一类特殊随机截尾试验下指数分布的参数估计

利用极大似然法(ML)和EM算法研究了一类特殊随机截尾试验下指数分布参数的极大似然估计和渐进置信区间.给出了参数的EM迭代公式,根据缺损信息原则得到了Fisher观察信息,构造了参数的bootstrap置信区间.随机模拟的结果表明:估计的精度较高,ML法和EM算法几乎一样,渐进置信区间和bootstrap置信区间的差别不大.     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

基于混合不确定性和证据理论的再制造生产计划

提出了基于混合不确定性和证据理论的生产计划研究方法.首先在分析再制造工艺流程的基础上,考虑再制造过程中的随机参数和模糊参数,建立以利润最大化为目标的多周期混合不确定规划模型;然后对不同截集水平下的模糊参数,采用随机仿真规划寻优,得到各个截集水平的最优解截集区间;最后采用证据理论并结合仿真结果,获得优化目标值及其置信区间分布. 基于所提出的模型和算法完成再制造生产计划案例研究. 结果表明,该方法可以得到满意的再制造生产计划和利润最大化条件下的可再制造率区间.     

两参数Lomax分布中参数的区间估计和假设检验

研究了两参数Lomax分布参数的区间估计和假设检验问题.分别在形状参数和尺度参数已知的情形下,给出了尺度参数、形状参数的置信区间和假设检验的拒绝域以及p分位数的置信区间,并运用随机模拟的方法分别对2个参数进行了统计分析.     

Beta分布的最短置信区间的粒子群优化算法

据置信区间的含义和Beta分布的特性,最短置信区间问题转化成非线性规划问题。给出了粒子群优化算法解决此问题的方法,通过数值计算,对于给定的置信度0.90和0.95,在样本容量从3到30的范围内,求得了一类特殊的Beta分布参数的区间估计。并对通常方法求得的置信区间的长度与最短置信区间的长度进行了对比分析。结果表明,用最短置信区间来作未知参数的区间估计,将会使估计精度得到显著的提高。     

逐步Ⅱ型混合截尾下Lomax分布多部件应力强度模型的可靠性分析

基于逐步Ⅱ型混合截尾样本,研究Lomax分布多部件应力强度模型的可靠性分析问题。假设应力和强度具有不同形状参数和共同尺度参数,利用极大似然理论及迭代方法获得可靠度函数的极大似然估计(MLE),并给出渐近置信区间;然后,运用贝叶斯理论,借助Tierney-Kadane(TK)近似方法、MCMC算法,讨论平方误差损失函数下未知参数及可靠度的贝叶斯估计,给出其最大后验密度可信区间(HPD);最后,利用Monte-Carlo模拟方法对估计结果进行对比分析。模拟结果显示：贝叶斯估计整体上优于极大似然估计,并且随样本量的增大,2种估计的均方误差(MSE)均逐渐减小,HPD可信区间的效果优于渐近置信区间。     

非对称损失下正态均值的区间估计

考虑非对称损失下正态均值的区间估计, 在位置变换群下给出容许的最优同变置信区间, 其为通常置信区间的推广. 同时, 利用估计问题中对序限制下参数估计量的改进方法, 结合分布参数之间的序限制改进了所得的最优同变置信区间, 构造了一族改进置信区间.     

右删失左截断数据下离散威布尔分布的参数估计

研究了右删失左截断数据模型下离散威布尔分布参数的极大似然估计和渐近置信区间.介绍了参数估计的牛顿迭代方法和EM算法,给出了参数的渐近置信区间.随机模拟的结果表明,牛顿迭代方法和EM算法得到的参数估计结果差别不大.     

双参数指数分布尺度参数的区间估计

在位置参数未知的条件下,尺度参数区间估计通常仅依赖于自身的充分统计量,本文根据Pitman准则下点估计改进的方法,将尺度参数区间估计做进一步改进,使得改进后的置信区间又综合了位置参数包含的信息,这样所确定的置信区间在置信水平和精确度上都有了提高.     

用非线性规划证明最短置信区间存在性与唯一性

参数的区间估计是根据枢轴量的分布,在一定可靠度下指出被估计的总体参数所在的可能范围.衡量一个区间估计的优良性有两点,一是置信水平α(0<α<1),另一是区间的长度,通常的做法是对给定的置信水平α(如α=0.05或α=0.01)求出相应的置信区间,区间长度越短说明对参数的估计越准确.讨论了最短置信区间存在和唯一性以及最优置信区间的确定.     

