前言:一篇好文章的诞生,需要你不断地搜集资料、整理思路,本站小编为你收集了丰富的古诗的分类主题范文,仅供参考,欢迎阅读并收藏。
关键词: 量价分析;股票分类;模式识别
中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2013)30-6874-03
如何准确地对股票进行分类识别一直是一个热门的证券研究话题。在国外,常用的方法如:人工神经网络(ANN)、支持向量机等常常出现在股票识别、走势预测的论文中。在国内,有不少学者使用时间序列、人工神经网络、模糊时间序列等方法研究股市,并取得了一些成果。
上述方法各有所长, 却各有不足之处。它们在股票分类识别应用中的最大不足便是重用性差[1],例如神经网络模型需要做预先训练来最优化参数,因此训练的结果往往不适用于其它数据。比如我们训练一个神经网络来识别银行板块的股票,训练好的神经网络模型却不能用来识别煤炭板块的股票。
结合上述模型的优点,通过股票技术分析与模糊逻辑的理论方法建立一个基于量价特征分析的股票分类识别模型。模型的优点是:(1)模型重用性高,可将某一板块训练得到的模型应用于其他不同板块;(2)利用均线系统与模糊逻辑方法降低了数据噪声影响;(3)模型分类结果直观易理解,通过对识别后的同类股票盯梢,可以在某只股票率先上涨后立刻购入与其同类的未涨股票,以此获利。
1 模型介绍
量价分析是分析价格、交易量两者之间关系的技术分析方法。模型立足于股票量价分析,目标在价格和成交量的时间序列中找到一定的规律,并根据这些规律找到相同规律的股票。模型通过分析股票的价格距离、走势特征、成交量特征来完成对同类股票的识别。
1.1 价格距离
价格距离是指两个股票间价格的欧式距离。但由于不同股票的发行价格不同、且存在除权的影响,所以不能直接拿两个股票进行价格距离计算,而应取经归一化处理后的复权价格数据来建模计算。同时为了降低数据噪声影响,模型采用收盘价的3日移动平均值(下文简称:MA3值)代替日收盘价。在数据长度上,选择200天的交易数据,因为200天接近一年的总交易日,已经足够反应两只股票间的走势是否相近,并可据此判断他们是否属于同一类股票。
在计算价格距离前,还需要考虑日期对齐问题。在股票市场,上市公司遇到重大事项,常常会向交易所申请停牌。由于可能存在交易停牌,所以在计算价格欧式距离前必须先对齐价格数据的日期。交易日期对齐后,若某日缺少价格数据,则当日价格距离等于最后总距离的平均值。当对齐后缺少价格数据的天数超过一定数值(一般取24天),则失去价格距离计算的意义。如果仍要进行股票间的价格距离计算,只能另选满足长度要求的数据。
两个股票间价格距离的详细计算流程如下:1.取两只股票最近200日的交易数据,2.将交易数据的日期对齐;3.判断对齐后的数据是否满足模型计算要求;4.计算股票收盘价的MA3值;5.将MA3值归一化;6.计算股票间的价格距离。
1.2走势特征距离
单纯依靠计算两股票间的价格距离并不能知道两股的走势是否相近,如图1中两个股票的价格欧式距离接近,但走势不同。所以要判断两个股票是否属于同一类型,除了计算股票间价格距离外,还必须计算两个股票的走势特征距离。
股票走势分上涨、下跌、平缓三种,如何定义这三种走势是计算走势特征距离的关键。经过实验统计,模型将股票的三种走势分别定义如下:(1)上涨走势:MA3值累计上涨超过3%为上涨走势;(2)下跌走势:MA3值累计下跌超过3%为下跌走势;(3)平缓走势:非上涨、下跌的走势统称平缓走势(技术分析又称之为横盘走势)。
据此定义的走势分布如图2下的走势统计图所示,在统计时间(2013年1月30日——2013年7月8日)内的所有股票走势中,44.7%为平缓走势,而下跌、上涨走势分别为28.7%和26.6%。从图2上的单日MA3涨跌统计图可以看到,单日便形成上涨、下跌走势的交易日不足10%,也就是说走势的确立主要依靠数日的走势累积来完成,这也符合股票实际运行规律。
在计算走势特征距离时,还需考虑如何降低噪声影响,例如由于某日暴涨形成上涨走势后在次日回落形成平缓走势甚至下跌走势,这种单日暴涨形成的上涨走势便是噪声。为了降低噪声影响,模型将三种走势分别细分成:走势初成、走势延续、走势结束三种,最后将所有9种分类通过模糊逻辑的方法将其模糊化以降低走势特征的噪声影响。在模糊化时,根据统计结果,让这9种走势类型相互覆盖,以减少波动噪声对整体走势计算的影响。
1.3成交量异动特征
相同板块的股票常常具有相近的成交量变化规律,例如2010年10月8日煤炭板块的股票集体放量大涨,2013年3月28日银行板块的股票集体放量大跌。成交量变化和价格变化一样,是市场最基本的表现,也是分析股票行情的重要指标。在研究成交量特征时,由于成交量的影响因素太多,如股票股本结构、机构大户对敲、股票除权等,这导致同类股票的中长期成交量变化不规律,故模型采用股票技术分析中的短时成交量异动特征来分析股票间成交量变化规律是否一致,并以此作为股票类别判断的其中一个依据。
模型使用的成交量异动特征分别是:倍量、地量、三天持续放量、三天持续缩量。这四种异动特征的定义分别如下:倍量,即当前交易日的成交量比上一交易日的成交量大两倍以上。地量,即当前交易日的成交量比上一交易日的成交量小两倍以上。三天持续放量,即当前交易日的成交量比上一交易日的成交量大1.5倍以上,同时上一交易日的成交量比上上一交易日的成交量大1.5倍以上。三天持续缩量,即当前交易日的成交量比上一交易日的成交量小1.5倍以上,同时上一交易日的成交量比上上一交易日的成交量小1.5倍以上。
确定好四种成交量异动特征后,会发现这四个异动存在同时满足的情况。例如某一交易日,可以同时满足倍量和三天持续放量;或者同时满足地量和三天持续缩量;为了更好地计算成交量异动特征距离,使用模糊逻辑方法将异动特征模糊化,再进行特征距离计算。
2 模型分类识别结果
建好模型后,开始对模型进行测试,测试模型的数据为截止2013年7月8日前的证券日交易数据。在进行分类识别前需对模型进行训练,让其“学会”什么样的股票是同一类型的股票。训练模型使用的股票样本选择银行板块中9个走势基本相同的银行股:000001、002142、600000、600015、600016、601009、601166、6001169、601818。这九只股票走势相近,且作为2012年末股市行情启动的标志板块,其具有鲜明的板块联动特征。
通过上述9只股票完成模型训练后,我们输入了:600008、000713、000858来测试模型分类识别结果,模型输出结果见表1。
有趣的事情发生在完成分类识别后的13年7月24日14:15,此刻600008放量上涨5.47%,而同一时刻600874仅上涨了2.87%,上涨步伐落后于600008,此时买入600874次日卖出便能获利7%。
3 小结
文章介绍的基于量价特征分析的股票分类识别模型是基于历史统计信息的,适用性广的和直观的股票技术分析模型。该模型通过计算股票间价格距离特征、走势距离特征、成交量距离特征来对股票进行分类,分类结果能够指导投资者进行准确的投资决策。
参考文献:
[1] 徐信喆.基于模式识别和分类的股市时间系列的分析和预测[D].上海:上海交通大学,2008:19-27.
[2] 刘明政,梁斌.股市技术分析模型的自动辨识研究[J].鲁东大学学报:自然科学报,2010,26(2):122-126.
Abstract: This paper, based on the case of lightning risk assessment for a comprehensive building in Nanchang city, analyzes and describes the methods for data acquisition, parameter selection, risk calculations, risk analysis and other process, as well as how to do scientific guidance to the lightning protection design of construction projects through the lightning risk assessment.
