仿真输出中位置参数的区间估计方法比较

概述和比较了仿真输出分析中对位置参数进行置信区间估计的方法 ,分析了这些方法的适用条件及传统方法的局限性 .探讨了当经典方法所依赖的有关总体分布的假定不成立时进行区间估计的选择方法 ,并通过仿真实验进行了验证 .仿真实验结果表明 ,该方法在大多数情形中能给出有效的置信区间 ,而且仿真精度较传统方法有明显提高 .     

CSIMAN仿真系统输出结果置信区间的分析

叙述了ＣＳＩＭＡＮ仿真系统中输出结果置信区间的生成方法并对输出结果置信区间进行了详细的分析.     

排队模拟的运行设计与误差修正

排队模拟实验的运行设计，一直是国际仿真模拟界研究的重要课 题［１－３０］。虽然已有一些被普遍接受的排队模拟实验运行设计方法和模拟运行结果数据的统 计学处理方法及准则［４，５］但模拟结果的误差问题至今仍未很好解决。这些方法在一定程 度上减小了运行误差，但这种减小仍然是有限的。为了使仿真模拟结果对系统分析提供 有价值的数据，必须对模拟结果进行修正。本文提出了三种误差修正方法。即１．松弛法“修正；２Ｍ／Ｍ／１型排队模拟误差曲线修正；３．置信区间修正。这些修正都是基于对 Ｍ／Ｍ／１型排队模拟结果与其理论值的误差的计算与分析的。     

仿真试验中Bootstrap方法的应用

应用非参数Bootstrap方法对Monte-Carlo仿真输出样本进行重复再抽样,用一种改进的偏差校正方法给出了命中概率的点估计,用BCa方法对命中概率进行置信区间估计,并使用传统统计分析方法对Monte-Carlo仿真输出样本进行分析,将两种方法得出的分析结果进行对比.比较结果表明,Bootstrap估计方法在置信区间估计方面有较大优势,能够降低对Monte-Carlo仿真输出样本容量的要求.     

系统仿真集值化模糊处理方法

本文分析了以往系统仿真效率不高的问题所在，建议用模糊集方法加以改进。本文提出了将单点抽样转化为集值抽样的模糊处理方法，并以具有代表性的Ｍ／Ｍ／１排队系统仿真为例．介绍了集值化的途径和效果。     

基于遗传算法的分组交换网络路由选择新算法

本文研究分组交换通信网中每对源／目的结点的路由选择问题以使信息通过网络的平均时延最小。我们采用Ｍ／Ｍ／１排队模型来模拟分组交换通信网，并采用遗传算法来求解该问题。我们用该方法对多个网络进行了实验，实验结果表明，我们的方法优于文献上的其它方法，在很宽范围的网络负载下都十分有效。     

可重排队M／M／1（0）系统的模拟分析

使用ＳＩＭＡＮ仿真语言对可重排队Ｍ／Ｍ／１（０）系统进行了仿真模拟试验和分析。仿真试验结果除与该系统的理论解析解一致外，还具有简捷、直观、高效、低耗的优点，尤其在分析系统参数（顾客到达时间间隔、服务时间、顾客重复排队的时间间隔）对系统的服务务性能的影响方面，上述优势体现得更为明显.     

银河仿真工作站实时图形显示方法

在进行半实物仿真试验时，常常需要观察某些参数的变化情况，需对指定的参数图形进行实时显示，由于在仿真工作站上显示的时间比较长，影响半实物仿真的实时性，为此，提出并实现了在银河仿真工作站上通过D／D和实时网实现的两种异地实时图形显示方法，并给出了两种方法的实验结果，实验证明这两种方法能有效解决半实物仿真的实时图形显示问题。     

目标状态估计器研究

全面系统地研究了基于空载雷达测量体制下的机动目标状态估计器的设计问题，重点对坐标系及目标状态变量的选择进行了讨论，并将每一种设计方法得到的目标状态估计器联入综合火力／飞行控制系统中进行了Ｍｏｎｔｅ Ｃａｒｌｏ仿真，对仿真结果进行了比较，给出了相应的结论。     

基于置信区间的仿真试验结果决策分析方法

仿真试验结果是衡量仿真置信度的重要依据,也影响着决策者对仿真试验的信任程度。为提供辅助决策支持,提出了基于置信区间的仿真试验结果决策方法,并讨论了统计决策的风险函数。通过对由仿真输出抽样计算得到的评估参数的置信区间与接收区间进行比较,提出了仿真试验结果的模糊一致性分析方法,其结果可作为完善模型及优化参数的参考信息。在水下目标辐射噪声仿真系统中的应用实例表明,方法在利用各阶段仿真输出的反馈信息方面呈现出优势。     

单位根检验中的Wald检验量研究：Bootstrap法VS临界值法

针对Wald临界值检验方法存在检验水平扭曲和功效低下的不足,提出了Wald检验量的Bootstrap检验方法,并从理论上证明了该方法的有效性;借助于蒙特卡罗模拟技术对两种检验方法进行对比.结果表明：在无漂移项数据生成过程中,两种方法的实际覆盖率分别为100%和72.9%,精确程度之比为33：15;在有漂移项的数据生成过程中,实际覆盖率分别为94.4%和77.8%,精确程度之比为20：15;在检验功效方面,Bootstrap方法较临界值检验具有明显的优势,尤其是在小样本下;由标准正态分布得到的临界值对其它误差分布类型缺乏稳健性.实证分析也表明由Bootstrap检验方法得到的模型更符合实际情况.因此,Bootstrap方法可以替代临界值方法进行单位根的Wald检验.     

