不确定性参数对梁桥地震易损性影响的量化

为定量研究梁桥中常见的不确定性参数对结构地震易损性的影响程度,以三跨混凝土连续梁桥为例,引入重要性测度分析方法考虑不确定性参数之间的交互效应,量化不确定性参数对桥梁地震易损性的影响水平。通过Monte-Carlo抽样构建地震动-桥梁样本并采用Open Sees平台进行非线性时程分析,提出基于地震易损性的矩独立重要性测度指标并基于非参数核密度估计对其进行数值积分求解。结论:支座剪切模量及上部结构质量对梁桥地震易损性的影响明显大于其他参数;基于地震易损性的重要性测度指标能够考虑不确定性参数之间的交互效应,准确量化不确定性参数对梁桥地震易损性的影响水平。     

跳跃-扩散过程下欧式任选期权的定价

假定市场股价满足跳跃扩散模型,应用测度变换法给出了欧式任选期权的一般均衡价格公式,并提供了两种数值方法:Newton-Raphson迭代和Monte-Carlo模拟法来计算该类期权的价格,分析了模型中一些参数对期权价格的影响.     

线性测量误差模型的随机加权分位数回归

将随机加权法推广到线性测量误差模型,结合分位数回归估计方法,提出线性测量误差模型中参数的随机加权分位数回归方法.在一定条件下,可以用随机加权法得到分位数回归估计量的渐近分布,这种方法避免了估计冗余参数,并且实施方便.通过模拟研究和艾滋病数据验证了随机加权分位数回归方法的有效性.     

基于神经网络分位数回归的VaR金融风险测度

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。     

右删失数据下带辅助信息的部分线性分位数回归模型经验似然推断

利用经验似然结合辅助信息的方法来改进右删失数据下部分线性分位数回归模型的参数估计,通过数值模拟在不同的右删失数据和不同的未知非参数函数下,比较了传统部分线性分位数回归方法和带辅助信息的部分线性分位数回归方法的估计结果的均方误差,进而证明了利用经验似然方法结合辅助信息的部分线性分位数回归方法更有效.     

基于神经网络分位数回归的行业成本预测研究

针对成本在经济学系统中变化的非对称,与其影响因素之间的非线性关系,提出采用神经网络分位数回归法来研究成本与各影响因素之间的联系,并进行成本预测;该方法不仅可以通过神经网络结构模拟经济系统中非线性关系,还可以通过分位数回归功能揭示各影响因素对成本整个条件分布的影响规律;通过实证结果分析,神经网络分位数回归模型相较于OLS回归模型和分位数回归模型其预测精度更高,且揭示了各因素的影响规律,所以神经网络分位数回归模型的分析结果更科学,更有价值,更有助于相关管理决策者进行成本分析、控制和管理。     

中国电力消费影响因素权重的分位数回归研究

通过加权最小二乘法(WLS)和分位数(QR)回归比较性研究电力能源消费影响因素的影响权重,分位数回归技术则更能详尽阐明不同消费需求下各影响权重的变化:电价、能源效率改进、消费支出能力、电力价格体制改革、人口与电力消费需求之间存在长期均衡的关系,并通过多重验证指标验证模型和结果的合理性;能源效率改进和电价控制是影响电力能源消费的2个重要因素,在不同分位数上各个因素影响权重存在差异;特别发现"高人口增长率并不必然伴随高电力消费需求量"。并提出不同分位数下相关政策建议。     

基于分位数回归森林的VaR估计及风险因素分析

构建非参数、集成性的分位数回归森林算法,对上证综指和标普500指数的VaR进行了估计;同时构建了其他一些主流的方法,包括历史模拟、GARCH族方法、弹性网络、门限分位数回归、CAViaR等,进行检验和对比.通过对不同置信水平下的VaR估计进行多种检验,验证了该方法的有效性和稳健性.进一步,基于分位数回归森林模型定义了一种特征重要性度量方法,评估了各个因素对于风险值的影响权重大小,发现过去一日收益率对上证综指的风险值影响较大,而波动率对标普500指数的风险值影响较大,整体来看两国股市间的风险传导性较弱;并引入偏相依关系,动态地分析了各个因素在不同水平下对于风险值的作用方向,一定程度上弥补了机器学习算法在金融应用中一直存在的"黑箱性"问题.     