关键词: 雷击风险评估;风险分析;防雷设计
Key words: lightning risk evaluation;risk analysis;lightning design
中图分类号:X820.4 文献标识码:A 文章编号:1006-4311(2013)27-0314-02
0 引言
为准确把握项目附近地域雷电活动规律,科学的指导防雷设计、施工,以减少或避免建筑物遭受雷击而引起雷电灾害,有必要进行雷击风险评估。本文以对南昌市某综合大楼为例,力图通过雷击风险评估,寻找存在的主要雷击风险,指导建设项目设计和施工。
1 根据项目基本概况确定需要评估的风险
本项目处南昌市×,临近为艾溪湖边,总建筑23643.41平米,地下一层,地上九层,为集商业、办公为一体的综合大楼,人员密集,主要考虑人员伤亡损失风险。可能会出现雷击引起接触和跨步电压造成伤亡即存在RA、RU风险分量,可能会出现雷击引发火灾等造成物理损害,即存在RB、RV风险分量;电梯系统可能会因LEMP造成电设备损坏,从而影响人员安全,即存在RC、RM、RW、RZ风险分量。
2 资料采集
2.1 现场资料采集 现场资料采集主要内容为地理位置、土壤性质、土壤电阻率、项目周边环境。地理位置:通过GPS定位仪采集项目的经纬度,用于项目周边雷电活动分析,本项目的中心位置为115.9692°,28.7137°。土壤性质及电阻率采集:本项目土壤电阻率测量平均值为30.575Ω.m,粘土,土壤干燥,修正后的土壤电阻率为42.805Ω.m。周边环境:项目位于郊区附近建筑物及人员较少,距离200m为25层的综合产业大楼。
2.2 图纸采集 完整的图纸资料包括:总平面、建筑图纸、电气图纸、消防图纸、初设说明等。通过对查看建筑、电气、消防平面图,并结合设计说明,记录建筑物各功能区的名称、地表特征、火灾危险、惊慌程度、服务设施,并归类分区。本项目可划分为设备用房、停车场所(Z1),办公场所(Z2),会议场所(Z3),餐饮、超市(Z4),档案室(Z5),弱电机房(Z6),电梯系统(Z7)等七个分区。通过查看配电系统图、总平面图、弱电系统图等电气图纸,记录强弱电线路的特性。
3 参数选取
ru、rp、rf、hz等参数分别根据各区的地表类型、采取的消防措施、火灾危险、恐慌程度选取对应的值。根据建筑物的外部屏蔽、各区的内部屏蔽措施,选取KS1、KS2值。根据各服务设施的内部布线特点,选取KS3、KS4值,本项目电梯系统配电线路穿金属管道敷设,屏蔽较好,KS3 取0.0001,有线电视采用同轴电缆,取0.001,其他分区按规定强弱电分开布线,强弱电线路的KS3取0.2。根据室外线路布线方式结合各区线路耐冲击电压,选取各服务设施的PLD、PLI值。配电线路沿金属管道埋地引入,并共用接地,屏蔽效果较好,Z1、Z4、Z5区无弱电设备,配电线路PLD和PLI分别选取0.2,0.008,其他分区配电线路PLD分别选取0.4和0.02。弱电线路均沿金属管道埋地引入,并共用接地,屏蔽效果较好,根据其连接的设备耐冲击电压特征,电话线路、消防弱电线路的PLD和PLI分别选取0.4和0.02;有线电视线路PLD和PLI分别为0.2和0.008;网络线路采用光纤引入,雷电流不能通过,故PLD和PLI取0。
根据室外服务设施所处的位置环境、与相邻节点的距离、a端建筑物特征、有无变压器,分别选取Ce、LC值、Hb、Ct等参数。根据强弱电线路SPD的安装情况,选取PSPD的值,本项目设计的配电SPD均没有进行备案,弱电SPD均没有详细的参数说明,因此PSPD为1。
4 风险计算
4.1 雷击大地密度 提取项目附近闪电定位系统监测数据,计算雷击大地密度,本项目附近的Ng=5.1次/a。
4.2 年平均危险次数计算 根据数据采集的内容,计算年平均危险次数,本项目:ND=0.123,NM=1.272,NDa(配电)=0.152,NDa(有线电视)=0.761,NDa(电话)=0,NDa(网络)=0.761,NDa(消防弱电)=0.122,NL(配电)=NL(有线电视)=NL(网络)=NL(消防弱电)=0,NL(电话)=7.278×10-3。
4.3 建筑物损害概率计算 根据建筑物防接触和跨步电压措施,选取PA值,本项目利用建筑物柱内钢筋做引下线,利用建筑物基础做接地装置,因此PA可以忽略,取0。
根据建筑物外部防雷措施,选取PB值,本项目物按第二类防雷建筑物设计,PB为0.05。PC值取决与PSPD,本项目电梯系统PC=1。PM值取决与PMS及PSPD之间最小值, PMS根据屏蔽和合理布线决定,本项目电梯系统PMS=0.0001,PSPD=1,PM=0.0001。PU、PV、PW取决于PSPD和PLD之间最小值,本项目Z1、Z4、Z5的配电线路的PU、PV、PW为0.2,其他分区配电线路的PU、PV、PW为0.4;有线电视线路的PU、PV、PW为0.2,电话线路的PU、PV、PW为0.4;网络线路的PU、PV、PW为0,消防弱电线路的PU、PV、PW为0.4。PZ取决于PSPD和PLI之间的最小值,本项目电梯系统的PZ=0.02。
4.4 建筑物损失率计算 由于我国还没有相关标准,指定不同场所的损失率值,当建筑物分多个分区计算风险,每个分区均用典型时,会造成分区越多,最终风险的计算值越大,不符合实际情况。因此,为解决此类问题,建议结合各分区潜在危险人数,对典型平均值做适当减少。
本项目物各分区的损失率计算值为:室外:LA=1×10-5;Z1:LU=4.67×10-8,LB=LV=1.87×10-9;Z2:LU=7.40×10-8,LB=LV=3.70×10-4;Z3:LU=1.26×10-8,LB=LV=1.26×10-6;Z4:LU=5.44×10-9,LB=LV=2.72×10-5;Z5:LU=2.19×10-9,LB=LV=1.10×10-4;Z6:LU=1.46×10-12,LB=LV=2.92×10-7;Z7:LU=4.67×10-8,LB=LV=0;LC=LM=LW=LZ=9.49×10-9。
4.5 建筑物风险 根据公式RX=NX×PX×LX计算各风险分量值,并相加,得建筑物人身伤亡损失风险。本项目R1=9.337×10-5,人身伤亡损失风险偏大。
5 风险分析
分析各风险分量所占比例,确定项目存在的最主要的雷击损失风险分量。本项目物的风险分析见表1。因此,影响人身伤亡损失风险偏大的主要分量为RB、RM、RV,即由雷击建筑物和雷击服务设施引发火灾以及雷击建筑物附近由LEMP引发电梯系统故障造成的人身伤亡损失风险。
6 根据风险分析结果,科学指导防雷设计
根据风险分析的结果,针对性提出降低风险建议,指导防雷设计,具有较强的科学性。由于本项目采取的外部防雷措施符合国家的相关标准,可通过加强防雷、消防知识普及和宣传等方法,降低由雷击建筑物引发火灾造成的损失风险。可通过科学合理选择和安装SPD,有效保护办公、会议场所、机房等场所的设备,降低由雷击服务设施引发火灾造成的损失风险。可通过屏蔽、合理布线、科学合理选择和安装SPD,有效保护电梯系统设备,降低雷击建筑物附近由LEMP引发电梯系统故障造成的人身伤亡风险。
整改后的参数变化及风险值:rf减少为0.001;PC为0.04,PM减少为0.02;配电线路、电话线路的PV减少为0.02,有线电视线路的PV减少为0.02;整改后,R1=1.025×10-6
7 结语
利用雷击风险评估可以对建筑项目防雷工程的质量作出量化判断,从而更加理性、有针对性采取经济、实用、有效地防雷措施以达到保护目的。
参考文献:
[1]钱强寒,陈勇斌,杨磊强.雷击风险评估实践中各风险分量的鉴别[J].浙江气象,2007(03).
