基于Box-Cox变换的双层联合模型

应用两参数正态双卵模型,对反应时间数据建立了关于项目反应与反应时间的分层联合模型.利用Box-Cox变换,完成了基于马尔科夫链蒙特卡洛算法(MCMC)的贝叶斯方法参数估计;应用偏差信息准则(DIC)比较了不同模型对数据的拟合效果,验证了对反应时间数据做Box-Cox变换之后其正态性效果要明显优于对数变换.     

隐马尔科夫多元线性回归模型中未知隐状态个数的贝叶斯模型选择

针对隐马尔科夫模型在进行马尔科夫链蒙特卡洛方法(MCMC)迭代时隐状态向量不停改变的问题.首先,使用贝叶斯方法研究隐状态个数未知的隐马尔科夫多元线性回归模型,对偏差信息准则计算方法进行改进.其次,使用MCMC算法对模型进行后验模拟,计算模型的DIC值.最后,通过比较不同隐状态个数模型的DIC值实现了贝叶斯模型选择的目的.     

融合内外场退化数据的可靠性评估方法

针对性能退化过程服从Wiener过程的产品,文章运用贝叶斯统计推断法,提出了一种融合内场加速退化试验(accelerated degradation test,ADT)与外场退化信息的可靠性评估方法。考虑到内外场应力环境差异,提出了基于修正系数的Wiener过程双参数修正模型;建立了退化数据模型,得到各应力下分布参数估计值;将各加速应力下分布参数估计值折算到正常工作应力下,构成未知参数先验分布的数据样本;构建了外场退化数据下未知参数的后验分布函数,采用马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法,得到参数的后验分布均值。实例分析结果验证了该文方法的正确性。     

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.     

数控机床贝叶斯可靠性评估模型的综合评价方法

基于DIC(Deviance Information Criterion)信息准则、BGR(Brooks-Gelman-Rubin)诊断原理、蒙特卡洛仿真误差及模型参数和可靠性指标后验估计的区间长度,提出了数控机床贝叶斯可靠性模型的综合评价方法.给出了不同先验下用于Gibbs抽样的幂律过程模型参数的后验分布,并利用马尔科夫链蒙特卡洛法获得了模型参数和可靠性指标的贝叶斯点估计和区间估计.通过2个工程实例进行验证,结果表明,幂律过程模型各项评价指标均优于Weibull分布模型,适用于小样本故障数据数控机床的可靠性评估.     

混合非参数回归的贝叶斯推断

针对混合非参数回归问题, 给出了一种基于贝叶斯框架的推断方法. 在该方法中对每一个非参数混合成分用一个随机过程的有限维分布族作为先验, 同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计, 并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo, MCMC) 法抽样来进行后验推断. 数值模拟分别从样本量、回归曲线的相对位置和多分类情况 3 个角度进行. 模拟结果表明, 相较于全局期望最大化(global expectation maximalization)算法, 混合非参数回归的贝叶斯推断方法能够有效利用先验信息来提高模型的拟合和预测能力. 最后将混合非参数回归的贝叶斯推断方法应用于蚜虫与受感染烟草植物的实验, 同时解决了数据的聚类与回归拟合问题, 其有效性和适用性得证.     

一种基于非参数贝叶斯理论的语音增强算法

提出一种基于非参数贝叶斯理论的语音增强算法,在稀疏表示的框架下,把字典学习、稀疏系数表示和噪声方差估计融合成一个贝叶斯后验估计的过程,并利用Spike-Slab先验加强稀疏性.首先,将带噪语音分解为干净语音、高斯噪声和残余噪声3个子信号,分别对该3种子信号采用不同的先验概率模型表达,接着采用马尔科夫链-蒙特卡洛算法计算出3个模型中每个参数对应的后验概率,最后基于稀疏表示的框架重构出干净语音.实验数据使用NOIZEUS语音库,采用PESQ和SegSNR作为质量评价指标,分别在信噪比为0,5和10dB的高斯白噪声、火车噪声和街道噪声上验证了其可行性,并与多种常用语音增强方法进行对比,发现其在低信噪比非平稳噪声情况下的增强效果更为理想.     

基于Gibbs抽样门限自回归模型的参数估计

基于贝叶斯统计推断以及模型随机项的基本假设,通过门限自回归(TAR)模型各参数与总体的共轭先验分布,利用蒙特卡洛模拟(MCMC)算法和Gibbs抽样从各参数的后验分布抽样,用后验均值来估计TAR模型的待估参数.通过模拟实验进一步验证基于贝叶斯统计推断在TAR模型参数估计中的有效性.     

