Beta回归模型基于EM算法的变量选择方法

本文针对响应变量取值为(0,1)区间上的比例数据研究Beta回归模型的贝叶斯变量选择方法。首先通过选取合适的先验分布,基于贝叶斯随机搜索和EM方法提出了参数的估计算法;然后根据回归系数相应的指示变量后验分布提出了重要变量选择的门限准则,所提方法具有易实施、快速计算等特点;最后通过研究中国上市公司股息率实际数据的影响因素以说明所提方法的有效性。     

完全贝叶斯分类器在经济数据分类中的应用

针对贝叶斯分类器分类强关联属性导致分类准确率下降的问题,提一种完全贝叶斯分类器合理利用属性间的依赖关系优化贝叶斯分类器,对参数进行动态调整组合,同时合理剔除无关属性.采用国内外知名数据库提供的数据,通过与其他分类器的对比实验,证明了完全贝叶斯分类器在宏观与微观经济数据分类中都获得了较好的分类效果.     

基于贝叶斯模型组合的随机森林预测方法

为了能够精准可靠地估计太阳能辐照度,本文提出一种基于贝叶斯模型组合的随机森林算法用于太阳能辐照度预测.首先,引入K-means聚类和K折交叉验证将气象数据训练集生成多个训练子集,以增加训练子集的多样性并保证均匀采样.其次,将随机森林作为基学习器建立集成学习预测模型,导入训练子集并训练各个随机森林.之后,依据各个随机森林在验证集上的预测性能,采用贝叶斯模型组合算法制定组合策略.个体随机森林在测试集上的预测值经过模型组合策略得到最终输出.最后,基于气象实测数据建立仿真实验,并引入其他四种预测方法进行对比仿真研究,通过实验结果验证了文中所提出预测方法在太阳能辐照度预测问题中的准确性和可靠性.     

地下水污染监测井优化设计及污染源识别

在地下水污染源识别过程中,针对监测井监测值信息量不充分或监测值与模型参数关联性较弱的问题,提出一种基于贝叶斯公式与信息熵的监测井优化方法.构建二维地下水溶质运移模型,并运用GMS软件进行数值求解.为减少监测井优化设计及污染源识别过程中反复调用数值模型的计算负荷,采用克里金法建立数值模型的替代模型.以信息熵作为优化指标,筛选出不同监测类型的最优监测方案,并以监测成本和反演精度为参考因素,选定相应监测方案,最后运用差分进化自适应Metropolis算法进行污染源识别.算例研究表明:7口监测井的克里金替代模型的决定系数均大于0.98,可较好地替代原数值模型.基于监测成本最小的方案1(3号单井),其信息熵为12.772;兼顾监测成本和反演精度的方案2(井(2,3)组合),其信息熵为9.723;基于反演精度较高的方案3(3井(2,3,5)组合),其信息熵为9.377.方案1到方案3参数后验分布范围及标准差均逐渐减小,验证了信息熵是参数后验分布不确定性的有效量度.     

震后城市路网关键路段识别

地震灾害会对城市路网带来结构破坏和功能失效,在震后初期资源有限的条件下,识别出路网中的关键路段以优先抢修,对恢复路网可靠性和提升救援效率至关重要.本文采用畅通可靠度作为衡量指标,结合交通需求和供给两个维度,构建评估城市路网抗震可靠性的贝叶斯网络模型,求解模型得到震后路网中的薄弱路段和重要路段,最后结合两者识别出震后路网中的关键路段,为决策管理部门提供震后应急救援和震前路网维护的理论依据.以某区域局部路网为示例,设定地震影响,定量分析该路网的抗震可靠性并识别出路网中的关键路段,验证该模型的可行性.     

基于故障树分析和贝叶斯网络方法的液压举升机构故障诊断

为应对液压举升机故障原因复杂,诊断方法准确性不高等问题,提出一种基于故障树和贝叶斯网络的液压举升机故障诊断方法。首先建立液压举升机构故障树,然后将故障树转换为贝叶斯网络,利用三角模糊函数表示举升机底事件发生概率,得到底事件模糊概率,将其做为先验概率计算叶节点发生概率,进而求得根节点后验概率以及概率重要度,可快速诊断出故障点。     

基于目标优化的自动驾驶决策规划系统自动化测试方法

利用仿真技术的场景测试方法已成为国内外研究热点,其中如何在大量场景中找到有价值的关键场景至关重要。针对上述问题,基于优化搜索算法提出了一种面向决策规划系统的关键场景自动化测试方法,能够克服传统场景测试方法的盲目性,提高测试效率。基于决策规划系统硬件在环测试平台,验证了该方法的有效性,并对比了不同搜索算法的关键场景生成效果。实验结果表明,贝叶斯优化算法和遗传算法相比于随机搜索算法产生危险关键场景的数量提高了3.3倍和2.5倍,配合自动化测试手段,方法能够有效提高场景测试效率。     