关键词:蒙古文字;分类器
中图分类号:G305 文献标识码:B 文章编号:1674-9324(2012)07-0138-02
一、引言
蒙古文字识别属于模式识别领域,在我国模式识别学科还在不断地发展,人工神经网络和各种新的最优化技术在模式识别中的广泛应用,以及作为统计模式识别基础的文字识别技术的新进展和民族地区的发展需要,都使我们迫切感觉到研究的主体民族语言——蒙古文字的识别是多么的重要。蒙古文字识别过程主要分为获得手写体文字特征、书写特征选择和提取、整体分类识别或切分分类识别等关键步骤,其中无论是整词识别还是切分识别,都必须用到分类器,本文重点探讨了其中的一个重要环节分类器的设计。
二、研究内容
为了完成手写体蒙古文字识别的任务并且得到较高的识别率,必须建立一个结构完整、层次清晰、适于搜索的分类器。因此,联机手写体蒙古文字识别技术中的分类器的设计是整个识别系统的核心,是整个开发过程中的最后阶段。为了避免手写体蒙古文字切分后提取到的特征混乱的局面,我们采用两级分类器,对切分后的基元进行分类识别,其识别正确率达到80%以上。主要采用的方法有判别函数法、贝叶斯(Bayes)决策方法以及HMM模型与最近邻方法等,这样可以充分利用蒙古文字的联机和脱机特征建立多分类器,提高识别率。第一层分类器的设计:统计决策(Statistical decision)可以从广义和狭义两方面来理解。凡是使用统计方法而进行的决策,称为广义的统计决策;狭义的统计决策特指风险型决策方法。所谓风险型决策,是指通过人们大量实践和观察后发现,对可能发生的结果(情况)有统计规律可循,并可根据这些规律获得事件出现的概率分布,而决策者在一次抉择过程中,尽管掌握了这种统计规律,但也不可避免地承担一定风险的决策。贝叶斯(Bayes)决策理论方法是统计模式识别中的一个基本方法。常用的贝叶斯决策方法有基于最小错误率的贝叶斯决策和基于最小风险的贝叶斯决策两种,本系统采用第二种方法设计第一层分类器。手写体蒙古文字经过特征提取之后,确定位于字首的基元有22个,字中的基元有18个,字尾的基元有20个。继续判断位于主干线的左边的基元有4个,右边的有5个,位于两边的基元有51个。在选取了特征之后,需要选择或寻找适当的判别准则,从而判断出待设别的文字特征与哪一个类别的特征最近。本系统采用的最小风险贝叶斯决策规则为:
如果R(?坠k|x)=■R(?坠i|x),则?坠=?坠k (2.2.1)
依据上式所得到的X带入下面的线性判别公式中,完成文字特征的第一级分类,线性判别公式如下:?摇
Di(X)=■?棕ikXk+?棕i0 (2.2.2)
式中Di(X)代表第i个判别函数,?棕ik是系数或权,?棕i0为常数或称为阈值。由于文字数量很大,如果不对文字分类而直接识别,一方面识别效果不会好,另一方面计算量往往会很大。所以文字识别通常都要对文字做一级或多极分类,然后再细分判别,从而大大提高识别效率。在本文所探讨的蒙古文字识别一级分类器设计时主要采用了比较简单的基于贝叶斯决策方法的线性分类器,这主要是根据获得的手写体文字特征不够清晰的前提下采用的方法。但是,在实际中有许多模式识别问题并不是线性可分的,尤其蒙古文字是字母和字母之间是连笔写成的,因此根据如此复杂的情况,我们进一步设计了第二层分类器。第二层分类器的设计:在第一层分类器的识别结果上,我们把HMM模型与最近邻方法DTW融合在一起,这是一种有监督学习方法。给定一个训练数据集合,分类算法根据这些标记的数据归纳出一个分类器(或模型),这个分类器可用于预测新的或未标记的数据,即将每个新数据映射到给定类别中的某一个类,这样可以充分利用文字的联机特征和脱机特征,从而进一步提高分类识别的精确率。HMM即隐含马尔可夫模型是一个数学模型,到目前为之,它一直被认为是实现快速精确的语音识别系统的最成功的方法,但近年来,在人脸识别、手写识别等诸多方面也得到了广泛的应用。
分类问题直接与特征提取有关。在有些情况下,所选取的特征决定了粗分类的方法。在我们的系统中首先使用了蒙古文字的一些结构特征进行粗分类,如按照笔画数、起笔点、是否存在主干线、词中的位置等特征进行一级分类,此时要求粗分类的分类稳定性要高、速度要快、特征要简单,要和细分判别方法相协调。再次按照蒙古文字全局结构特征如是否带有回朔笔迹、笔划是否交叉、是否带有圈等特征进行二级分类,也称为细分类过程。因后验概率的估计并不可行,下面把实际的细分类Ci的概率表示为:?摇?摇
P(Ci|Qj(O))=P(Ci|Qj,1(O),Qj,2(O),…Qj,m(O)) (2.2.3)
O是观察特征模式,Qj,k(O)是由分类器j识别的第k个最佳类标记,M取小于N的值,M
联机手写体蒙古文字识别是模式识别的一个重要研究方向。本文重点解决了对连笔的蒙古文字切分后的基元如何进行进一步的分类和识别,针对这一问题我们设计了多级分类器。分别使用贝叶斯(Bayes)决策方法和线性判别函数法建立第一层分类器,在此基础上我们把HMM模型与最近邻方法融合在一起建立了第二层分类器。在手写体蒙古文字识别过程中,正确分类识别每个基元是至关重要的,这直接影响到系统的识别率和正确率。总之,本论文探讨的多分类器的设计思想为文字识别领域提供了一项具有参考价值的技术和方法。
参考文献:
[1]Claus Bahlmann,Hans Burkhardt.“The Writer Independent Online Handwrinting Recognition System frog on hand and Cluster Generative Statistical Dynamic Time Warping”[J].IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,2004,26,(3):75–86.
关键词 35kV变电站;防雷;接地
中图分类号TM63 文献标识码A 文章编号 1674-6708(2014)119-0061-02
0引言
变电站防雷及接地是变电站安全运行的重要保障,如果防雷及接地做的不到位,轻则故障停电损或坏设备,重则造成人身伤亡事故,随着人们对防雷接地的重视程度增加、设备制造标准和运行可靠性的提高,发生人员伤亡的事故基本没有了,但是大量微机保护设备和自动化、通讯设备的增加,对变电站的防雷及接地的可靠性提出了更高的要求。在工矿企业里,35kV变电站也是比较重要的供电负荷中心,其停电所带来的经济损失远高于10kV配电所。本文就研山铁矿35kV变电站的雷击形成的原因和采取的技术措施进行多方面论述,希望对以后的变电站防雷设计和运行有指导借鉴意义[1]。
1 35kV变电站事故之前的防雷接地介绍
研山铁矿35kV变电站位于半山坡上,位置较高,周围较空旷,该站有两台40000kVA的35kV主变,变压器在室内安装,没有在外的电气设备。进线是采用35kV高压电缆从架空线路引进室内35kV开关柜。按照设计,变电站为三类防雷建筑物防直击雷保护,由于所有变配电设施全部在室内,因此没有装设避雷针,从屋顶避雷带用10镀锌圆钢引下至室外接地极。防雷接地与设备接地极分开布置。站内低压供配电系统采用工作接地和保护接地合一的TN-C形式[2~3]。
2 雷电入侵现象
变电站在夏季遭遇雷电入侵共计两次。第一次是在雷雨天时候,闪电和雷鸣同时发生,同时位于变电站二楼的中控室仪表盘柜柜壳表面靠近室外的方向的棱角处发生电火花,持续时间很短,稍纵即逝。第二次也是同样的情况,只是发生电火花的地点在中控室隔壁的交接班室的暖气管道突出的连接头处。这两次的现象相同,但都没有对设备造成任何损坏,也没有导致设备停止运行。
3 原因分析
雷击主要分两种情况,直击雷和感应雷,由于现场没有任何烧损的痕迹,首先排除了直击雷。感应雷也称为雷电感应或感应过电压。分两种情况,它分为静电感应雷和电磁感应雷。一种是指当雷云来临时地面上的一切物体,尤其是导体,由于静电感应,都聚集起大量的雷电极性相反的束缚电荷,当雷云对地或对另一雷云闪击放电后,云中的电荷就变成了自由电荷,从而地面上的物体聚集的电荷所产生出很高的静电电压(感应电压)马上得到释放,其过电压幅值可达到几万到几十万伏,这种过电压往往会造成建筑物内的导线,接地不良的金属物导体和大型的金属设备放电而引起电火花,从而引起火灾、爆炸、危及人身安全或对供电系统造成的危害。
另一种情况是,在雷电闪击时,由于雷电流的变化率大而在雷电流的通道附近就形成了一个很强的感应电磁场,对建筑物内的电子设备造成干扰、破坏,又或者使周围的金属构件产生感应电流,从而产生大量的热而引起火灾。另外,当架空线遭受直击雷或产生感应雷,高电位便会沿着导线电源线以及信号侵入变电站或建筑物内,这种雷电波侵入也会对电气设备造成危害或使建筑物内的金属设备放电,引起破坏作用。