初值对2PLM下MCMC参数估计影响的评价

针对马尔科夫链蒙特卡洛(MCMC)做参数估计因初值不好而链长太长且耗时太久的缺陷,利用MonteCarlo模拟进行研究,结果发现:使用MCMC进行估计项目反应理论中2PLM的未知能力参数和项目参数,当样本量或项目量较大,且链长较短时,初值作用明显,比较准确的初值估计精度更高.这个发现可以在一定条件下,弥补MCMC耗时太久的缺陷.     

基于DAEM算法的风力发电并网系统概率潮流计算

针对基于加权高斯混合分布(WGMD,weighted Gaussian mixture distribution)构建风电场概率模型的方法中,EM(expectation maximization)算法由于其固有缺陷导致整个模型拟合精度降低的问题,提出基于DAEM(deterministic annealing expectation maximization)算法的风电场概率建模方法,并结合马尔科夫链蒙特卡洛(MCMC,Markov Chain Monte Carlo)模拟法进行风力发电并网系统概率潮流计算.DAEM算法通过引入退火机制,避免了在模型参数最大似然估计时,EM算法容易陷入局部最优的问题,使得风电场模型更加准确.在接有风电场的IEEE39节点系统中进行概率潮流计算,计算结果证明了所提算法的精确性和有效性.     

无粘结全预应力砼梁预应力损失的贝叶斯估计

提出了用于无粘结全预应力砼梁中预应力损失检测的贝叶斯概率法。研究了预应力筋在转动约束下自由振动特征,求得频率方程,以等效刚度的形式实现其在有限元中的建模。考虑测试结果的噪声影响和结构参数的随机性,利用自适应的马尔科夫链蒙特卡罗抽样技术(AM—MCMC)对梁的有限元模型进行了模型修正,构造出不相关的结构参数样本序列。在获取其后验分布统计特征的基础上预测了梁预应力损失的分布范围。数值模拟结果表明:AM—MCMC抽样技术确保了样本序列的混合能力。选择适当的抽样间隔可以减小样本序列之间的自相关性。对于不同的预应力水平,预测的预应力损失统计均值和试验值之间误差均小于6%。     

基于贝叶斯理论的多模型结构识别的试验研究

基于贝叶斯理论的抽样方法,对结构的多模型结构识别问题进行试验研究.采用基于贝叶斯理论的多模型结构识别的概念与基本框架,以及马尔科夫链-蒙特卡洛模拟(MCMC),建立了有限元模型库.针对MCMC在参数维度较高时不易收敛和计算效率低下等问题,提出了一种改进的MCMC抽样方法来进行多模型结构识别.利用Matlab-Strand7的交互访问技术(API)能够进行大型结构有限元模型的参数自动修正,在获得校验后的有限元模型库后,能基于有限元模型的后验概率分布进行预测.为了验证该理论的可行性和有效性,针对一根简支梁的数值算例和一座实际大跨钢管混凝土桁架系杆拱桥进行了基于贝叶斯理论的结构识别研究与响应评估,并使用传统的单模型结构识别方法——遗传算法(GA)进行对比分析,结果表明本文提出的基于贝叶斯理论的多模型结构识别方法能够更好地进行结构响应预测.     

数控机床不完全维修的贝叶斯可靠性评估

提出了在少样本故障数据情况下,数控机床不完全维修的贝叶斯可靠性评估方法,分析了广义更新过程虚龄模型参数的验前分布和后验分布,利用马尔科夫链蒙特卡洛仿真方法获得了模型参数、累计故障数、故障强度和可靠度等可靠性指标的贝叶斯点估计和区间估计,并分析了某一现场数控机床不完全维修的可靠性.结果表明,与极大似然估计方法相比,贝叶斯可靠性评估方法具有较高的精度.     

广义非线性模型的Bayes估计

针对广义非线性模型的参数估计问题,提出了从参数的条件后验分布中抽取观测值来估计参数值的Bayes估计法.利用贝叶斯统计分析中蒙特卡洛抽样方法中的M-H算法和Gibbs抽样算法相结合的混合算法进行分析,通过参数的条件后验分布抽取出每次迭代时的参数值,并利用参数的样本路径图和均值遍历图验证迭代时马尔科夫链的收敛性;计算马尔科夫链达到收敛后参数的后验均值得到参数的Bayes估计;通过对产品销售数据的实证分析,比较Bayes估计和极大似然估计的偏差,验证M-H算法和Gibbs抽样算法在对广义非线性模型的参数进行Bayes估计时的简洁性、有效性以及可行性.     

