三峡库区滑坡土体抗剪强度参数相关性构建的最优Copula函数

Copula函数是一种将联合分布函数与各自边缘分布函数连接在一起的函数,已经成功应用在多个领域.本文为了研究表征抗剪强度参数间相关性的二维Copula函数分布模型最优化识别,在收集的滑坡土体参数基础上,采用K-S检验法确定了抗剪强度参数的最优边缘分布模型,并利用最小平方欧式距离识别出表征抗剪强度参数间相关结构最优的Copula函数.结果表明:Copula函数是构造土体抗剪强度参数c、φ之间联合分布函数的一种有效方法;基于核密度参数估计值的Gaussian Copula函数具有更好地描述参数间相关性的能力,构造方法具有计算简单、适用范围广以及能更好地模拟原始参数间相关性等优点,建议优先采用.该方法应基于监测数据计算后进行Copula函数选择,为工程计算参数选取提供一种新的途径.     

Copula函数的选择及股票市场的相关性研究

Copula函数能够完整地刻画变量间的相关关系,在股票市场中用Copula函数来描述股票之间的相关性被广泛应用.本文从6种Copula模型入手,对基于参数自助的似然准则检验方法和基于参数自助的拟合优度检验方法进行了对比分析,研究其在模型选择上的准确性,并将其应用到平安银行和交通银行两支股票中,发现与模拟结果相一致.     

基于Copula方法的干旱历时和烈度的联合概率分析

采用自回归马尔可夫模型来延长干旱数据,以解决干旱数据短缺的问题,在此基础上获取长序列干旱数据;应用Copula方法模拟干旱历时和干旱烈度之间的相依关系,并用自助抽样法检验Copula函数的拟合效果;最后得出边际分布分别为皮尔逊Ⅲ型和伽马函数的两元联合分布,并计算干旱历时和干旱烈度的联合分布概率.模拟结果表明,Clayton Copula能较好地模拟两变量之间的相依关系.根据Copula联结函数来模拟水文干旱极限事件,可考虑水文干旱极限事件不同变量之间的相依性,方法简单合理,可成为水文干旱极限分析的一个有效工具.     

基于Copula方法的股票风险的相依性分析

相依性分析在多变量随机分析研究中一直属于前沿问题,研究金融市场各股票之间的相依性,对于分析股票市场的相依性结构以及投资市场的投资组合风险有着重要的意义.选用Copula函数理论对雅虎财经数据中心的上海电力和中国石油股票日收益率数据进行数据拟合,利用核密度估计方法对股票市场估计边缘分布,结合平方欧式距离选取最优Copula函数.运用了Copula函数理论建立股票市场的相关性结构模型,更好地模拟上海电力和中国石油两股市的日收益率的观测数据.     

Nash模型参数不确定性分析及概率洪水预报

针对通常水文预报过程参数的不确定性问题,利用贝叶斯理论,结合自适应采样的马尔可夫链蒙特卡罗方法来研究Nash模型参数的不确定性,并进行概率洪水预报。实例研究表明,该方法能充分利用已知的后验信息获取Nash模型参数的不确定性,得到其后验分布。根据获得的参数后验分布可实现概率洪水预报,同时给出各时刻洪水流量的均值和方差的预报值,为估计各种防洪决策的风险提供了依据。     

岩土热响应试验不确定性研究及敏感性分析

针对岩土热响应试验数据处理中的不确定性问题,开发了柱热源传热模型数值反演解与信赖域反射优化算法相结合的地下岩土热物性参数估计程序.该程序能够有效地避免求解过程陷入局部最优解,并为后续不确定性研究提供底层模型.对地埋管进出水温度、热传输功率、地下原始温度等模型输入参数的不确定性通过查阅文献、理论思考和基于专业经验的假设进行合理量化,采用Monte Carlo方法进行模拟,将热响应试验的模型输入参数不确定性传播到输出参数评估结果中,得到了地下岩土导热系数与钻孔热阻之间的二元联合分布,并使用Copula函数进行复现.最后对传热模型中影响温度输出的可变参数进行Lasso敏感性分析,证明导热系数与热阻的影响最大.     

基于贝叶斯理论的TOPMODEL参数不确定性分析

应用贝叶斯理论探讨了流域水文模型参数及预报不确定性问题.通过Monte-Carlo途径确定TOPMODEL模型的敏感参数,采用MCMC抽样技术估计敏感参数的后验概率密度分布,并根据参数的抽样系列构造水文模型预报值的经验分布,据此对模型参数的不确定性及其对水文预报结果的影响进行评价.以浙江密赛流域为例进行了应用研究,提供了模型参数及预报结果不确定性的定量分析结果.     

组合风险的重要性抽样方法

针对资产组合的市场风险或信用风险的任意边际分布的Gaussian Copula模型,首先将损失转化成高维正态分布的函数,然后对该模型进行重要性采样蒙特卡罗模拟以提高模拟效率,并分别使用牛顿法和基于大偏差理论估计测度变换的系数,并在此基础上提出了常数凝固估计法.数值实验表明,提出的算法与通常的蒙特卡罗方法相比,大大减小了模拟误差,从而提高了计算效率.     