再结合变电站发生的现象,技术人员共同分析最终得出结论认为是静电感应雷所导致,不是电磁感应雷,更不是直击雷。虽然仪表盘柜柜壳有接地,可能是接地电阻还是不足够小,电荷释放还不够及时。不过事故没有造成柜内电子设备损坏,封闭的柜壳对内部电子元件也有很强的屏蔽作用,电荷没有感应到内部电子元件上,否则后果很严重。如果静电感应雷的电场再强一些,不排除柜内损坏电子元件的可能性。因此应该采取进一步加强巩固措施,避免以后类似雷击事件的发生。
4 改进措施
前文提到变电站遭受的雷击不是直击雷,说明包括接闪器和防雷接地极在内的保护系统还是可靠的,着重防护的是感应雷击,主要是进一步减小保护接地电阻阻值达到增加多余电荷泻放通道的目的。变电站内电子设备都有钢制柜体,满足电磁屏蔽的要求。
测试了保护接地电阻,在合适的土壤和气象条件下,多次测得的平均接地工频电阻为3.1Ω,阻值合格。
从两方面改进,一方面补充保护接地极和防雷接地极,减小接地电阻;另一方面,室内配电室墙壁边缘内安装一圈40×4镀锌扁钢连接到室外接地极,室内的盘柜外壳通过槽钢基础也连接到40×4镀锌扁钢上面,增加感应雷所产生电荷的泻放通道。
根据图片对比原设计,增加了2组保护接地极,增加了2组防雷接地。接地极深度为0.7米,接地极间距为5米。控制室和配电室内在距离室内地板200mm高处安装一圈-40×4镀锌扁钢,室内电缆桥架、水暖管道、电缆穿线金属管就近焊接到这一圈镀锌扁钢上,镀锌扁钢和室外保护接地极相连,组成一个新的接地网,和原来已有的接地网连接组成一个更可靠的保护接地系统。有的金属构件之前已经焊接到原来的接地网上了,为了可靠起见,这次设备外壳等金属构件又增加了和新接地网的连接点。
新增的防雷接地极分别通过10镀锌圆钢与屋顶的避雷带连接。利用屋面上的金属栏杆作为避雷带,检查金属栏杆焊接是否可靠,不可靠再补焊。
5 实施效果
工程完工之后,在合适的土壤和气象条件下,多次测得的防雷接地极平均工频电阻为2.8Ω,保护接地电阻2.3Ω,换算成冲击接地电阻也合格。2013年雨季没有出现过雷击现象,证明已经初步产生了一定的实际效果,如果要证明是否彻底解决了防雷问题,还需以后两年雷雨季节的实际运行情况验证。
6 结论
接地是避雷技术最重要的环节,不管是直击雷,感应雷或其它形式的雷,都需要将电荷通过接地装置导入大地。因此,没有合理而良好的接地装置,就不能有效地防雷。从避雷的角度讲,通过接地装置把雷电对接闪器闪击的电荷尽快地泻放到大地,使其与大地的异种电荷中和,避免了设备遭受雷击损坏。本工程改造通过增加变电站的防雷接地极和保护接地极,又增加了接闪器的接地引下线的数量,使得直击雷和感应雷产生的电荷迅速释放到大地,从实践方面取得了预期效果。
参考文献
[1]邵培新.电气设备接地防雷措施[J].中小企业管理与科技,2011(4):297.
【关键词】 突发性耳聋;类固醇激素;鼓室内注射;Meta分析
突发性耳聋是耳鼻喉科临床的常见病,是指72小时内突然发生原因不明的非波动性的感音神经性听力损失[1]。在临床治疗上通常使用静脉激素、血管扩张剂、溶栓药物、能量合剂及高压氧等治疗方法,但疗效仍不理想,有相当一部分的患者听力不能恢复到有效听阈。类固醇鼓室内注射治疗突发性耳聋是近年来逐渐开展的一种治疗方法,有研究表明这种方法可以提高类固醇激素在内耳外淋巴中的聚集率并能避免许多因全身大剂量应用类固醇激素而产生的副反应。本文运用系统评价的方法,对设有对照组的鼓室内注射类固醇激素治疗突发性聋的文献进行系统分析, 旨在评价该疗法的疗效
1 材料与方法
1.1 纳入标准 (1)研究对象突发性耳聋患者。(2)必须是比较类固醇鼓室内注射和安慰剂的报道。(3)研究类型:随机对照临床实验、回顾性和非随机对照研究均可纳入。(4)原始文献需治疗组、对照组的总人数、治疗有效人数、评估方法及标准。
1.2 资料收集方法 (1)计算机检索:检索年限为2001年~2011年10月。检索的外文数据库包PubMed、MedLine、EMBASE、Web of Science、循证医学数据库(EBMR);中文数据库则包括中国生物医学文献光盘数据库(CBM-disc)、中国生物医学期刊文献数据库(CMCC)、中国期刊网全文数据库(CNKI)和中文科技期刊全文数据库(VIP)。(2)检索策略及检索词:经咨询图书馆参考馆员共同制订检索策略,由2名评价员同时进行独立非盲法检索并做初步筛选,英文数据库以[(sudden deafness)or(sudden sensorineural hearing loss) or(sudden hearing loss]AND[intratympanic]AND[(steroid)or(corticosteroid)]为检索词,中文数据库以“突发性耳聋、鼓室内注射、类固醇激素、激素”为主要检索词。(3)手工检索:手工检索国内外有关外科学的核心期刊现刊。通过相关文献(包括综述)的引文进一步扩大检索范围,查找所需文献。(4)其他检索途径:检索中山大学购买的国内外各大出版社的外文电子期刊。
1.3 检索结果筛选 阅读检索初始得到的文献文摘,排除明显不合格的文献,由两名评价员独立选择研究并进行质量评价,按预先设计的表格提取资料。
1. 4 统计学分析 统计分析借助Review Manager 5.1统计软件。计数资料采用相对危险度( relative risk, RR )为疗效分析统计量;计量资料采用加权均数差(weighted mean difference,WMD),区间估计采用 95%可信区间,纳入Meta分析的研究先作异质性检验,多个独立研究的结果不具有同质性时采用随机效应模型( D模型);无统计学异质性研究结果的合并分析选择固定效应模型(F模型)。对无法合并的相关的研究参数仅作描述性分析评价。
2 结果
有7项对照研究共964例患者被纳入进行系统评价,见表1。其中1项研究为RCT,6项研究为非随机对照研究。文献具体信息见表1。
表1 纳入研究文献信息
疗效分析:
7篇纳入研究的文献共收入患者338例患者。Meta 分析的结果显示,鼓室内注射类固醇激素后治疗组共有75例患者有效,对照组共有49例患者有效,与对照组相比,OR合并值的点估计为4.25,95%CI为(2.35,7.69)(图1)。表明类固醇激素鼓室内注射治疗突发性耳聋是一种有效的治疗手段。
图1 类固醇鼓室内注射治疗突发性耳聋的meta分析
3 讨论
内耳中同时存在糖皮质激素和盐皮质激素受体,类固醇激素能与细胞内受体结合, 抑制一氧化氮合酶和细胞因子、黏附分子、血小板因子的转录,从而抑制炎症过程, 因而类固醇在耳蜗功能的调节中发挥着重要作用。同时类固醇可改善耳蜗血流,防范耳蜗缺血,防止噪声性听力下降,调节内耳的蛋白质合成。近年来国外相继出现的一些前瞻性、随机对照的临床研究,证明了鼓室灌注糖皮质激素治疗突发性聋的疗效,Ho 等和Choung 等对常规治疗无效的难治性突聋患者给予鼓室局部注射地塞米松,结论认为全身应用糖皮质激素等综合治疗效果欠佳的突聋患者,地塞米松鼓室注射给药能明显提高疗效。
但目前鼓室内激素治疗目前尚未得到公认,把其作为突聋一线治疗药物的研究较少,大多数研究同时合并全身激素给药。本研究通过文献检索对鼓室类固醇激素注射治疗突发性聋的疗效做系统分析,初步的评价结果显示,类固醇鼓室内注射是是一种有效的治疗手段。
本文纳入分析文献的病例数均较少,缺少多中心双盲随机对照研究,各位作者使用的疗效评定标准、观察时间等不尽一致, meta分析的质量不高,仍需要更高询证医学质量的文章做进一步研究,以便为临床提供更为确切的结论。
参考文献
[1] Fu Y, Zhao H, Zhang T, Chi F.Intratympanic dexamethasone as initial therapy for idiopathic sudden sensorineural hearing loss: Clinical evaluation and laboratory investigation. Auris Nasus Larynx. 2011 Apr;38(2):165-71.
[2]Li P, Zeng XL, Ye J, Yang QT, Zhang GH, Li Y.Intratympanic methylprednisolone improves hearing function in refractory sudden sensorineural hearing loss: a control study. Audiol Neurootol. 2011;16(3):198-202. Epub 2010 Oct 18.
[3]Wu HP, Chou YF, Yu SH, Wang CP, Hsu CJ, Chen PR. Intratympanic steroid injections as a salvage treatment for sudden sensorineural hearing loss: a randomized, double-blind, placebo-controlled study. Otol Neurotol. 2011 Jul;32(5):774-9.
