考虑了8个随机参数的影响,并根据它们各自的概率密度函数进行抽样,利用有限元软件OpenSEES在多条地震动记录作用下进行动力非线性时程分析,得到了4种地震需求,然后分析得到神经网络分位数回归重要性测度指标,并将结果与Monte-Carlo数值模拟法进行了对比.结果表明:在不同条件分位数下,各个输入随机参数对应的重要性测度指标呈现不同的变化趋势;神经网络分位数回归方法在样本数远远少于Monte-Carlo数值模拟法的情况下,得到的输入随机参数的重要性测度指标基本一致,因此,神经网络分位数回归重要性分析方法是高效准确的,对大型复杂结构来说可以提高计算效率. 展开更多

关键词 地震需求 神经网络分位数回归 MONTE-CARLO法 机器学习 结构可靠度 重要性分析

原文传递

基于神经网络分位数的分布式光伏发电功率异常识别方法

10

作者 王晓倩 周羽生 +3 位作者 毛源军 李彬 周文晴 苏盛 《上海交通大学学报》 北大核心 2025年第6期836-844,共9页

分布式光伏发电系统点多面广,缺乏科学规范的运维管理体系,同时可用数据匮乏,难以准确识别由气象波动干扰导致的光伏设备异常.针对分布式光伏的运维现状和数据特征,提出一种基于神经网络分位数回归(QRNN)的光伏发电功率异常检测方法.首... 分布式光伏发电系统点多面广,缺乏科学规范的运维管理体系,同时可用数据匮乏,难以准确识别由气象波动干扰导致的光伏设备异常.针对分布式光伏的运维现状和数据特征,提出一种基于神经网络分位数回归(QRNN)的光伏发电功率异常检测方法.首先分析晴天的太阳辐照度特性,利用晴朗日筛选方法排除阴雨天气的干扰影响;然后对不同电站的出力相关性进行分析,以获取出力相关性高的光伏电站作为横向参考;再将待测电站在不同晴朗日的出力曲线进行纵向对比,排除天气与环境条件等干扰因素.将排除干扰的计量出力有功功率数据输入QRNN模型,得到光伏正常有功功率出力区间,以正常出力区间的功率阈值识别光伏发电功率的异常.对某实际光伏系统数据进行仿真分析,结果表明:该方法能排除气象因素的干扰,准确识别出存在故障的光伏系统,推动分布式光伏的精细化运维. 展开更多

关键词 分布式光伏发电 功率异常检测 晴朗日筛选 神经网络分位数 出力相关性

在线阅读 下载PDF 职称材料

基于神经网络分位数回归的VaR金融风险测度 被引量：11

11

作者 许启发 徐金菊 +1 位作者 蒋翠侠 刘晓华 《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心 2014年第12期1518-1522,共5页

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度... 基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。 展开更多

关键词 金融风险 风险价值(VaR) 分位数回归 神经网络分位数回归

在线阅读 下载PDF 职称材料

基于准循环神经网络的语音增强方法 被引量：1

12

作者 娄迎曦 袁文浩 彭荣群 《计算机工程》 CAS CSCD 北大核心 2020年第4期316-320,共5页

在基于深度学习的语音增强模型中,长短时记忆网络能较好地解决序列语音增强问题,但该模型在处理大规模含噪语音数据时存在训练速度缓慢的问题.为此,提出一种基于准循环神经网络的语音增强方法.利用门函数和记忆单元确保含噪语音序列上... 在基于深度学习的语音增强模型中,长短时记忆网络能较好地解决序列语音增强问题,但该模型在处理大规模含噪语音数据时存在训练速度缓慢的问题.为此,提出一种基于准循环神经网络的语音增强方法.利用门函数和记忆单元确保含噪语音序列上下文的相关性,门函数的计算不再依赖上一时刻的输出,且该模型在含噪语音序列的输入和门函数的计算中都引入矩阵的卷积运算,使模型可以同时处理多个时刻的语音序列信息,从而增强模型并行计算的能力.实验结果表明,与长短时记忆网络相比,该方法能在保证语音增强性能的前提下,有效提高网络模型的训练速度. 展开更多

关键词 语音增强 准循环神经网络 长短时记忆网络 神经网络 卷积运算

在线阅读 下载PDF 职称材料