基于Copula理论和非参数极值估计在上下游水位的相关性分析应用

基于Copula函数的理论对非参数极值Copula进行改进,使其满足顶点约束;结合时变Copula理论,给出时变Copula函数的非参数极值估计;最后采用新的方法,对径流上游夹河滩水位和下游高村水位的相关性进行分析验证,体现了时变Copula的非参数极值估计在刻画随机变量相关性方面更优越、合理,具有一定的实际参考价值。     

基于Archimedean Copula函数淮河月径流的随机模拟

以淮河干流蚌埠站64a(1950—2013年)的月径流资料为例,研究Archimedean Copula函数在月径流随机模拟中的应用.先利用4种一维分布函数对每个月径流进行单变量的分布拟合,再利用3种二维Archimedean Copula函数进行相邻月份的联合分布拟合,并对一维分布函数及二维联合分布函数的拟合优度进行判断,以确定拟合效果最优的边缘分布函数和二维Copula函数.基于选定的Copula函数,结合Gibbs采样实现月径流随机模拟,通过比较实测与模拟月径流对该方法进行验证.研究结果表明,Archimedean Copula函数结合Gibbs采样可有效建立相邻月份间的相关性结构,为水文水资源随机模拟提供一种新的途径.     

基于FBCREAM方法的飞机驾驶人因可靠性评估模型

飞机驾驶人为差错是导致飞行不安全事件/事故的重要因素之一,为有效预测飞机驾驶人因可靠性,减少人为差错,确保飞行安全,提出一种基于FBCREAM方法的飞机驾驶人因可靠性评估模型。考虑飞机驾驶的情境环境及人因特征,调整原始认知可靠性与失误分析方法（CREAM）中的人为差错形成条件使其更合理地表征驾驶舱中飞行员工作情境。引入模糊逻辑方法,利用隶属函数对人为差错形成条件的不确定性和模糊性进行建模。以人为差错形成条件的隶属度为输入参数,人为差错模式隶属度为输出构建贝叶斯网络模型,通过解模糊化方法计算人为差错概率精确值。选取单发故障情境环境下执行飞行任务进行实例分析,结果表明该方法能够准确评估飞机故障情境环境下的飞机驾驶人因可靠性,可为航空安全评估提供有效的工具和重要支持。     

船舶结构腐蚀检测及腐蚀模型不确定性分析

针对经典的概率论不能有效地处理检测概率的参数不确定性问题，提出了定量分析检测概率参数不确定性问题的贝叶斯方法，并以威布尔分布形式的检测概率为例，推导了量化参数不确定性的放大系数的计算公式。针对传统的数据分析法及专家判断法不能分析模型不确定性更新问题，基于无损检测信息采用贝叶斯更新方法量化了检测概率分布函数的统计模型不确定性，得到了检测概率统计模型权重的后验概率及相应的分布参数的后验概率密度函数。最后提出了分析船体结构腐蚀多层次模型不确定性问题的全概率模型法，并用算例证明了所提方法的有效性。     

基于贝叶斯推理的乘员约束系统参数识别

为了克服测量响应的不确定性给乘员约束系统参数识别带来的困难,利用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)采样和近似模型构造技术,提出一种基于贝叶斯推理的乘员约束系统不确定性参数识别方法.该方法结合约束系统参数的先验分布和测量响应,通过马尔科夫链在未知参数联合概率密度空间进行抽样,从而获得了织带刚度缩放系数和质量流率缩放系数的后验边缘概率密度函数.识别结果表明,相比于传统确定性识别方法,基于贝叶斯推理的不确定性参数识别方法不仅能有效给出乘员约束系统参数的概率分布,而且能够保证参数寻优的全局收敛性.     

数据不确定条件下安全仪表系统SIL等级验证方法研究

为减小数据缺失或数据不确定对安全完整性等级(SIL)验证结果的影响,引入基于有限差分法的参数重要度评估方法,分别对低要求操作模式及高要求操作模式下的多个典型冗余结构进行参数重要度计算,对SIL验证所需参数进行重要度排序,并通过Monte-Carlo方法对重要参数进行仿真,建立数据不确定条件下的SIL验证评估方法,并以某分液系统为例进行SIL验证。结果表明:该数据不确定性条件下的SIL验证方法能够结合工程实际完成安全仪表系统的SIL等级评估,并能有效减小数据缺乏等不确定性因素对SIL验证结果的影响。     