[4]Lee JB, Choi SJ, Park K, Park HY, Choo OS, Choung YH.The efficiency of intratympanic dexamethasone injection as a sequential treatment after initial systemic steroid therapy for sudden sensorineural hearing loss. Eur Arch Otorhinolaryngol. 2011 Jun;268(6):833-9. Epub 2011 Jan 8.
[5]赵远新,周晓娓,姚清华. 地塞米松鼓室内灌注治疗突发性聋. 听力学及言语疾病杂志2010 年第18 卷第4 期:391-392
论文摘要:自动化通讯设备在运行过程中,经常会出现各种不同的故障。本文通过介绍如何查找故障及如何检修的具体技术和方法,旨在为电信公司在自动化通信过程中出现的障碍及处理办法等方面提供有益的参考。
0 引言
自动化通信设备在运行过程中,会出现各种不同的故障,影响系统的运行,有时甚至还会起到破坏性的后果。我们要及时准确地查明故障所在,并且排除它,就必须对通信设备的故障分类和检修有所了解。
1 故障的分类
1.1 按故障性质分为软故障和硬故障
软故障是指由于软件系统错误而引发的故障。常见的软故障有程序错误、病毒破坏、操作失误,以及设置错误和盲目操作等。
硬故障是指设备硬件的物理损坏:一是人为和环境原因,如环境恶劣、供电不良、静电破坏或违反操作规程等原因造成;二是电器构件原因,如元器件、接触插件、印刷电路等损坏造成。
1.2 按故障影响范围和程度分为全局性、相关性、局部性、独立性故障
全局性故障是指影响到整个系统正常运行的故障;相关性故障是指某一故障与其它故障之间有着因果或关联关系;局部性故障是指故障只影响了系统的某一些项或几项功能;独立性故障特指某一元器件发生的故障。如电源熔丝熔断,使设备不能启动属全局性故障,而造成原因可能是相关的某一部件短路,即故障的相关性。局部性、独立性故障一般是统一的。
1.3 按故障发生的时间、周期分为固定性故障和暂时性故障
固定性故障指故障现象稳定,可重复出现,其原因主要是由于开路、短路、机械部件损坏或某一元器件失效引起;暂时性故障是指故障的持续时间短、工作状态不稳定、时好时坏的现象,其造成原因可能是元器件性能下降或接触不良等引起的。
2 检修过程的先后顺序
2.1 先分析思考,后着手检修
引发故障的原因可能是多方面的,而故障的现象,发生的时间也可能是不确定的。发现一个故障,首先应分析其可能产生的原因,并列出有关范围,寻找相关范围的技术资料作为理论引导。“现在就做”可能并不适合于设备的检修,即按部就班,循而有序是很重要的。
2.2 先外后内
任何时候冒然打开机箱都是不对的。只有在排除外部设备、连线故障等原因之后再着手进行内部的检修,才能避免不必要的拆卸。
2.3 先机械部分,后电子部分
应当先检查机械元器件的完好性,再检查电子电路结构以及机电一体的结合部分。
2.4 先静后动
即先在断电情况下检修,然后再接电。这里有一个原则性问题,即安全。
3 检修方法
3.1 直接观察法
直接观察有不接电和接电两种情况。首先应该进行不接电观察,利用人的感觉器官(眼、耳、手、鼻)检查有关插件是否松动、接触不良、虚焊脱焊、断线、短路、元件锈蚀、变焦、变色,电源短路、过流、过压和熔丝熔断等现象。经仔细观察机内外各元器件无误后,接电观察,看机内有无冒烟、打火、异常声响现象,如有赶紧关机,还可轻轻敲击机箱、构件,看有无接触不良,同时可用手触摸怀疑的元器件,看是否有过热现象并根据元器件过热程度以及温度做出相应的判断。
3.2 测量法
这种方法比较简单直接,针对故障的现象,一般能判断出故障所在,借助一些测量工具,能进一步确定故障的原因,帮助分析和解决故障。
常见的测量检查方法有电压检查法、电阻检查法和电流检查法。电压检查法是通过测量元器件工作电压并与正常值进行比较来判断故障;电阻检查法是测量元器件对地或自身电阻值来判断故障的一种方法,它对检修开路、短路故障和确定故障元件有实效;电流检查法是将电流表串入电路中测量工作电流,这种方法检修起来很不方便,亦较少使用。
3.3 插拔法
通过将插件“插入”或“拔出”来寻找故障的方法。此方法虽然简单,却是一种常用的有效方法,能迅速找到故障的原因。具体步骤是:
3.3.1 先将故障设备和所有连接设备的连线打开,再合上故障设备电源开关,若故障消失,查连接设备及连接线是否有短路现象(如碰线、短接、插针相碰等),若有,则排除;若无,则查故障设备本身。
3.3.2 将故障设备所有插件板拔出,若故障现象消失,则故障在某插件板上。若故障现象仍出现,则应仔细检查设备电源有无故障。
3.3.3 仔细检查每块插件板,观察是否有相碰和短路,若有则排除;若无再一块块地插上,开机、关机测试,这样很快就能发现哪块插件板上有故障。
3.3.4 找出故障插件板,再根据故障现象和性质判断是哪一个集成块或电子元器件损坏。
3.4 试探法
试探法是用正常的插件板或好的组件(大规模的集成电路)替换有故障疑点的插件板或组件来试探故障的一种方法。这种方法在调试和检修中经常使用,尤其是一时还搞不清故障在哪儿时,采用此方法更方便、直接。但如果故障很严重,有烧机现象,而又不能明确对象时,可不用此法,因为发生故障的插件板可能是具有破坏性的,随意替换可能会导致替换上的新插件板再损坏。
3.5 其它检修方法
3.5.1 隔离法,也称分段法,即将各部件分隔开来进行局部的检查,以确定故障的位置。
3.5.2 比较法,是用正确的特性与错误的特征相比较来寻找故障的原因。
3.5.3 升温法,就是人为地将环境温度或局部部件温度升高(用电吹风可使局部部件的环境温度升高,注意不可将温度升得太高,以致将正常工作的器件烧坏),加速一些高温参数比较差的元器件“死亡”,来帮助寻找故障的一种方法。有时设备工作较长时间或环境温度升高后会出现故障,而关机检查时却是正常的,再工作一段时间又出现故障,这时可用“升温法”来检查。
3.6 综合法
综合法是指把以上方法统一考虑起来处理故障。这样对处理一些比较复杂的故障,能及时、准确地找出故障原因并且排除它。
4 结束语
判定故障一定要有良好的技术知识作为基础,这样才能准确、及时发现问题和解决问题。另外,查找故障时,尽量拓宽自己的思路,把各方面能造成故障的因素都想到,仔细地分析和进行排除。
参考文献:
[1]乐光新.数据通信原理.北京:人民邮电出版社,1988.
汪一鸣等.计算机通信与网络教程.北京:电子工业出版社,2000.
曹志刚.现代通信原理.北京:清华大学出版社,2000.
