使用跳跃扩散模型的咖啡价格期权定价（英文）

这篇文章旨在构建一个期权定价模型以减少与埃塞俄比亚咖啡价格波动相关的风险。我们使用从埃塞俄比亚商品交易所(ECX)获得的2011年5月31日至2018年3月30日期间记录的埃塞俄比亚每日(WSDA3)咖啡价格来分析其咖啡价格的波动。本文使用跳跃扩散模型对咖啡价格进行建模和期权定价,应用最大似然法估计模型参数,使用均方根误差(RMSE)来对模型进行验证。结果表明Merton和双指数跳跃扩散模型的RMSE值分别为0.1093和0.0783,模型模拟结果与实际数据非常吻合,说明采用蒙特卡罗技术得到的WSDA3价格来对期权定价时,双指数跳跃扩散模型比Merton模型更为有效。     

中国土壤温度的空间插值方法比较

利用中国698个气象站点1971~2000年的地面气候资料,采用三种不同方法预测中国0cm、20cm和40cm深度年均土壤温度的空间分布,其中普通克里格和泛克里格法直接以年均土壤温度数据为源数据、回归克里格法以中国年均气温数据和中国DEM数据为源数据进行预测。预测结果的准确性通过平均绝对误差(MAE)和均方根误差(RMSE)值来评价。结果表明回归克里格法预测的MAE值和RMSE值均为最小,说明其预测结果的准确性最好、预测的极端误差也最小;其次为泛克里格法;普通克里格法预测的效果最差。回归克里格法预测结果由于采用了中国DEM数据进行修正,在空间特征表达方面能够更好地表达复杂地形地区的局部变异,其平滑效应明显小于泛克里格法和普通克里格法的预测结果。     

基于卡尔曼滤波算法的焦炭价格预测（英文）

焦炭价格预测研究具有重要的理论和实践意义,本文利用卡尔曼滤波算法对焦炭价格进行预测研究。建立状态空间模型时,选取焦炭价格作为唯一的状态变量,通过每一时刻变量观测值与预测值形成的新息,不断更新和迭代,以寻求最优估测值。实证分析表明,该算法对焦炭价格的跟踪和预测效果较好。     

基于卡尔曼滤波算法的焦炭价格预测

焦炭价格预测研究具有重要的理论和实践意义,本文利用卡尔曼滤波算法对焦炭价格进行预测研究。建立状态空间模型时,选取焦炭价格作为唯一的状态变量,通过每一时刻变量观测值与预测值形成的新息,不断更新和迭代,以寻求最优估测值。实证分析表明,该算法对焦炭价格的跟踪和预测效果较好。     

GPM卫星降水数据的降尺度研究 ——以陕西省为例

以陕西省内2019年33个地面气象观测站点的测量数据为真实值,选取相关系数(CC)、均方根误差(RMSE)以及相对误差(BIAS)等多种统计分析指标对GPM(Global precipitation measure?ment)卫星降水数据进行精度验证,并引入地形因子作为空间参考要素,基于地理加权回归模型(GWR)对GP...     

松花江哈尔滨段悬浮物含量遥感反演与克里格插值预测精度对比

以松花江干流哈尔滨段水体中悬浮物为研究对象,2012年7月14~15日,设置了11个采样断面,共33个采样点,测量得到总悬浮物含量和江面高光谱反射率数据;选用时间上较为接近的TM影像,分别用遥感反演模型(PSO-LSSVM模型)和克里格空间插值方法,对总悬浮物含量进行预测,并对使用两种方法的结果进行比较。结果表明,使用两种方法的结果的预测精度较为接近,遥感反演模型预测值的平均绝对百分误差为11.21%,均方根误差为10.05 mg/L;克里格空间插值预测结果的平均绝对百分误差为11.32%,均方根误差为10.93 mg/L;遥感反演模型预测值能较好的反映出松花江干流哈尔滨段总悬浮物含量的总体分布特征和变异特征;克里格空间插值对空间自相关小范围内具有较好的预测能力,超出自相关范围不能预测。     

