利用贝叶斯决策的GBAS保护级完好性风险分配

完好性风险是描述导航系统完好性重要指标之一。美国航空无线电技术委员会(Radio Technical Commission for Aeronautics, RTCA)在其标准DO-245A中提到,可依据Ⅰ类陆基增强系统(groud-based augmentation system, GBAS)地面基准站中的基准台数将保护级完好性风险分配于H₀和H₁假设,用于计算漏检乘积因子和GBAS保护级。此方法未能依据基准台故障情况分配完好性风险概率,导致保护级无法较准确地反映GBAS位置误差。本文利用Bayesian决策,基于最小总错误率准则重新分配H₀和H₁假设下的完好性风险概率。仿真分析了不同基准台数以及不同误差分布下完好性风险概率的分配,并计算了漏检乘积因子和垂直保护级,结果表明在基准台数大于2以及存在零均值或非零均值高斯分布的垂直位置误差时,基于Bayesian决策的完好性分配算法降低了保护级数值。理论分析和仿真实验表明,基于最小总错误率准则重新分配H₀和H₁假设下的完好性风险概率,减小了完好性风险分配的错误率,使保护级紧致地包络实际定位误差。     

基于多参数稳定分布的GBAS垂直保护级计算

针对全球导航卫星系统(global navigation satellite system, GNSS)的地基增强系统(ground based augmentation system, GBAS)的完好性评估过程中, 使用误差包络理论计算保护级(protection level, PL)时, 误差模型存在的“厚尾”“不对称”“非零均值”等问题, 提出了基于稳定分布的误差包络理论。首先给出了高斯包络理论计算PL的模型; 其次推导了两参数与四参数稳定分布误差包络算法; 最后使用仿真数据和通过实验测得的数据, 对多参数稳定包络模型的算法进行评估。结果表明多参数稳定包络法在相似的计算复杂度下, 解决了高斯包络法建模时过于保守的问题, 显著提高了保护级计算的精确性。     

基于区间贝叶斯模型的科技项目风险决策

科技项目是一个高难度和高风险的创新过程,其风险决策与控制是整个项目管理的一项重要内容。鉴于该过程中往往缺乏准确的信息,出现较多的区间数据,利用传统的贝叶斯模型很难对其进行处理。本文运用区间数理论将传统的贝叶斯风险决策模型推广应用到了区间不确定型问题,并结合可能度理论很好地解决了科技项目的风险决策问题。通过具体的实例分析,取得了很好地效果,证实了该理论模型应用于科技项目风险决策的可行性,给相关领域的研究工作提供了参考。     

基于贝叶斯决策的证券市场过度反应

现有研究多将证券市场过度反应现象归因于投资者信息不对称、非理性决策等行为金融学因素,认为其与投资者贝叶斯理性决策准则相矛盾。本文以投资者信息对称和理性交易为前提,以贝叶斯决策准则为框架,通过引入不确定效应和信息扩散因素,重新诠释信息冲击下的证券市场过度反应特征。结论显示:市场过度反应现象可能并非投资者异质性和非理性决策行为所导致,而是市场本身的固有属性;投资者理性程度、冲击持续时间、公司分红稳定性是影响过度反应特征的重要因素。     

基于SINS/GBAS组合导航的高精度进近着陆导航技术

可重复使用运载器在进近着陆阶段对位置偏差有较高的精度要求, 而现有的组合导航方式的导航误差波动幅度较大, 难以满足运载器在进近着陆段的导航要求。因此,本文利用捷联惯导系统(strap-down inertial navigation system,SINS)的非线性误差传播模型, 以陆基增强系统(ground based augmentation system,GBAS)输出的精确位置信息为基础, 建立SINS/GBAS组合导航方法, 并给出“输出+反馈”的组合导航复合修正结构。通过在GBAS中引入电离层误差及对流层误差, 从而实现了对于运载器定位误差在厘米级的精确定位。此外,通过引入扩展卡尔曼滤波技术, 有效地抑制了惯导误差漂移的问题。通过数值模拟仿真, 证明SINS/GBAS组合导航对飞行器进近着陆段的水平与高程定位误差不大于0.05 m, 测速误差不大于0.05 m/s, 从而证实了SINS/GBAS组合导航方式在可重复运载器在进近着陆段导航的可行性。     

基于贝叶斯CAViaR模型的油价风险研究

CAViaR模型是常用的VaR估计方法之一, 但通常面临参数估计和模型检验的困难. 本文发展了贝叶斯CAViaR模型用于分析油价风险, 并考察该模型在参数估计、模型选择、VaR预测等方面的作用. 采用布伦特原油价格日数据, 研究显示贝叶斯CAViaR模型有效控制了估计风险和模型风险, 且具有较好的VaR预测绩效, 优于传统CAViaR模型. 本文同时指出, 油价VaR存在自回归特征并受前期正负收益率的不对称影响. 不对称斜率CAViaR模型有效刻画了油价VaR的动态变化模式.     