基于二元选择分位数回归的上市公司信用评估

二元选择分位数回归是二元选择均值回归在分位数框架下的推广,能够更好地揭示解释变量对响应变量在不同分位点处的异质影响,从而可以更加准确地描述与预测二元选择行为。文章基于二元选择分位数回归建立了上市公司信用评估方法,通过数值模拟和实证研究,对二元选择分位数回归与二元选择均值回归的信用评估能力进行了比较。研究结果表明,无论样本内还是样本外,二元选择分位数回归均能够更加准确地评估上市公司的信用状况。     

基于分位数回归模型的石油价格影响因素分析

本文运用分位数回归模型探讨了供给因素、需求因素、新兴市场经济国家石油供给与需求、美元汇率对国际石油价格的影响。实证分析结果表明不同的分位点得到不同的回归分析模型,即不同影响因素的平均影响效果。这为个人和机构投资者在石油领域的决策提供支持。     

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

采煤机截割部扭矩轴的动态可靠性分析

考虑结构和材料等随机参数对零件动态可靠性的影响,避免轴系产生共振,利用Workbench软件建立扭矩轴参数化有限元模型.用模态分析法求解前六阶固有频率和临界转速,并与传递矩阵法比较,证明了结构和转速设计的合理性.结合谐响应分析,说明共振失效应考虑一阶固有频率.通过响应面设计和拉丁超立方抽样法完成对扭矩轴结构、材料参数的抽样,运用BP神经网络拟合一阶固有频率的功能函数,并求解随机参数的可靠性灵敏度.采用一次二阶矩法(FOSM)计算轴在特定转速下的可靠度,并用Monte-Carlo模拟法(MCS)进行了验证,说明转速设计较为可靠.通过灵敏度分析,明确了对扭矩轴动态可靠性影响最大的因素,为轴的稳健优化设计奠定基础.     

响应数据缺失下一般线性复合分位数光滑经验似然估计

由于分位数回归模型的损失函数不光滑,所得参数估计的效率不高,为提高参数估计的效率,首先提出复合分位数光滑经验对数似然比,包括完全数据复合分位数光滑经验对数似然比、加权复合分位数光滑经验对数似然比和插值复合分位数光滑经验对数似然比,并在一定条件下证明了它们都是服从渐近卡方分布的.其次,根据该似然比构造了回归参数的置信区间,并证明了复合分位数光滑经验似然估计量是渐近正态的.最后,通过数值模拟实验说明了所得估计的有效性.     

复合分位数下的国债利率期限结构研究

本文采用复合分位数回归(CQR)的估计方法对利率期限结构模型贴现率的估计与预报进行研究。实证结果表明,在小样本情形下复合分位数回归方法要比最小二乘法和分位数回归法稳健性更强,表现出对参数.     

考虑不同充电策略的锂电池健康状态区间估计

评估锂离子电池健康状态(SOH)对于电池使用、维护、管理和经济性评价都有十分重要的意义,但当前锂电池SOH估计方法多针对特定充电策略,采用确定性估计模型,无法反映电池退化过程中的随机性、模糊性等不确定性信息.为此,提出一种适用于不同充电策略的锂电池SOH区间估计方法.该方法针对不同充电策略的电池循环充放电数据提取多个特征参数,通过交叉验证自动选择针对特定充电策略的最优特征参数组合.另外,考虑到锂电池全生命期循环次数有限,属于小样本问题,提出集成支持向量回归与分位数回归优势的支持向量分位数回归模型(SVQR)进行锂电池SOH区间估计.选用放电程度较深的锂电池充放电循环数据作为训练集,对SVQR模型进行离线训练,训练好的模型用于不同充电策略下锂电池SOH在线估计.采用具有不同充电策略的数据集验证所提方法,实验结果表明：所提方法适用于不同充电策略,且估计结果优于分位数回归法、分位数回归神经网络法和高斯过程回归法.     