土壤氯化钠含量高光谱估算模型研究

基于光谱反射率快速、无损的检测优势,以于田地区不同氯化钠含量土壤光谱反射率作为信息源,探讨利用反射光谱估算土壤氯化钠含量的可行性。于2012年7月对于田地区进行野外调查,在测定土壤光谱反射率及氯化钠含量的基础上,对光谱反射率数据进行预处理并建立了逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型,并利用决定系数R2和均方根误差RMSE对模型稳定性和预测能力进行检验,进而比较不同预处理方法和不同模型估算结果的适用性。结果表明:反射率二阶微分光谱是预测土壤样本氯化钠含量的最佳光谱指标;偏最小二乘回归(PLSR)模型是建立土壤光谱与氯化钠含量关系的最优模型,R2和RMSE分别为0.812和0.105。利用反射光谱估算土壤氯化钠含量,通过各种光谱预处理方法提高估算精度,可实现在区域尺度上的土壤盐渍化监测和评价。     

黑土区土壤有机质和全氮含量遥感反演研究

以东北典型黑土区耕地为研究区,以Sentinel-2A（全球环境与安全监测计划的第二颗卫星,于2015年6月23日发射）影像作为数据源,构建光谱指数,分别采用多元逐步线性回归（Multiple Stepwise Linear Regression, MSLR）和随机森林（Random Forest, RF）算法建立土壤有机质（SOM）和土壤全氮（STN）预测模型,并采用十折交叉验证方法评估模型的性能。研究对比分析了不同气候、土壤类型和地形下土壤有机质和全氮的空间分布差异。研究表明：① 海伦示范区的SOM和STN含量最高,其年均温最低,高程最高,年降水量多,SOM含量升高,其年均温最低,年降水量多,STN含量升高;② 与基于多元逐步线性回归算法建立的SOM和STN预测模型相比,随机森林算法建立的SOM和STN预测模型,有着更高的精度和稳定性;③ 运用RF算法建立的SOM反演模型的R²为0.96,均方根误差为5.49 g/kg,STN反演模型的R²为0.95,均方根误差为0.27 g/kg; ④ 不同示范区统一建立SOM和STN预测模型,有助于提高预测精度,实现跨区域建模与制图。     

组合光学和微波遥感的耕地土壤含盐量反演

耕地保护关系到国家粮食安全和经济社会可持续发展,对生态环境保护具有重要作用,快速精准的获取耕地土壤盐分含量及空间分布信息是耕地保护的必然要求。以宁夏平罗县为研究区,利用Landsat 9 OLI和Sentinel-1遥感影像,提取光谱指数和雷达极化组合指数,基于变量投影重要性法与灰度关联法筛选特征变量,然后运用反向传播神经网络、支持向量机和随机森林3种机器学习算法构建模型,并用最佳模型反演耕地土壤含盐量空间分布情况。结果表明：(1)利用变量投影重要性法筛选变量建立的模型验证集决定系数(R²)大于灰度关联法筛选变量建立的模型。(2)利用随机森林算法,组合光谱指数和雷达极化组合指数协同反演模型效果最佳,建模集R²为0.791,均方根误差(RMSE)为1.016,R²较单一数据源模型分别提高0.065和0.085,RMSE分别降低0.147和0.189;验证集R²为0.780,RMSE为1.132,R²较单一数据源模型分别提高0.091和0.237,RMSE分别降低0.175和0.3...     

基于温度的天气衍生品指数定价:以埃塞俄比亚巴赫达尔为例（英文）

本文提出了一个基于温度的导数来计算温度指数的日平均温度随机模型,该模型提出了一个季节性均值及其波动率的计算方法,使用均值回归的Ornstein-Uhlenbeck过程来刻画日平均温度的变化。本文还采用连续的三阶自回归过程来模拟去除趋势和季节性影响后的温度演变过程,模型的模拟结果与从埃塞俄比亚国家气象厅获得的2005年1月1日至2015年12月31日11年间埃塞俄比亚Bahir Dar记录的数据非常吻合。验证后的近似公式很容易根据热日和冷日(heating degree days (HDD) and cooling degree days (CDD))等典型温度指数推导期货价格,也给出了数值例子来说明该方法的准确性。结果表明,本文提出的模型比其他模型能更好地预测CDD指数。     

莱州湾海岸带土壤光谱分析与有机质反演研究

利用土壤光谱反射率预测海岸带典型土壤有机质含量。对莱州湾海岸带典型地区97个土壤样本的光谱反射率特性进行分析,把光谱曲线划分为4个区域,提取每个区域的代表性特征参数,与土壤有机质含量进行相关性分析,最终选用458～587.1nm区间的挠度(相关系数达0.87)作为自变量进行模型回归,并利用均方根误差(RMSE)和预测残差(RPD)进行模型检验与评价。结果表明,以458～587.1nm区间的挠度作为自变量建立的对数函数预测模型具有较高的精度和稳定性,经验证计算出其RMSE为0.39,RPD为2.5,该模型应用效果较好。     