基于仿真的复杂系统可靠性评估输入数据统计分析研究

对应用仿真技术评估复杂系统可靠性时榆入数据的统计分析进行了深入研究。特别是对试验数据较少，即小样本情况进行了研究。对于根据小样本进行的可靠性估计，结合Bayes方法的蒙特卡洛(Bayes-MC)方法和结合改进的Bootstrap方法的蒙特卡洛(改进的Bootstrap-MC)方法是比较有效的。概括总结了无数据情况下的专家经验估计三角分布方法，提出了改进的Bootstrap方法，将验前信息与专家经验纳入Bootstrap方法中，克服了该方法利用样本信息量不足的缺陷，使其更加完善与实用。在复杂系统的可靠性评估时，应采用综合或混合的方法。     

基于Bootstrap方法的VaR计算

介绍了非参数方法中的Bootstrap方法在估计样本分位点时的应用，其中在随机抽取子样时应用了MCMC方法，最后将该方法应用到了金融资产VaR的计算上．由于金融资产收益率的分布往往不能用参数方法准确的估计，Bootstrap作为非参数方法克服了这种局限，并改进了历史模拟方法．文章对欧元／人民币、日元／人民币两种汇率进行了VaR的计算的实证分析，计算了VaR的点估计和区间估计，并比较了几种计算方法，得到了一些有意义的结果。     

特小子样试验下导弹精度评定的Bootstrap方法

针对特小子样下导弹精度评定的需求,提出了利用验前信息来弥补现场试验信息不足的改进Bootstrap统计方法.首先介绍了Bootstrap方法的基本概念;其次分析和比较了特小子样下验前信息与现场试验信息的若干种相容性检验方法的性能,并根据相容性检验水平确定了各类信息源的权重.然后,基于重要度抽样的思想,分别针对非参数Bootstrap方法和参数Bootstrap方法讨论了验前信息在导弹精度评定中的运用.最后,根据工程经验提出了一种改进的权重分配方案.仿真结果表明,KS相容性检验方法在特小子样下更为适用,考虑相似验前信息的Bootstrap精度评定结果更为合理.     

大数据下仿真筛选实验及误差控制模型和应用

针对"大数据+仿真模型+后仿真分析"这一新型研究范式,提出基于基效应估计(EE),Bootstrap假设检验以及伪发现率误差控制(FDR)的"后仿真分析"筛选实验设计方法(简称BFEE).BFEE用于识别对仿真模型所感兴趣的响应起到最重要主效应/交互效应作用的少量关键因子.相比传统EE,BFEE保证了信息识别的统计精度和效力.与现有的仿真实验的序贯分支筛选法(SB)相比,BFEE无需任何模型假设,从而更容易适应大数据背景下的复杂数据特征.蒙特卡罗仿真的三种方法对比实验表明,BFEE在不需任何假设的条件下即可获得理想的实验效率和效力,在降低计算实验成本同时,保证了识别重要效应的精度.基于实际背景仿真案例的应用显示BFEE具有良好的实际应用价值.     

舰载软杀伤仿真中不确定性分析

舰载软杀伤仿真系统中,不可避免地存在不确定性因素,分析不确定性是利用仿真系统进行效能评估的关键。因此,研究了Bootstrap方法和Bayes方法在参数不确定性和随机不确定性定量分析中的理论知识,介绍了软杀伤仿真中反舰导弹捕捉目标的数学模型,并把两种方法应用到舰载软杀伤仿真系统。通过仿真结果比较,Bayes方法的估值精度高,算法简单,计算速度快,Bayes方法是分析不确定性的有效方法。     

空间滞后模型的标准化稳健检验及其功效对比分析

在误差项分布未知、模型设定偏误以及不同形式空间布局的复杂条件下，本文提出检验空间滞后模型的标准化稳健LM检验方法，并采用Bootstrap法和Monte Carlo法对统计量的渐进性进行分析. 结果表明：采用Bootstrap法和Monte Carlo法的检验功效均优于现有LM检验方法；对于小样本，结合Bootstrap法与本文提出的统计量进行模型设定的检验更可靠；在空间布局为Group规则时，采用本文提出的统计量进行模型设定的检验效果更好.     

竞争失效场合相似产品可靠性的综合评估

对小样本情形下的联合Ⅱ型截尾寿命试验进行综合分析.针对产品可能存在多种失效模式问题,建立试验数据服从独立指数分布的竞争失效模型.基于极大似然估计,利用条件矩母函数导出参数的精确分布,据此构造参数的精确置信区间.并采用Bootstrap方法给出参数的区间估计.最后,通过Monte-Carlo仿真比较估计的优良性,利用数值算例验证了本文方法的有效性和可行性.     

创新的动态人口死亡率预测及其应用

本文结合Bootstrap方法与Lee-Carter模型对我国人口死亡率进行拟合与预测,较好地解决了传统模型的不足.首先利用最小二乘法、加权最小二乘法和极大似然法三种参数估计方法对Lee-Carter模型的参数进行估计.然后通过对残差的分布性质进行分析发现加权最小二乘法有较好的拟合效果.再考虑到传统的Lee-Carter模型在预测未来死亡率区间时仅考虑了时间参数的变动区间,因此利用残差Bootstrap方法估计了所有参数的置信区间,并对模型参数的稳健性进行检验.最后在充分考虑所有参数变动性的基础上,给出了死亡率预测均值及死亡率预测值的置信区间,结果表明,所计算的死亡率预测值的置信区间具有更好的预测效果.     

仿真输出分析中的BAYES方法

本文提出用Bayes方法对小样本或单次运行的仿真输出进行分析。给出了几种条件下的Bayes方法和伽玛分布置信区间的估计方法。并用M/M/I排队系统对几种方法进行了实例研究。实验结果表明,在处理小样本或单次仿真运行时Bayes方法有明显的优越性和应用前景。