梁桥非线性随机地震响应的概率特性

为了分析随机地震作用下桥梁结构非线性响应的概率特性,采用Monte-Carlo数值模拟的方法,并利用弹塑性纤维梁柱单元模型模拟梁单元的非线性行为,对连续梁桥在不同地震峰值加速度作用下的非线性位移及内力时程响应进行了研究.得到了:墩顶位移非线性包络响应服从对数正态分布;桥墩轴力非线性包络响应的概率分布介于对数正态分布和极值I型分布之间;墩底剪力和弯矩非线性包络响应近似服从正态分布;墩底曲率非线性包络反应服从对数正态分布.研究表明:在相同场地条件下,地震峰值加速度的变化不影响结构非线性响应的分布类型,但对非线性响应的变异性影响较大.     

扩展的输入变量对失效概率重要性测度及其积分算法

为了全面地分析输入变量对可靠性工程中所关心的结构或系统失效的影响,在继承了传统矩独立重要性测度的基础上提出了扩展的失效概率重要性测度指标.针对失效概率重要性测度计算量大的问题,本文结合能高效、准确求解概率密度函数的核密度估计法,建立了一种求解所提测度的积分法.文中算例表明,所提重要性测度包含了更加全面的输入变量对结构失效影响的信息,所建积分法破除了重要性测度计算的"维数诅咒",大大地减少了重要性测度指标的计算量.     

基于MH算法的贝叶斯分位自回归模型

针对时间序列分布特征多样性的问题,不考虑序列本身的分布特征而选择非对称Laplace分布的似然函数对模型进行贝叶斯分位回归分析.利用Metropolis-Hastings算法模拟参数的后验边缘分布,解决了参数估计过程遇到的高维数值积分的问题.仿真分析中,参数的迭代轨迹是收敛的,说明MH抽样有效地模拟了参数的后验边缘分布;并且应用该方法估计出了不同分位数下模型参数的后验均值,标准差,MC误差和95%的置信区间.非对称和局部持续性数据的数值模拟,证实了贝叶斯分位自回归模型可以更全面有效地描述滞后变量对响应变量变化范围和条件分布形状的影响.     

左截断右删失数据下线性模型的加权复合分位数估计及变量选择

在可靠性及生存分析等领域中经常出现左截断右删失数据,即指在某种设定下,样本值不能被完全观测到的数据.左截断右删失数据下线性回归的参数估计方法一般选用加权分位数估计,然而加权分位数估计只考虑了单个分位点的损失,在估计效率方面存在缺陷.为克服这一缺点,针对左截断右删失数据下线性模型的参数估计问题,提出了加权复合分位数估计方法.此外,为识别模型中的非零参数并进行变量选择,建立了基于自适应Lasso的惩罚加权复合分位数估计,并在一定假设条件下,证明了所提估计具有渐近正态性和Oracle性质.数值模拟和实例分析结果表明,本文提出的惩罚加权复合分位数估计具有良好的变量选择性质,并且加权复合分位数估计与加权分位数估计相比,具有更高的估计效率.     

基于电磁暂态仿真的电压骤降概率评估

为了准确预测电力系统中电压骤降的特性及后果,提出了基于非序贯Monte-Carlo模拟和电磁暂态仿真相结合的电力系统电压骤降的概率评估新方法和概率评估指标体系。Monte-Carlo法的优点在于能反映电力系统的随机特性,使用该方法几乎不受系统复杂性的限制。算法利用Monte-Carlo仿真得到各种故障信息,通过仿真程序PSCAD/EMTDC对Monte-Carlo模拟法随机产生的各种故障形态进行仿真计算,最后分析统计得到系统和敏感负荷点电压骤降的各项概率指标。文中以RBTS标准测试系统为例进行了分析计算,结果表明模型和算法是可行的。