几类高斯随机场之极值的研究及应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11501250
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    17.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0211.概率极限理论与随机化结构
  • 结题年份:
    2018
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2018-12-31

项目摘要

In this project, we will study the limit properties of extremes of several types of Gaussian random fields and their applications. More precisely, we will study the following three problems..Firstly, since Gaussian random fields have been applied to image analysis, atmospheric sciences, geo-statistics, hydrology, agriculture, as well as to other applied fields and extremes and their limit properties are particularly important in these applications, we study the limit theorems of two type of Gaussian random fields..Secondly, with increased demand of statistical inference, risk theory and queuing theory, we deal with the tail asymptotics and limit theorems of extremes of gamma-reflected processes..Finally, since the functional limit theorem of extremes for Gaussian processes have mostly been used for the statistical modeling of spatial data, we study the functional limit properties for extremes for strongly dependent, cyclo-stationary, locally stationary and non-stationary Gaussian processes..In addtion, we will do some empirical research on the extremes weather of some local areas of China..Our study not only can enrich the theory of extreme value theory but also has potential applications in the fields of finance and insurance.
本课题主要研究几类高斯随机场之极值的极限性质及其应用,主要体现在如下三个方面:.(1) 由于高斯随机场在图像分析,气象科学,应用统计,水文科学,农业科学等应用领域扮演着非常重要的作用,而在这些领域,我们常常需要关注相关极值的极限性质,因此我们首先将系统地研究两类高斯随机场之极值的极限分布问题;.(2) 基于gamma反射过程在统计、风险理论以及排队论中的重要应用, 我们也将系统地研究一类gamma反射过程之极值的尾渐近以及极限定理;.(3) 考虑到高斯泛函极值定理在空间数据建模分析中扮演着重要角色, 我们还将系统地研究强相依、周期平稳、局部平稳以及更一般的非平稳高斯过程之极值的泛函极限定理;.除此之外,利用本课题所得结论,我还将对我国局部地区的极端气候进行实证分析。本课题的研究不仅能够丰富极值理论的理论体系,而且能为金融时间序列建模,金融保险等领域内的相关问题研究提供理论基础。

结项摘要

在经济生活与现实生活中,我们面临着各种各样的极端事件,如保险公司、银行破产、飓风、洪水、地震以及火灾等,一旦这些事件发生都会给个人、团体、社会带来巨大的损失. 因此,如何利用适当的统计理论方法分析处理数据,进而预防、减少损失是一个重要的课题. 基于经典极值理论的POT 方法就可对超越一定门限的数据建模, 并计算出相应损失的风险, 进而为建立有效的极端风险防范和预警系统提供一定的理论基础. . 基于此,本课题系统地研究了两类高斯随机场之极值的极限分布问题;两类Gamma反射过程(高斯存储过程和高斯Shepp统计量)之极值的极限定理;两类泛函高斯过程(卡过程与高斯次序统计过程)之极值的极限性质;一类平稳的相依高斯随机场之极值的泛函极限定理等,获得了关于高斯过程及随机场之极值的一些极限性质,包括极限分布、尾渐近性、离散逼近、几乎处处渐近等. 同时,我们也获得了一定的研究技巧,形成一套可靠的研究方法,并用之研究了更一般的随机过程之极值的极限问题,从而从理论上完善极值理论的理论体系,并为极端风险防范和预警系统的建立提供一定的理论基础.

项目成果

期刊论文数量(15)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
On the maxima and sums of homogeneous Gaussian random fields
关于齐次高斯随机场的极大值和和
  • DOI:
    10.1016/j.spl.2017.01.026
  • 发表时间:
    2017
  • 期刊:
    Statistics & Probability Letters
  • 影响因子:
    0.8
  • 作者:
    Tan Zhongquan;Tang Linjun
  • 通讯作者:
    Tang Linjun
连续与离散时间Gauss次序统计过程的极值
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    中国科学:数学
  • 影响因子:
    --
  • 作者:
    谭中权
  • 通讯作者:
    谭中权
Limit laws on extremes of nonhomogeneous gaussian random fields
非齐次高斯随机场极值的极限定律
  • DOI:
    10.1017/jpr.2017.36
  • 发表时间:
    2017
  • 期刊:
    Journal of Applied Probability
  • 影响因子:
    1
  • 作者:
    Tan Zhongquan
  • 通讯作者:
    Tan Zhongquan
On maxima of chi-processes over threshold dependent grids
关于阈值相关网格上卡方过程的最大值
  • DOI:
    10.1080/02331888.2015.1083021
  • 发表时间:
    2016
  • 期刊:
    Statistics
  • 影响因子:
    1.9
  • 作者:
    Ling Chengxiu;Tan Zhongquan
  • 通讯作者:
    Tan Zhongquan
Almost sure limit theorem for the order statistics of stationary Gaussian sequences
平稳高斯序列阶统计量的几乎确定极限定理
  • DOI:
    10.1007/978-3-030-78642-7_53
  • 发表时间:
    2018
  • 期刊:
    Filomat
  • 影响因子:
    0.8
  • 作者:
    Chen Yang;Tan Zhongquan
  • 通讯作者:
    Tan Zhongquan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

连续与离散时间Gauss次序统计过程的极值
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    中国科学:数学
  • 影响因子:
    --
  • 作者:
    谭中权
  • 通讯作者:
    谭中权

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

谭中权的其他基金

高斯过程及相关随机场之极值的渐近性分析
  • 批准号:
    11326175
  • 批准年份:
    2013
  • 资助金额:
    3.0 万元
  • 项目类别:
    数学天元基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码