关键词:电器行业;标准化;聚类分析
中图分类号:TD611+.3 文献标识码:B 文章编号:1009-9166(2009)020(c)-0205-02
目前常用的对上市公司的分类中包括按照板块分类,这种分类大大地减轻了投资者在繁复的对象中搜寻的工作量。然而各板块内部的公司实质上质量参差不齐,许多指标上存在较大的层次差别。为进一步对上市公司的业绩进行综合而科学的评估,在板块内部进一步细分显得犹为重要。
考虑到我国长期以来拉动内需的政策与实际需求,同时结合电器在拉动内需过程中所扮演的重要角色,本文以电器板块作为切入点,选取其中2008年以前上市的37家公司为样本,结合其多项财务指标对其进行聚类分析。
一、 聚类分析方法
(一)数据标准化。由于所选指标性质差异比较大,其量纲和数量级的差别会对分析结果产生一定影响,另一方面,本文所选取的欧氏距离的值与各指标量纲有关,因此需对原始观测数据进行标准化处理, 并以标准化后的数据为依据进行分析计算。
(二)系统聚类分析法。系统聚类法首先将各样本各分为一类,再按照其距离的远近,逐次将距离近的类聚合,最终将所有样本聚为一类。利用SAS软件进行系统聚类分析可以得到逐次聚类的过程,有利于保证分析的科学性和严密性。
本文采用欧式距离定义样本之间距离,即:
采用离差平方和法(WARD法)定义类类距离。离差平方和法的主要思想是,当所分类数固定时,选择使所有类总离差平方各达到最小的分类。先让n个样品各自成一类,然后缩小一类,每缩小一类离差平方和就要增大,选择使其增加最小的两类合并,直到所有的样品归为一类为止。WARD法把两类合并后增加的离差平方和看成类间的平方距离。
二、 实证分析
1.指标选取
为实现对所选上市公司业绩的科学而公正的评估,本文选取了12个财务指标构成一个评估指标体系,主要从流动性指标、效率指标、杠杆率指标、盈利性指标等多方面进行测评,所选取的具体指标如下:
表一:电器板块上市公司业绩综合评价指标体系
2.聚类分析
本文选取了37家电器板块于2008年前上市的企业,对其相关财务指标2008年度值进行分析,原始数据来源为锐思数据,所用统计分析软件为SAS。
在欧氏距离及离差平方各法之下,采用系统聚类法对37个12维变量进行聚类分析,可以得到如下谱系聚类图:
截取并类过程的一部分,得到
其中RSQ即R2k,该指标越大,说明K个类越能够区分开,聚类效果越好;SPRSQ即半偏R2统计量,是R2k+1与R2k的差值,其值越大,说明上一次合并为K+1个类后的效果好,可用于评价一次合并的效果,该指标支持分为二类或三类。PSF即伪F统计量,Fk越大表示样品可显著地分为K个类,可见该指标支持分为三、四或五类。PST2即伪t2统计量,该值大,表示合并后类内离差平方各的增量相对于原来两类的类内离差平方各大,表明上一次聚类的效果是好的,该指标支持分为三类或四类。结合各个统计指标及谱系聚类图,可以认为分为三类或四类是较合适的。
三、 分析与结论
1.类一中包括了绝大多数电器板块中的上市公司,且观察其并类距离,可以发现该类中样本距离并不大,即各样本之间的差异并不大。从原始数据来看,类一中样本具有各项指标整体较优良的性质,发展稳定,收益较好,属于板块中的中坚力量,其中也不乏板块领跑者,总体来说,经营绩效较优良。2.类二中只包括佛山照明。较之其他上市公司,佛山照明拥有较高的每股收益、速动比率、流动比率、营业利润率等指标,净资产增长率较低,因此其对短期债务的支付能力明显高于其他同类企业, 而股东所享受到的收益较其他公司也较高。3.类三中包括三支ST公司,且有两支已受到退市预警,另一支亦连续两年亏损,类三平均每股收益很低,流动比率、速动比率较低,短期负债支付能力有待提高,且债务比率相当高,另一方面,收入方面表现不佳,经营绩效堪忧。4.类四只包括S*ST长岭,拥有相当高的每股收益,债务比率较高,营业利润率较低,但是销售净利率相当高,说明其费用可能较高,管理经营状况不善。
作者单位:武汉大学经济与管理学院
参考文献:
[1]陈志启.煤炭行业上市公司的聚类分析.金融管理.No.5 2008
[2]高惠璇.应用多元统计分析.北京大学出版社
【关键词】自动气象站;雷击事故;应对措施
引言
自动气象站雷击防护是一个比较复杂的工程,几乎涵盖了目前雷击防护的方方面面,包括直击雷、感应雷及雷击电磁脉冲保护。在自动气象站的防雷工作中,多数防雷工作者对单一形式的雷击认识都很清楚并能采取有效的防范措施,但对综合防雷措施认识不清,防范不力,导致虽然安装了防雷装置,雷击事故依然发生的尴尬局面。本文通过分析某自动气象站发生的一次典型雷击事故成因,提出解决自动气象站雷击隐患措施。
1 基本情况
1.1 气象站基本情况
气象站处在空旷郊区,海拔11.9m,土壤为壤土,年雷暴日数30天。办公楼长、宽、高分别为: 35m、10m、8.5 m,办公楼顶有15米高通讯铁塔。楼顶设有避雷针(高3 m)、避雷带。避雷针、带共引下线,冲击接地电阻4Ω。观测场铁塔高12.5米,地网冲击接地3Ω,距气象站地网40.5 m,两地网独立。观测场无独立避雷针。电源线路安装有二级电源避雷器,第二级电源避雷器距保护设备17m,电源线路。宽带信号线未安装信号避雷器,业务平台未配备UPS电源。
1.2 雷击情况
2005年8月16日凌晨2时30分左右被雷击。击坏业务用微机两台、复印机一台、显示器2个、音箱一对、网络交换机一台、路由器一台,位于室内的自动站微机主板亦被击坏、风向风速仪指示器受损(即凡开机用电的设备几乎均被击坏)。通信系统瘫痪,致使业务工作瘫痪近8个小时。雷击时电源避雷器未动作。通过该地区雷电监测仪查得当时雷电流强度8.25 KA。
2 事故分析
从雷击损坏的设备情况看,此次雷击可能是高电位引入或雷电反击造成的。
2.1 高电位引入导致雷击
高电位引入有直击雷高电位引入和感应雷高电位引入两种形式。
2.1.1 直击雷高电位引入
由于观测场未安装独立避雷针,致使风塔、风杆及其他仪器设备直接接收直击雷,直击雷高电位通过电源线和数据线传入采集器、风向风速仪、业务用计算机等设备,致使雷击事故发生。
2.1.2感应雷高电位引入
由于气象站铁塔高,雷击时首先接收直击雷。直击雷高电位感应在第二级电源避雷器后的电源线路上窜入室内导致雷击。如果雷电流波的前沿为2.5 us,第二级电源避雷器至设备间的电源线路上的感应电势通过计算可达:5.8 (kV),而业务平台内所有设备的最大耐冲击额定电压不超过1.5kV, 5.8kV的高电位足以使业务平台的所有弱电设备被击毁。另外,因信号线未安装信号浪涌保护器,直击雷高电位或感应雷高电位从信号线引入而导致信号设备(交换机、路由器、电话)损坏。
2.2 雷电反击
由于测站通讯铁塔高接收直击雷,雷击发生瞬间,测站通讯铁塔地网为高电位,自动气象站地网为低电位。测站通讯铁塔的高电位传到自动站地网而使自动站地网为高电位,高电位再通过自动站的保安地线、零线重复接地线、避雷器接地线反灌入业务平台导致雷电反击。假设土壤电阻率均匀(壤土: 200Ω.m),雷击铁塔时,自动气象站办公楼地网上接地引入点的地电位可达:Ur= Iρ/2πR =200×8.25/2π×12.6=20.8 (kV)[1],即保安地线、零线重复接地线、避雷器接地线上带有20.8 kV的高电位,这么高的电位反灌入业务平台,任何弱电设备均会被击毁,甚至危及人生安全。
3 整改措施
3.1 防直击雷措施
在距观测场的安全距离处安装独立避雷针,使观测场内包括风塔、风杆在内的所有仪器设备在避雷针的保护范围内,避免直击雷高电位从电源线、数据线窜入室内。
3.2 防感应雷措施
引入办公楼的电源线、信号线穿钢管屏蔽,钢管做良好接地。电源线加装第三级电源避雷器[2],第三级电源避雷器的残压应≤1.5 kV,与需保护设备的最近距离应≤0.5 m。所有信号线入户端安装适配的信号避雷器。
3.3 预防雷电反击措施
由于测站通讯铁塔和自动气象站不属于同一信息系统,不能共用同一接地网。为了防止地电位反击,需在测站通讯铁塔地网和自动站地网间(最好在中线位置)设置排流线。排流线做成线性地网样式,其接地母线长度与铁塔地网接地母线相当。雷击发生时,排流线提前将移动基站地网高电位“拦截”泻入大地,自动气象站地网电位大大降低,避免了雷电反击的发生。
4 小结
随着国民经济和社会事业快速发展,各地方党政府对公共安全问题日益重视,气象部门在自然灾害、突发公共安全事件中起到独特重要作用,特别是自动气象站是气象部门的基础业务,是气象部门的生命线,也是气象部门的价值所在。另外,由于自动气象站的采集器等弱电设备由精密的灵敏元件组成,在市电供应不稳定出现电压波动时也会造成损坏。因此,自动气象站除做好综合防雷措施外,所有仪器设备(业务平台和观测场内)用电应全部由UPS电源提供。
参考文献:
[1]张小青编.《建筑物内电子设备的防雷保护》.北京:电子工业出版社,2000.
[2]杨仲江.《防雷工程检测审核与验收》.气象出版社,2005.50-51
Abstract: The method of multi-fractal detrended fluctuation analysis(MF-DFA) can not only be able to remove the fluctuations of the long-term trend in the stock market time series, but also be able to describe the multi-fractal characteristics. First of all, this paper uses the MF-DFA to analyze the multi-fractal characteristics of the stock market time series and the result shows that the method of MF-DFA is more efficient. Secondly, it defines a similarity measure function of clustering which use the parameters of multi-fractal spectrum as their parameters on the stock time series clustering. Finally, based on the Markowitz proposed the rule of expected mean and the variance of return (M-V rule), it applies the clustering results into the stock portfolio. According to the experiment result, a portfolio with more return and lower risk is reached.