基于贝叶斯网络的林业碳汇项目风险评价

【目的】发展林业碳汇是应对气候变化的重要途径,随着我国碳交易市场的逐步建立与完善,林业碳汇项目开发受到广泛关注,发展前景良好,但也面临诸多不确定性与风险。基于贝叶斯网络原理,对林业碳汇项目进行系统风险评价,为项目风险管理提供参考。【方法】以中国核证自愿减排(China certified emission reduction,CCER)林业碳汇项目为研究对象,利用多领域林业碳汇专家知识,通过确定网络结构与计算风险参数,构建基于贝叶斯网络的林业碳汇项目风险评价模型。结合专家访谈和实地调研信息,确定林业碳汇项目风险清单,并在此基础上确定风险贝叶斯网络结构;根据专家对各类风险因子发生概率及影响大小的打分,利用熵权法计算风险因子权重,以此获得每位专家对于风险源及总风险的评价结果,得到贝叶斯网络运行的全部参数。利用构建的风险评价模型,测度CCER林业碳汇项目整体风险水平并判断各类风险的主要风险因子;考虑不同类型CCER林业碳汇项目的特征差异,对该风险评价模型进行适应性调整,纳入项目类型节点,通过贝叶斯网络的节点概率模拟功能,计算4类CCER林业碳汇项目的风险值,比较不同类型CCER林业碳汇项目的风险差异。【结果】①CCER林业碳汇项目整体风险值为1.932,四大类风险的风险水平由高到低分别为政策风险、市场风险、技术风险和自然风险,风险值分别为2.150、2.022、1.925、1.546;②CCER林业碳汇项目中政策风险的主要风险因子为林业碳汇交易规则变化、国家减排政策变化;市场风险的主要风险因子为劳动力价格上涨、土地租金上涨;技术风险的主要风险因子为项目未能获得签发、项目未能获得备案;自然风险的主要风险因子为病虫害、森林火灾;③不同类型CCER林业碳汇项目风险水平由高到低分别为碳汇造林项目、竹子造林项目、森林经营项目、竹林经营项目,风险值分别为2.221、2.121、1.954、1.705。【结论】贝叶斯网络能够综合考虑风险水平及风险影响关系两方面信息,在项目风险评价方面具有一定优势。当前条件下CCER林业碳汇项目风险水平中等,政策风险与市场风险相对较高,企业主体参与林业碳汇项目投资决策时,应密切关注碳汇市场相关政策变化,对项目风险进行科学评估;有关部门应注重降低政策不确定性引发的系统性风险,并提高碳汇市场的稳定性与活跃性;简化林业碳汇项目开发程序,以降低项目开发的交易成本。     

基于混合改进鸟群算法的贝叶斯网络结构学习

针对贝叶斯网络结构学习中寻优效率低下、易陷入局部最优的缺陷,提出了一种基于混合改进鸟群算法的贝叶斯网络结构学习算法.首先,通过互信息约束算法迭代初始网络;其次,改进鸟群算法,在经典鸟群算法中加入自适应惯性权重,随着迭代次数的增加动态调整搜索空间、改变收敛速度;最后,将改进的鸟群算法作为搜索策略,进行贝叶斯网络结构寻优.实验结果表明:改进的算法在寻优过程中不仅有较好的准确率和较快的收敛速度,而且具有良好的全局寻优能力.     

基于博弈策略的双无人机冲突解脱方法

针对无人机在空域飞行时完成冲突解脱所存在的消耗时间长、绕飞距离严重、机动次数多等问题,在2架无人机发生冲突的条件下,基于博弈论的知识,提出一种双无人机冲突解脱方法。首先,依据2架无人机的运动模型建立冲突探测模型,求出达到最小距离的时间公式,根据此公式反解出2架无人机改变的速度或航向值;其次,将鹰鸽博弈与贝叶斯博弈结合,以期望效用分析适合双方的解脱策略;最后,完成解脱后为减小航迹偏离等情况,无人机执行恢复策略恢复至初始状态。结果表明,与单机解脱相比,在解脱时间、绕飞距离、总飞行时间及总飞行距离方面的效果都有所改善。改进后的探测模型不仅能迅速计算出解脱策略改变值,而且在引入博弈策略后冲突双方可根据自身最大效益选择解脱策略,解决冲突解脱问题的方法简单有效,可以保证无人机在空域内发生冲突时能快速解脱。