采用MCMC方法的上海股市随机波动模型

采用贝叶斯统计中的马尔科夫链-蒙特卡罗(MCMC)方法对上海股市的随机波动性进行研究,基于Gibbs抽样的MCMC数值计算过程,对上海股市的随机波动率模型(SV)进行参数估计,并在WinBUGS软件中实现.根据信息判别准则(DIC),对比拟合的SV-N,SV-T,SV-MT模型参数,结果表明:SV-T模型最能反映上海股市波动具有尖峰厚尾的特性,可进一步用于预测样本外的波动率结果.     

基于藤Copula-SV模型的金融资产间相关性研究

在金融市场多元化的背景下,研究各市场间的相关性对风险控制及投资组合问题有着巨大的帮助。研究了标普500指数、道琼斯工业指数、恒生指数、日经225指数、沪深300指数之间的相关性结构。选取这5个股指的日收益率序列,用SV-N(1)模型与SV-t(1)模型拟合其分布,再采用马尔科夫链蒙特卡罗(MCMC)方法估计参数。在C藤和D藤结构下,选取Clayton pair-copula、t pair-copula、SJC pair-copula模型刻画市场间的相关关系。结果表明,SV-N(1)模型下基于D藤的t pair-copula能较好地刻画所研究市场间尾部对称的相关性。     

MCMC方法在估计二元随机波动率模型中的应用

金融数据的波动性一直是经济学研究的热点问题之一,随机波动率模型(SV)在波动率建模中有着重要的应用.马尔科夫链蒙特卡罗(MCMC)方法是估计参数的一种有效方法,给出估计一类二元SV模型参数的MCMC算法,并通过WinBUGS软件编程实现了该算法.文章最后给出了模型和程序的一个实际应用.     

基于MCMC稳态模拟的Weibull共享异质性模型及其可靠性应用

针对传统假设中个体寿命独立同分布的不足，构建了贝叶斯Weibull共享异质性模型，提出了对寿命服从Weibull分布的产品，运用基于Gibbs抽样的马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法动态模拟出参数后验分布的马尔可夫链，在异质性因子的先验分布为Gamma分布时，给出随机截尾条件下，参数在Weibull共享异质性模型中的贝叶斯估计，提高了计算的精度。借助数据仿真说明了利用WinBUGS (Bayesian inference using Gibbs samp     

基于贝叶斯推断的脉冲星偏振位置角拟合算法

脉冲星辐射束的偏振位置角与相位的关系可用旋转矢量模型(RVM)描述,现有的Levenberg-Marquardt非线性拟合和格点搜寻算法对RVM的拟合存在效率低、易过拟合等问题。本文发展了一套基于贝叶斯推断的马尔可夫链蒙特卡洛算法(MCMC),并用该方法对已有文献中的10颗脉冲星偏振位置角进行了拟合。结果表明,MCMC算法不仅能得到与已有文献一致的结果,而且该算法具有高效、不易过拟合、能更好地估计参数的可信度区间等优点。     

Ca_(v1.2)离子通道马尔科夫随机过程模型的建立与应用

针对Ca_(v1.2)离子通道在功能细胞的Ca~(2+)代谢循环中起着关键作用,并且在细胞交互环境下受到多种因素的调控从而表现出的复杂门控行为,基于现有的Ca_(v1.2)结构信息,提出了改进的连续时间7态马尔科夫随机过程模型。首先抽象出7个通道状态来表征Ca_(v1.2)离子通道的有限构象变化,包括电压相关失活(VDI)和Ca~(2+)相关失活(CDI);其次应用相关实验数据求解7个状态间迁移速率函数的参数,即在贝叶斯框架下利用JAGS软件包,实现蒙特卡洛马尔可夫链(MCMC)算法对参数的后验分布进行Gibbs抽样。最后,将通道随机模型分别应用于描述小空间中Ca~(2+)瞬态行为的随机偏微分方程和Ca_(v1.2)离子通道G406R/G432N突变引发的电生理变化。计算结果表明:改进的Ca_(v1.2)马尔科夫模型不仅在宏观水平上与广泛的电生理实验结果有较好的吻合,而且在心肌细胞微结构以及通道基因的病理研究领域中具有较好的预测性。