加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

四川盆地碳酸盐岩源岩气地质特征与勘探前景

充分利用露头、岩芯、岩屑等原始样品，通过薄片观察、物性分析、扫描电镜、X射线衍射及同位素分析等实验方法，结合测井资料、地震剖面解释等进行研究，从碳酸盐岩源岩气地球化学评价参数和指标厘定入手，以南川区带高产稳产气藏为实例，深入解剖四川盆地茅口组一段碳酸盐岩源岩的岩矿、物性、电性、含气性及生烃潜力，探讨了表生沉积环境、早期成岩作用等因素对碳酸盐岩源岩气储层的影响，尤其是富镁黏土矿物黑滑石在碳酸盐岩中有机质富集、碳酸盐岩气成生和聚集的积极作用，进一步明确气藏高产稳产的主控因素，落实“甜点段”的特征和分布，指明了该领域勘探开发的前景。     

准噶尔盆地乌伦古坳陷中南部石炭系烃源岩生烃潜力分析

目前已在准噶尔盆地乌伦古坳陷石炭系、二叠系、三叠系和侏罗系等发现了工业油气流或油气显示，这些油气主要来源于石炭系烃源岩。但目前研究区石炭系有效烃源岩分布及生烃演化特征不清楚。笔者对比分析了研究区石炭系不同层段、不同岩性类型烃源岩的生烃潜力和热演化特征。结果表明：巴塔玛依内山组凝灰质泥岩、泥岩和姜巴斯套组炭质泥岩有机质丰度较高，有机质类型以Ⅱ2—Ⅲ型为主，处于成熟—过成熟演化阶段，具有倾气性特征。综合应用地球化学实验数据得出姜巴斯套组烃源岩都是有效气源岩，而目前钻井揭示巴塔玛依内山组烃源岩成熟度偏低，未能达到有效气源岩的标准。通过系统对比研究区与滴水泉凹陷石炭系烃源岩地球化学参数，认识到两地区具有高度相似性。可见准噶尔盆地乌伦古坳陷中南部石炭系姜巴斯套组是一套极具潜力的烃源岩，为下一步油气勘探指明方向。     

数控机床故障分析与可靠性评价技术的研究

针对传统数控机床可靠性建模时只考虑故障间隔时间而忽略故障性质的现象，提出兼顾机械故障和电气故障的混合威布尔分布模型，进而提高模型准确度.利用最大似然法来确定混合威布尔分布模型参数，用皮尔逊相关系数来确定数控机床各故障时间之间的关系.并通过K-S方法对模型进行检验， 最后确定其符合混合威布尔分布，并运用可靠性评定方法得出数控机床的平均无故障时间.     

改进模型估计与平差的多幅异源影像匹配方法

针对多幅异源影像匹配准确性不高的问题，提出了一种改进模型估计与平差的多幅异源影像匹配方法。首先利用基于快速自适应鲁棒性尺度不变的特征检测子与鲁棒性交叠的标准特征描述子，来增强特征匹配的鲁棒性；然后提出改进的随机抽样一致性算法，来提高模型估计的执行效率，同时保证鲁棒性；最后提出针对多幅异源影像匹配的平差方法，来优化异源匹配结果。实验结果表明，在异源影像存在较大差异的情况下，改进模型估计与平差的多幅异源影像匹配方法具有精度高的优势。      

KL油田沙三下亚段混合沉积特征及演化

针对目前莱州湾凹陷南斜坡带KL油田沙河街组三段下亚段陆源碎屑与碳酸盐岩混合沉积形成条件、沉积特征及模式认识程度较低的问题，利用该区壁芯、薄片及扫描电镜等资料，结合构造演化、古气候和古地貌背景，在层序格架约束下研究沉积环境，分析其沉积特征。结果表明，研究区发育混合沉积，形成于宽缓斜坡、亚热带湿润气候，兼具湖平面、物源、水动力条件周期性变化等条件；该混合沉积包括相缘渐变混合与原地混合两种沉积类型，互层式和组分式两种混合模式，以及4种混合样式。两种混合沉积类型沉积机理不同，混合模式及组合样式表现较大差异，因而具有不同的储层微观特征。     

Google Trends and the forecasting performance of exchange rate models

In this paper, we use Google Trends data for exchange rate forecasting in the context of a broad literature review that ties the exchange rate movements with macroeconomic fundamentals. The sample covers 11 OECD countries’ exchange rates for the period from January 2004 to June 2014. In out‐of‐sample forecasting of monthly returns on exchange rates, our findings indicate that the Google Trends search query data do a better job than the structural models in predicting the true direction of changes in nominal exchange rates. We also observed that Google Trends‐based forecasts are better at picking up the direction of the changes in the monthly nominal exchange rates after the Great Recession era (2008–2009). Based on the Clark and West inference procedure of equal predictive accuracy testing, we found that the relative performance of Google Trends‐based exchange rate predictions against the null of a random walk model is no worse than the purchasing power parity model. On the other hand, although the monetary model fundamentals could beat the random walk null only in one out of 11 currency pairs, with Google Trends predictors we found evidence of better performance for five currency pairs. We believe that these findings necessitate further research in this area to investigate the extravalue one can get from Google search query data.     

辉绿岩单轴及常规三轴压缩下力学特性试验研究

为了分析坚硬脆性岩石在单轴及常规三轴压缩条件下的强度和变形特性,通过在TAW-2000微机控制电液伺服试验机上对辉绿岩进行单轴及常规三轴压缩试验,主要分析辉绿岩在围压为1、3、5、10 MPa时基本物理力学参数的离散程度,其弹性模量的离散程度指标值较小,在0.27%～3.49%波动,能较好地表征辉绿岩的变形特性。试验结果表明:随着围压的增大,岩石峰值应变和残余应变均表现出显著的线性增长关系,可采用一次函数形式拟合,弹性模量、变形模量和泊松比均表现出较明显的非线性增长关系,可采用幂函数形式进行拟合,但并不会随着围压的增大而无限增大,而是趋于一个稳定值,这一规律为实际工程中不同地应力条件下准确选取弹性模量、泊松比等参数提供理论基础;随着围压的增大,岩石的峰值强度和残余强度均呈现出较显著的线性增长关系,可采用一次函数形式拟合,并计算出黏聚力和内摩擦角,为岩石工程设计时强度参数的选择提供参考依据。     

A Time‐Simultaneous Prediction Box for a Multivariate Time Series

A sample‐based method in Kolsrud (Journal of Forecasting 2007; 26 (3): 171–188) for the construction of a time‐simultaneous prediction band for a univariate time series is extended to produce a variable‐ and time‐simultaneous prediction box for a multivariate time series. A measure of distance based on the L_∞ ‐norm is applied to a learning sample of multivariate time trajectories, which can be mean‐ and/or variance‐nonstationary. Based on the ranking of distances to the centre of the sample, a subsample of the most central multivariate trajectories is selected. A prediction box is constructed by circumscribing the subsample with a hyperrectangle. The fraction of central trajectories selected into the subsample can be calibrated by bootstrap such that the expected coverage of the box equals a prescribed nominal level. The method is related to the concept of data depth, and thence modified to increase coverage. Applications to simulated and empirical data illustrate the method, which is also compared to several other methods in the literature adapted to the multivariate setting. Copyright © 2015 John Wiley & Sons, Ltd.