关键词: 时间序列;多重分形消除趋势波动分析;聚类;投资组合
Key words: time series;MF-DFA;clustering;Portfolio
中图分类号:F830.9 文献标识码:A 文章编号:1006-4311(2013)26-0137-04
0 引言
对于许多的时间序列,例如股指时间序列,股票价格序列等,由于其形成过程中受到众多复杂的非线性因素的影响,因此在不同局部区域和不同层次往往呈现出不同的特征和复杂性。作为一种重要的非线性方法,多重分形分析方法将复杂对象分成多个奇异程度不同的子区域,并借助统计物理的方法描述对象在不同子区域的分形特征以及各子区域对整体对象的影响。由于多重分形分析方法能够描述资产价格在不同时间标度,不同波动幅度方面的精细的信息,从而全面真实的反应资产价格波动的复杂统计[1],因此近年来国内外许多学者对金融证券市场的多重分形特征及其应用进行了研究。对众多国家和地区的实证研究表明,多重分形特性在全球证券市场中广泛存在[2-4]。
多重分形消除趋势波动分析(MF-DFA)是Kantelhardt(2002)在DFA方法的基础上首次提出的[5],用来刻画时间序列在不同时间标度下的多重分形特征。胡雪明、宋学锋[6]在国内最早把MF-DFA方法引入沪深股市的实证对比研究当中发现两市均具有多重分形特征,深圳成指比上证综指的广义Hurst指数要大,表明其具有更强的持久相关性。宛莹、庄新田[7]利用多重分形消除趋势波动分析法,对国际上3种主要的国际汇率收益序列进行实证分析,发现国际汇率存在多重分形特性,且有两个因素共同作用。刘维奇、牛奉高[8]运用MF-DFA方法对上证指综指和深圳成指的多重分形特征进行比较,结果表明前者多重分形特征比后者更加明显。万涛[9]等运用该方法对对上证指综指和深圳成指的日对数收益序列进行比较分析,也得到相同的结论。综上所述,目前现有文献都是运用MF-DFA方法对大盘指数、汇率等数据进行多重分形分析,而把MF-DFA方法应用到单个股票多重分形特性的分析当中还比较少。同时,大多数文献都是针对金融证券市场的多重分形特性进行实证分析,把多重分形运用到股票的投资组合构建中还没涉及。
聚类是一种重要的数据挖掘方法,即将数据划分成有意义的多个簇,使得每个簇中的数据尽可能相似,而不同簇中的数据具有明显的差别。对于金融时间序列这类复杂序列来说,利用多重分形谱进行聚类是非常有利的,因为多重分形谱的各项参数能够表征序列的整体到局部的丰富信息,黄超等[10]提出了基于多重分形特征参量的聚类方法。钟维年等[11]运用小波分解与重构技术消除股票序列的趋势项后再进行聚类。由于多重分形消除趋势波动分析法在去除趋势项上与小波分解与重构技术的作用等同,甚至某些情况下优于小波分解与重构技术[5],同时比小波分解与重构技术的过程更简单,本文采用多重分形消除趋势波动分析法消除股票价格序列的长期趋势项。聚类分析能够根据不同的特征参量发现对象在不同方面的相似性程度,近年来被广泛应用于金融资产价格预测、投资组合以及风险分析等许多方面,因此,基于多重分形特性的聚类在金融领域有着重要的意义和应用价值。
本文先采用消除趋势波动分析法对股票价格序列进行多重分形特性分析,然后基于多重分形特征参量进行股票价格时间序列聚类,最后根据股票聚类结果选择合适的股票进行投资组合。
1 相关理论
1.1 多重分形消除趋势波动分析法(MF-DFA)
Kantelhardt(2002)提出的MF-DFA方法是检验一个非平稳时间序列是否具有多重分形特征的有效方法,并通过计算机模拟验证了该方法对非平稳时间序列进行多重分析的有效,同时通过MF-DFA方法还能过渡到标准的多重分形分析。
设{xi}为长度为N的序列,i=1,2,3,…,N,MF-DFA方法的计算过程如下:
①通过计算次均值累计离差把原序列变成一个新的序列:Y(i)=■x■-■,t=1,2,…,N (1)
式中xi为时间序列,■为{xi}的均值。
②把序列Y(i)分割成长度为s的Ns个互不重叠的等长区间(Ns=int(N/s)),由于时间序列的长度N常常不会是时间段s的整数倍,时间序列尾部通常会有剩余部分,为了不至于丢失尾部,从序列的尾部重复上述分割过程,因此得到2Ns的区间。
③利用最小二乘法拟合每一个子区间v(v=1,2,…,2Ns)的局部趋势函数yv(j),这里yv(j)为第v个子区间的拟合多项式,消除子区间v中的局部趋势序列得到残差序列Zv(j),当v=1,2,…,Ns时
Zv(j)=■■Y[(v-1)s+i]-y■(j) (2)
当v=Ns+1,…,2Ns时
Zv(j)=■■Y[N-(v-Ns)s+i]-y■(j) (3)
④分别计算2Ns个消除趋势子区间序列的平方均值,即:F■(s,v)=■■Z■■(j) (4)
其中v=1,2,…,2Ns,进而求出序列的q阶波动函数,即:F■(s)=■■F■(s,v)■■ (5)
公式中的指数变量q的取值可以是任何值(q不等于0),当q=0时F0(s)=exp■■lnF■(s,v)■ (6)
当q=2时时标准的DFA过程。易知Fq(s)与s成正方向关系,因此对于不同的s,就可得到相应的分形时间序列Fq(s)。
⑤确定波动函数的标度指数,先固定阶数q,通过在双对数图中分析Fq(s)与s的关系:Fq(s)~sh(q) (7)
对每一个时间尺度s,可求出相应的一个波动函数数值Fq(s),做出ln[Fq(s)]~lns函数关系图,其斜率为q阶广义Hurst指数h(q),当h(q)为常数时,序列为单分形;当h(q)与q相关时,序列为多重分形。
⑥通过MF-DFA得到的h(q)与Renyi指数τ(q)有如下关系τ(q)=qh(q)-1 (8)
⑦不同q值的分形维数,也即是广义分形维
Dq=τ(q)/)(q-1) (9)
⑧用来描述多重分形时间序列的多重分形谱f(α)可通过(10)式得到,即:
α=h(q)+qh′(q) (10)
f(α)=q[α-h(q)] (11)
其中,奇异指数α为客户复杂系统中各个子区间的奇异程度,α越大,奇异性越小;多重分形谱f(α)实际上是指具有相同奇异指数α的分形维数,且f′(α)=q;分形谱宽度Δα(αmax-αmin)代表最大最小概率间的差别,Δα值越大,分形时间序列分布越不规则,多重分形强度越强;相应的分形维数差别Δf(fmax-fmin)反映了高低价位出现的频率变化程度。多重分形谱本质上是分形子序列的分形维。
1.2 均值-方差(M-V)模型
Markowitz[12]建立了投资组合理论作为不确定条件下的资产选择方法。他提出的均值-方差(MV)模型被理论界和实际投资者广泛接受。MV模型描绘了资产组合的最基本的框架。在Markowitz的MV模型中,收益率均值u和方差σ2是风险证券的两个评价指标。在不允许卖空的条件下,MV模型可以描述为一个二次规划问题:
min imizeρ■■=x■Vx (12)
约束条件:X■I=1X■R=R■0?燮x■?燮1 (13)
其中,x=(x1,x2,…xp)′为p维列向量,表示p个资产在投资组合中的比例,V为各资产的相关系数矩阵,R为各资产的期望收益,MV模型以资产方差作为风险的度量,寻找在既定收益水平Rp下,风险最小的投资方案,I为列向量,其每个元素均为1。
2 基于多重分形聚类的投资组合分析
首先我们来分析多重分形谱的各个参数的聚类意义,由于广义分形维Dq描述的是对象的精细结构和复杂程度,对于时间序列而言,时间序列的广义分形维数越接近,则表明这些时间序列波动的精细结构和复杂性从整体上而言是相似的。由于f(α)的物理意义是对象的粗糙程度、复杂度、不规则度以及不均匀程度的度量,所以,多重分形谱的宽度Δα(αmax-αmin)和Δf(fmax-fmin)就是该度量的具体数值表示,孙霞等对Δα和Δf的物理含义进行了详细的讨论[13]。若时间序列的Δα类似说明时间序列在波动均匀性方面比较相近,Δα越大则表示波动幅度越大。时间序列的Δf越接近,则表明这些时间序列在围绕较高数值或者较低数值产生波动方面接近。
基于多重分形参量进行聚类研究,一个主要的问题就是判断对象间的相似性,也就是确定特征量之间的相似性度量函数。基于上述分析,我们可以定义基于多重分形谱的时间序列相似性函数。设股票时间序列A和B,其用多重分形谱参数分别表示为TS■=D■,D■,Vα■,Vf■和TS■=D■,D■,Vα■,Vf■其距离函数定义如下:
DW(A,B)=■ (14)