基于主成分分析土壤水分扩散率单一参数模型的BP神经网络模型

应用水平土柱法测定了杨凌地区典型粘壤土的水分扩散率,利用土壤水分扩散率的单对数模型和双对数模型对其进行了拟合,建立了土壤水分扩散率单一参数模型,基于主成分分析建立了单一参数模型中参数B的BP神经网络模型。结果表明：利用主成分分析可将研究区域土壤容重、有机质含量、粘粒含量、粗粉粒含量和砂粒含量综合成3个主成分;基于主成分分析建立的BP神经网络模型拟合的单一参数模型参数[B]的均方根误差RMSE为0.308 2;将拟合得到的参数B代入单一参数模型中对土壤水分扩散率进行预测,除去其中较大值的预测结果偏低外,其余土壤水分扩散率预测结果都比较接近实测值,预测结果的均方根误差RMSE为0.257 8,可利用基于主成分分析建立的BP神经网络模型预测单一参数模型中的参数B。     

基于深度学习的SuperDARN雷达极区电离层跨极盖电场模型构建

通过超级双子极光雷达网(SuperDARN)获得的跨极盖电势计算了极区电离层对流电场.利用2014年的极区电离层对流电场数据为基础,引入对流电场的历史数据,分别基于多元线性回归算法和后向传播神经网络算法构建电离层电场模型.利用独立的数据集,验证了两种模型的准确性和稳定性.结果表明,模型值与测量值的均方根误差在2.0～3...     

中高纬度山区气温空间化的方法比较研究——以大兴安岭北麓为例

为比较和探讨中高纬度山区多种气温空间插值方法的精度及适用性,本文利用大兴安岭山脉北段及其周边区域气象站点实测气温数据,以平均绝对误差(MAE)和均方根误差(RMSE)作为评价指标对六种气温空间插值方法进行精度比较.研究结果表明:(1)反距离权重插值法(IDW)、普通克里金插值法(OK)、样条函数插值法(Spline)三...     

基于偏最小二乘法的土壤汞含量高光谱反演

采集新疆准东煤田典型土壤样品44个,在实验室测定风干后的土样汞含量和光谱反射率,经预处理后分析两者的相关性,运用偏最小二乘法(PLSR)建立土壤汞含量高光谱估算模型,由均方根误差RMSE和决定系数R2检验模型的预测能力和稳定性,并比较不同预处理方法的适用性。结果表明:反射率一阶微分光谱是估算土壤汞含量较好的指标,估算R2为0.77、RMSE为0.032。通过各种光谱预处理方法可提高土壤汞含量的估算精度,为研究区生态环境的恢复和评价提供依据。     

克里雅河流域土壤盐分光谱定量分析

本文对克里雅河流域进行野外调查、采集土壤样品及其光谱反射特性的测量,通过比较不同光谱预处理的方法建立偏最小二乘回归(PLSR)模型,并利用决定系数(R2)、均方根误差(RMSEP)、残留预测偏差(RPD)对模型的稳定性和预测能力进行检验。结果表明:反射率一阶微分是预测土壤样本盐分含量的最佳光谱指标。PLSR模型在建立土壤光谱与盐分含量关系时较为适用,R2、RMSE和RPD分别为0.77、0.25和1.88。利用反射光谱估算土壤中盐分含量,通过各种光谱预处理方法可以提高估算精度,可以为该区土壤盐渍化评价和生态环境调查提供依据。     

喀斯特地区地表温度空间降尺度方法初探

喀斯特地区地形起伏大,常规的降尺度方法及所选择的因子对其不适用。该文根据喀斯特地区的特点,选取反射率、遥感指数及高程因子为尺度因子,通过随机森林模型建立MODIS第31、32波段辐射亮度数据和尺度因子之间的非线性关系,构建适合喀斯特地区的随机森林(Karst Random Forest,KRF)模型,成功将空间分辨率为1 km的热红外辐射亮度降至100 m,最后利用劈窗算法反演得到空间分辨率为100 m的地表温度。将KRF方法与仅考虑常规因子的多因子随机森林回归模型(MTVRF)和热锐化算法(TsHARP)对比,结果表明:1)在不同高差的喀斯特地区,KRF方法可较大程度提高地表温度降尺度精度,均方根误差(RMSE)在遵义市西北部和贵阳市以南地区分别为2.46 K和1.45 K,较MTVRF模型分别降低了0.1419 K和0.2928 K,较TsHARP算法分别降低了0.6204 K和0.6953 K,且在地形起伏度较低的喀斯特山区城市(贵阳市以南)表现更好;2)在喀斯特地区不同地类上,KRF方法效果也较好,其中植被区域最优,RMSE为1.41 K,破碎的裸土区域RMSE为1.84 K。研究显示,考虑特殊尺度因子的KRF方法可提高喀斯特地区地表温度的降尺度精度,为该地区以地表温度为基础的研究提供更精细可靠的地表温度产品。     