随机有限元在结构可靠性分析中的应用

本文假定随机变量呈正态分布，采用一阶摄动建立了适合工程结构可靠性分析的随机有限元方程，具有对原始数据采集要求低、程序设计简便、可充分利用通常的有限元结构分析成果等优点。     

银川地区建筑地基沉降计算经验系数取值研究

为获得适合银川地区的建筑地基沉降计算经验系数,选取银川地区的多处工程场地,采用分层总和法和有限元软件ADINA分别计算地基最终沉降量,对比沉降计算结果并分析两种方法的差异;将理论计算的结果对比建筑地基实测平均沉降量,得出沉降计算经验系数,在置信度为95%的条件下,采用Bootstrap法推断出两种方法对应的沉降计算经验系数的置信区间分别为[0.090, 0.142]和[0.055, 0.092],该沉降经验系数置信区间的获得可为银川地区岩土工程技术人员提供参考和借鉴。     

静力问题及应力影响函数的重分析方法

本文针对有限元结构的数值计算，为获得较高的计算效率和良好的数值解而引入了重分析方法。静力分析和应力影响函数求解分属于一个工程结构问题的不同侧面。结构的应力影响函数的机动算法，是将某一关心单元的关心应力分量的影响函数的求解，转化为在一个特定荷载下的结构位移场的求解，从而等价于一种静力问题。根据工程要求，在所关心的最不利受载处或最危险截面或是影响函数变化剧烈的关心单元附近，进行局部网格细分后重新分析，     

斜齿轮轮齿三维有限元网格自动生成及细化

有限元网洛的自动生成是有限元方法在工程中应用的重要前提。斜齿轮三维有限元网格的自动生成是十分困难和复杂的。文中根据渐开线齿轮形状持证提出了一种斜齿轮轮齿三维有限元网格自动生成的方法，并可以对生成的网格进行细化。该方法简单实用。用它编制了相应的计算机程序，只需输入齿轮的基本参数，便可以得到轮齿三维有限元网格的有关数据文件。这些文件可直接用于通用有限元软件，极大地简化了斜齿轮有限元建模过程。     

基于响应功率谱灵敏度分析的幕墙拉索损伤检测

幕墙拉索是重要的工程构件,为解决幕墙拉索的损伤检测问题,从弦的强迫振动方程出发,建立了其相应的有限元运动方程。将幕墙拉索的局部损伤模拟为弦单元面积的减少,利用随机振动的虚拟激励法,得到平稳随机激励下结构响应的功率谱密度函数对弦单元面积的灵敏度,采用有限元模型修正实现幕墙拉索的损伤识别。数值算例表明,仅利用有限的几个传感器的频域数据,就能够较好地识别幕墙拉索损伤,并且对模拟的人工噪声不敏感,具有一定的工程实用前景。     

不连续岩体数值分析的超级有限元法

本文论述了利用超级元法对不连续岩体进行数值分析的方法。超级元法把要进行分析的工程岩体划分成为数不多的若干个超级单元，每个超级单元中可以包括各种不同类型的结构单元，而总体刚度矩阵的规模大大减少，从而使得在大型岩体工程的分析中考虑各种类型的节理、裂隙的影响成为可能．     

用几何法求构件的可靠指标

本文所介绍的计算结构可靠指标的几何法既适用于随机变量为正态分布、对数正态分布及极值Ⅰ型等分布情况,也适用于基本随机变量相关的情况.该法将各种分布的随机变量转化成标准正态变量,然后用迭代法求解.几何法与过去常用求可靠指标的一次二阶矩法相比,具有迭代次数少、收敛快、精度高的优点,并在计算出可靠指标的同时,求出设计验算点值.当进一步研究随机有限元和结构系统的可靠度时,需对结构反复进行分析,有时需多次求可靠指标,这时,用几何法求解将更合适.     

混凝土坝材料参数区间反演分析方法

为了充分考虑不确定性信息对大坝结构力学参数反演结果的影响,利用区间分析方法,依据大坝原型观测数据和有限元数值计算成果,构建了大坝变形区间监控模型.基于此模型,探讨了反演混凝土坝坝体、坝基弹性模量、线膨胀系数等的原理、算法等.实例分析表明,区间分析方法能充分考虑参数反演过程中的多种不确定性,可避免复杂的区间有限元计算,其形式比较简单,效率较高,能方便地应用于实际工程.     

随机参数结构动力响应的统计特性

本文用矩阵摄动法将随机参数结构的动力响应基本方程转换成容易求解的形式，导出了响应量统计特性计算公式，编制了相应的计算机程序。与ＭｏｎｔｅＣａｒｌｏ法和普通随机有限元法相比，本文所介绍的算法具有对原始信息量要求较少，计算量少，便于工程应用的特点。     

有限元法在骨科器械和植入物中的应用综述

随着越来越多的骨科器械和植入物用于治疗受损的人体关节等组织,有限元分析法也在骨科工程领域有着更加广泛的应用。有限元分析法可以将复杂的结构划分为相互作用的小单元,进一步反映整体结构的应力、应变。基于有限元分析法在骨科器械和植入物方面的应用背景,归纳整理了有限元法在建模过程、植入物的材料结构选择、植入物的入路方式等方面的应用研究进展,对有限元分析法在骨科工程中的应用前景进行展望,并指出目前存在的不足,以期为骨科移植术前、术中、术后提供参考依据。