根据多重分形理论,两个多重分形序列的多重分形谱一致,其所代表的物理特征的统计特性是一致的[7],因而公式(14)的定义是合理的。p(i)代表了各个参数的权值,因而我们可以灵活的调整各个参数的权重,满足不同的聚类需求。
投资组合是投资者同时投资于多种股票证券,以期获得较好收益的一种投资方法。Markowitz模型要求采用收益行为差异较大的资产,从而更能有效的降低投资的风险。多重分形的各个特征量能够在微观上描述资产收益序列的特征,通过基于多重分形特征量的聚类,能够选出差异显著的资产组合。
本文采用最简单的K-means聚类算法对金融股票时间序列进行聚类,然后把聚类的结果运用到投资组合的分析当中,基于聚类的投资组合分析的步骤如下:
步骤1:由于收益波动率及其时序过程是金融工程的首要问题,因此对每个股票时间序列Ti,首先计算他们的日对数收益序列:r■=lnp■/p■ (15)
其中p■,p■分别为第j支股票当日和前一日的股票收盘价。
步骤2:根据MF-DFA方法计算它的分形维数D0i、信息维数D1i和多重分形谱参数Δαi、Δfi。同时为了尽量把收益率低的股票聚在一起,引入一个参数即为每支股票的平均对数收益率ej=■rji/(n-1),其中n为时间点个数。则A和B时间序列为:TS■=D■,D■,Vα■,Vf■,e■和TS■=D■,D■,Vα■,Vf■,e■。
步骤3基于公式(14)提出的加权欧式距离度量函数,使用K-means聚类算法,对股票时间序列进行聚类,使簇间股票的收益率行为差异比较大。
步骤4:据步骤3到的聚类结果,从每个类中选择一支股票为投资组合的候选股票,然后运用Markowitz建立的均值方差(M-V)模型计算候选股票在给定收益率的情况下风险水平,评价基于聚类的投资组合的优劣。
3 实证研究
3.1 实验数据 实验数据随机选取2011年1月4号以后的472交易日的上海证券市场的28支股票的收盘价时间序列作为研究对象,选取这段时间的股票数是因为这是金融危机结束后的股票价格,不受金融危机单一因素影响。为了描述简便,在聚类的时候我们用代号表示每支股票聚类的结果。
3.2 股票收盘价序列的多重分形分析 首先,我们采用标准多重分形的方法对这29支股票收盘价格进行多重分形分析,由于篇幅有限,我们仅仅列出东风汽车(600006)烽火通信(600498)工商银行(601398)的质量指数τ(q)与阶数q的关系。
图1分别是东风汽车、烽火通信、工商银行的质量指数τ(q)与阶数q的关系图,从图中可知,两者在一定的程度上还是满足线性关系的,说明用标准的多重分形方法进行分析时,股票收盘价时间序列的多重分形特性不是很明显,可能受到一定噪声的影响。
运用标准多重分形分析法并没有考虑时间序列内在趋势的影响,现在运用第二节描述的MF-DFA方法对原始序列做消除趋势的处理,然后再判断此序列的多重分形特性。我们取子区间的划分长度为s=[4:10:160],波动函数阶数q=[-20:20]。结果如图2所示,三种序列的质量指数τ(q)与与阶数q明显不是线性关系,说明股票收盘价序列具有明显的多重分形特性,这为后面的的聚类分析奠定了基础。
通过上述的分析比较可知,没有消除趋势项之前的时间序列由于受到了长期趋势项的干扰,多重分形特性有一定的不准确性,因而也会影响到多重分形谱的准确性,经过MF-DFA方法消除趋势项后,时间序列的多重分形特性表现得十分的明显,从而证明了原序列的确具有多重分形特性,揭示了序列的本质特征。
如图3所示为利用多重分形消除趋势波动分析计算得到的多重分形谱,从图中可知三支股票的多重分形谱宽度分别为0.9407、0.6757、0.8791,f的极大值分别为0.9991、0.9035、0.9659,这也体现了良好的多重分形特性,更进一步说明了用多重分形消除趋势波动分析多重分形特性的准确性。同时从图中可以明显看出烽火通信与工商银行和东风汽车的多重分形谱具有明显的差异性,这样也说明对股票的进行多重分形谱参数聚类是有意义的。
3.3 基于聚类的股票市场投资组合实证 为了从待定的股票中选取差异较大的股票,借助K-means聚类的方法,将待定的股票进行分类,然后挑选出不同的股票进行组合。利用K-means算法对待选的股票进行聚类,本实证选取5支股票作为候选股票,因此把股票分为K=5类,由于谱宽度能够较大的反映每支股票收益率序列的收益率波动的情况,因此Δα能够极大的反应股票间波动率的差异,故取Δα权重最大。对28支股票进行聚类分析,取权重p=(0.1,0.1,0.5,0.1,0.2),结果如表1。
从表1的5个聚类结果中各抽取两组资产组合(差异抽取1,差异抽取2),与随机抽取、在同一个聚类中的抽取结果利用MV模型进行比较,结果如表2。从表2中可以看出,在不同的收益水平下,组合差异抽取1和差异抽取2具有风险都比较低。同时随机抽取在不同收益水平下的风险也比类内抽取低。从而说明我们的聚类结果是有效的。
任意给定各个不同的期望收益水平p,分别求出四个不同投资组合的12个收益-方差组合点,利用这12个点描绘的四个投资组合的有效前沿如图4所示。从图中可以看出,在同等收益水平下,差异抽取的风险要比随机和类内抽取的风险低得多,从而更进一步说明了我们上一次聚类结果的有效性。实验表明本文定义的时间序列相似性度量具有特定的优势,相对传统的随机选择,风险更小。
4 结束语
分别用标准多重分形和多重分形消除趋势分析对上证市场28支股票的日收盘价数据进行多重分形分析,结果表明28支股票序列都具有多重分形特性。同时MF-DFA方法由于消除了时间序列的长期趋势项,因而比标准多重分形方法更能体现股票的多重分形特性。然后以多重分形谱参数以及每支股票的平均对数收益率作为时间序列相似性度量函数的参数,进行聚类,借助聚类分析,股票间的差异进一步加大,在相同的收益水平下,分散了投资风险。通过实证分析,更能说明多重分形谱参数分析股票市场的有效性。文中还存在许多不足之处,例如利用权重的选取以及多重分形谱参数的选择是否是最好的,这几个参数是否能够全面的反应收益率序列的波动特征也值得我们进一步的研究。
参考文献:
[1]Mandelbrot B. B.A multiracial walk down wall street [J]. Scientific American, 1999(5):20-23.
[2]Sun X, Chen H, Wu Z, Yuan Y Z. Multifractal Analysis of Hang Seng Index in Hong Kong Stock Market[J].Physica A: Statistical Mechanics and Its Applications,2001,291(1-4):553-562.
[3]Cajueiro DO, Tabak B M. Multifractality and Herding Behavior in the Japanese Stock Market[J].Chaos, Solitons&Fractals,2009,40(1):497-504.
[4]苑莹,庄新田.金融间序列的标度特性实证研究[J].管理工程学报,2008,22(2):85-89.
[5]Kantelhardt J W, Zschiegner S A, Koscielny B E, et al. Multifractaldetrended fluctuation analysis of nonstationary time series[J].Physica A, 2002, 316(1/4): 87-114.
[6]胡雪明,宋学锋.深沪股票市场的多重分形分析[J].数量经济技术经济研究,2003(8):124-127.
[7]苑莹,庄新田.国际汇率的多重分形消除趋势波动析[J].管理科学,2007,20(4):80-85.
[8]刘维奇,牛奉高.沪深两市多重分形特征的成因及其变化[J].经济管理,2009,31(12):138-143.
[9]万涛,郑婷婷,张琛,等.不同股市的多重分形特性分析—基于统计物理和MF-DFA方法[J].计算机技术与发展,2010,20(12):225-227.
[10]黄超,吴清烈,武忠,朱扬勇.基于方差波动多重分形特征的金融时间序列聚类[J].系统工程,2006,24(6):100-103.
[11]钟维年,高清维,陈燕玲.基于小波和多重分形的金融时间序列聚类[J].系统工程,2009,27(3):58-61.