基于信息熵识别油气层和水层的聚类方法

简要地介绍了不确定性、信息熵、联合熵、条件熵、互信息的基本概念。将地层含有某种流体属性(如油层)的特征参数的概率分布应用于联合熵中,提出其概率分布是特征参数X与流体的特征参数Y的距离函数,再用熵与条件熵之差计算得到的互信息去识别地层的流体属性,即提出了基于信息熵识别油气层和水层的聚类方法。利用实际测井资料提取了油气层和水层的特征参数,并利用聚类方法识别出油气层和水层。识别结果与试油结论相符。该聚类方法不仅可用于识别油气层和水层,还可推广应用于划分地层岩性等领域。     

电网可靠性概率分布的参数不确定性辨识

元件可靠性参数受元件类型、运行时间、气候条件等诸多因素影响而具有不确定性,电网可靠性指标本质上也是一种随机变量。笔者从电网可靠性指标的概率分布计算以及其变动规律受参数不确定性影响的角度开展辨识研究,为探索参数不确定性对电网可靠性评估影响提供工程实用参考。在双循环蒙特卡洛模拟法的基础上提出了点估计法,为进一步提高计算效率,提出了改进序贯蒙特卡洛模拟法,并详细讨论了它们的原理及优缺点。评估结果表明：3种方法计算结果比较接近,但改进蒙特卡洛模拟法的计算效率最高,点估计法次之。通过对IEEE-RTS 79系统的评估分析,验证了改进序贯蒙特卡洛模拟法的实用性和有效性。     

基于SSA-VMD-LSTM-NKDE的短期风电功率概率预测

为进一步提高风电功率预测精度,提出一种基于麻雀搜索算法(SSA)优化VMD参数的组合预测方法。首先,使用麻雀搜索算法对VMD参数进行优化,并利用优化后的VMD对数据进行分解;其次,结合灰色关联分析法和熵权法对环境变量进行相关性分析,选择相关性最高的影响因素与分解得到的各模态分量组合作为LSTM预测模型的输入,获得更为精确的预测结果;最后,建立基于非参数核密度估计(NKDE)的风电功率概率预测模型,实现对风电功率预测结果不确定性的有效量化。结果表明,所提组合模型的MAE,RMSE和MAPE比VMD-LSTM模型的分别下降了39.51%,33.22%和40.39%。SSA-VMD-LSTM-NKDE组合模型不仅能够有效提高确定性预测的精度,而且还能够实现对风电功率预测结果不确定性的有效量化,为风电功率预测提供了科学决策依据。     

基于非成像模型的摄像机校准方法

作为摄影测量关键部件的摄像机,其校准精确度直接影响了整个测量系统的测量不确定度．通过对常规摄像机校准技术的研究,发现基于内参数成像模型的校准方法会因为内参数综合优化的相关性干扰和非线性求解的不确定性使校准的畸变参数不稳定,且无法修正由镜头透镜组制造中的曲率变化非连续平滑等造成的非模型化畸变．结合航空摄影测量光学实验室方法与垂线法,以摄像机的成像原理为依据提出基于非成像模型的校准方法,以实现逐像元（甚至亚像素级）畸变的细化修正．实验表明,该校准方法的角度测量精度为±5″,系统不确定度为10×10-6,并可适用于所有的相机和镜头．     

非嵌入式多项式混沌方法在电磁模型验证与确认中的应用

针对电磁模型验证与确认的量化分析方法进行研究.采用非嵌入式多项式混沌方法研究电磁模型仿真输入参数不确定引起的相关输出响应量的不确定度.在详细阐述了此方法的数学原理及实现步骤的基础上,数值结果验证了非嵌入式多项式混沌法可以为电磁模型输入参数的不确定性对响应量的影响建立一种有效的不确定度传播及量化方法.针对带孔缝结构的机箱模型,采用非嵌入式混沌多项式方法研究了电磁波入射角度的不确定性对机箱中心点电场幅值的影响,在此基础上结合特征选择评估方法（feature selective validation,FSV）依据实际测量值对此电磁模型进行度量评估,最终给出评估等级.结果表明,机箱模型的评估为优异.      

Bayesian-combined wavelet regressive modeling for hydrologic time series forecasting

Wavelet regression (WR) models are used commonly for hydrologic time series forecasting, but they could not consider uncertainty evaluation. In this paper the AM-MCMC (adaptive Metropolis-Markov chain Monte Carlo) algorithm was employed to wavelet regressive modeling processes, and a model called AM-MCMC-WR was proposed for hydrologic time series forecasting. The AM-MCMC algorithm is used to estimate parameters’ uncertainty in WR model, based on which probabilistic forecasting of hydrologic time series can be done. Results of two runoff data at the Huaihe River watershed indicate the identical performances of AM-MCMC-WR and WR models in gaining optimal forecasting result, but they perform better than linear regression models. Differing from the WR model, probabilistic forecasting results can be gained by the proposed model, and uncertainty can be described using proper credible interval. In summary, parameters in WR models generally follow normal probability distribution; series’ correlation characters determine the optimal parameters values, and further determine the uncertain degrees and sensitivities of parameters; more uncertain parameters would lead to more uncertain forecasting results and hard predictability of hydrologic time series.