动态贝叶斯网络与黑板机制结合的协同决策方法

针对信息化战争中重大复杂决策问题,提出动态贝叶斯网络与黑板机制相结合的协同决策方法。以协同防空预警雷达目标识别问题为背景,针对复杂问题协同决策的特点,将动态贝叶斯网络的定量推理能力与黑板机制灵活集成多领域决策者智慧定性推理的能力相结合,提出动态贝叶斯黑板协同决策机制。在概率意义下证明了该方法的有效性,并用仿真试验验证该方法可以较显著地提高协同决策的正确性。     

基于决策图贝叶斯网络的混沌优化算法

提出一种基于决策图贝叶斯网络的混沌优化算法,该算法把贝叶斯概率模型结合到混沌遗传算法中,通过构造和学习网络来替代传统遗传算法中的交叉重组和变异等遗传算子,避免了对大量控制参数和遗传算子的人工选择和重要构造块的破坏.同时,通过在决策图贝叶斯网络中引入混沌操作,对部分个体进行启发式变异,能有效提高群体多样性,避免早熟或局部收敛.仿真结果表明,提出的算法比改进前的决策图贝叶斯优化算法和混沌遗传算法均有更快的收敛速度,较强的鲁棒性.     

基于贝叶斯网络的机载武器系统综合决策

分析了机载软硬杀伤武器系统的战术使用方式和有效作用空域,给出了软硬杀伤武器系统在空间上的协同使用准则。分析了使用贝叶斯网络进行软硬杀伤武器系统综合决策的知识表示问题,得出了综合决策网络的三种类型的节点:态势节点、传感器节点、武器节点。提出了构建贝叶斯网络进行综合决策的步骤,通过具体实例说明了使用贝叶斯网络进行软硬杀伤武器系统综合决策的过程。     

基于贝叶斯推断的操作风险度量模型研究

在度量操作风险时,由于数据不足的问题可能造成监管资本配置的偏差,进而导致防范和控制风险的能力降低.本文在对操作风险度量模型分析的基础上,应用贝叶斯推断来度量操作风险.结合实际数据,对操作风险的损失频率和损失金额的分布函数进行了估计,并利用蒙特卡罗模拟方法对操作风险损失值进行了模拟.实证分析表明:应用贝叶斯推断来度量操作风险,可以较好地解决目前操作风险损失事件数据不足的问题.     

基于混合自适应Memetic算法的贝叶斯网络结构学习

Memetic算法是一种基于种群的全局搜索和基于个体的局部启发式搜索的结合体,具有较高的全局搜索能力,将其成功应用于贝叶斯网络的结构学习。该算法在基本的遗传算法操作算子中,引入粒子群算法的基本思想,同时利用混沌的遍历性和云自适应的快速收敛性,提出了一种云自适应的混沌变异搜索进行局部搜索,实现全局优化,跳出局部最优。实验证明该算法在贝叶斯网络结构学习中具有很好的效果。     

基于决策树和BN的自动驾驶车辆行为决策方法

交通环境中存在着众多影响自动驾驶车辆行为决策安全的不确定性因素, 准确并及时地处理不确定性因素对自动驾驶车辆安全至关重要。因此, 建立了以人工驾驶行为分类为基础的贝叶斯网络(Bayesian network, BN)行为决策模型。利用决策树分类算法对人工驾驶行为进行分类, 利用BN建模驾驶环境并生成最优驾驶动作, 此方法既可以及时地分析人类驾驶员行为类别, 又能够充分考虑驾驶场景中的不确定性因素。利用仿真工具PreScan设计仿真实验, 仿真结果表明行为决策模型能够给出安全、合理的自动驾驶车辆行为。     

基于观测量扩充的捷联惯导快速初始对准方法

近似静止状态时捷联惯导系统可观测性较差,利用卡尔曼滤波完成初始对准需要较长时间。针对这一问题提出了一种基于观测量扩充的捷联惯导系统快速初始对准方法。在不改变系统状态方程的情况下,将速度误差和地球转速作为系统观测量。并根据观测量的扩展详细地推导了观测方程,进而利用扩展卡尔曼滤波完成捷联惯导系统初始对准。车载试验结果表明,与传统的卡尔曼滤波对准方法相比,新方法在保证初始对准精度的同时缩短了初始对准时间。     

基于极值理论的飞控系统故障后风险定量评估

研究了基于极值理论(EVT)的低频高危事件定量评估方法. 构建了考虑驾驶员响应的飞控系统故障后评估模型, 介绍了角速率传感器故障后极值样本的获取方法. 利用非线性优化模型对极值理论中常用的线性模型进行了改进, 针对极值样本分布模型中参数的辨识, 对比了几种优化算法对文中评估模型的适用性. 采用四种优化算法对模型参数进行了对比辨识以寻求飞行风险条件概率最优解,得出了自适应粒子群算法对文中评估模型适应度最高的结论. 最后将传感器故障风险概率加入有驾驶员响应环节的马尔科夫过程模型对飞控系统风险概率进行动态定量评估. 其最终结果可为定量评估某型机操纵系统的动态可靠性提供理论依据.