ARIMA-LSTM组合模型在基于SPI干旱预测中的应用——以青海省为例

开展干旱预测是有效应对干旱风险的前提基础。利用1958—2017年青海省38个气象站点逐日降水量数据计算多尺度标准化降水指数（SPI）,并建立了SPI序列自回归移动平均模型（ARIMA）、长短时记忆神经网络模型（LSTM）和基于二者优点提出的ARIMA-LSTM组合模型;对模型参数进行率定和验证后,利用所建立的模型,以西宁站点为例,对多尺度SPI值进行预测,借助均方根误差（RMSE）、平均绝对百分比误差（MAPE）和决定系数R²对所有预测模型的有效性进行判定。结果表明：ARIMA-LSTM组合模型在SPI1和SPI12的RMSE值分别为0.159 7和0.181 0,均低于ARIMA模型的1.265 4和0.293 3,说明ARIMA模型与ARIMA-LSTM组合模型对SPI的预测精度都与时间尺度有关,ARIMA模型的预测精度随着时间尺度的增加而逐渐提高;结合GIS并利用实测数据与模型的预测数据相比较说明ARIMA-LSTM组合模型相比于单一ARIMA模型的预测精度更高,且能够很好拟合不同时间尺度的SPI值。     

基于机器学习模型的区域土壤重金属空间预测精度比较研究

为识别区域土壤重金属的空间变异特征并厘清其影响因素,本研究构建了多元线性回归（MLR）、弹性网络回归（ENR）、随机森林（RF）、随机梯度提升（SGB）、堆叠（stacking）集成模型、反向传播神经网络（BP-ANN）、基于模型平均的神经网络集成（avNNet）、线性核支持向量机（SVM-L）和高斯核支持向量机（SVM-R）共九种机器学习模型,利用山东省中部土壤重金属（Cd、Cu、Hg、Pb和Zn）和环境辅助变量数据,开展区域土壤重金属空间预测精度比较研究。结果表明：RF对五种重金属空间预测的决定系数（R²）介于0.263~0.448之间,平均绝对误差（MAE）和均方根误差（RMSE）分别小于8.408和10.636,预测值/实际值（P/O）均接近于1,对五种重金属的预测效果均较为理想,是研究区土壤重金属空间预测的最优模型;SVM-R整体预测性能仅次于RF,各项精度评价指标均相对稳健,可作为备选模型;其余七种模型的预测性能均明显低于RF和SVM-R。RF的空间预测结果显示,研究区五种重金属呈现出相似的空间分布格局,含量均由研究区东北部向西南部递减,包括东北部、北部和南部3个高值区,且高值区与当地工业–交通密集区的分布格局一致,反映出人类活动是研究区土壤重金属空间分异的主要影响因素。本研究可为区域土壤污染调查、评价和管控提供科学参考。     

基于机器学习和多光谱遥感的银川平原土壤盐分预测

快速获取区域土壤盐渍化程度信息,对于盐渍化治理与生态环境保护具有重要意义。以银川平原为研究区,以盐分影响因子和盐分指数分别作为输入参数,建立支持向量机(SVM),BP神经网络(BPNN)和贝叶斯神经网络(BNN)3种土壤盐分预测模型,选取最佳模型进行研究区不同深度的土壤盐渍化预测。结果表明：(1)0～20 cm土壤盐分预测模型中基于影响因子变量组的BNN模型效果最佳,决定系数(R²)为0.618,均方根误差(RMSE)为2.986;20～40 cm土壤盐分预测模型中基于盐分指数变量组的BNN模型效果最佳,R²为0.651,RMSE为1.947;综合对比下,BNN模型的预测效果最好,可用于研究区土壤盐渍化预测。(2)银川平原主要是以非盐渍化和轻度盐渍化为主,0～20 cm土壤重度盐渍化及盐土共占总面积的11.59%,20～40 cm土壤重度盐渍化及盐土共占总面积的7.04%,20～40 cm土壤盐渍化程度较0～20 cm土壤盐渍化轻。