基于BF的单向网络性能抽样测量技术

针对在进行网络单向性能测量时,存在抽样效率不高和报文标识均匀性差等问题,提出了一种基于BF(Bloom Filter)的单向网络性能抽样测量框架及算法,解决了在不同测量点对上从大量背景流量条件下的抽样有效性和报文标识有效性问题.仿真性能表明,待测报文抽样效率与BF理论分析值偏差为0.5%,且报文标识冲突比例仅为3.5%左右,软件实现抽样时间开销为O.1μs量级;该抽样测量技术十分适合于从大量背景流量中快速抽样出少量待测报文,从而有效地测量出诸如单向传输时延、时延抖动及单向报文丢失率等重要网络性能参数.     

贝叶斯方法在金融保证保险模型中的应用

主要介绍了Hamilton模型和转换函数模型,说明了贝叶斯方法在金融保证保险模型中的应用,将模型中的参数作为具有先验分布的随机变量,然后根据贝叶斯定理,得出后验分布,以此为基础利用WinBUGS软件对模型参数进行估计,最后对纯保费和所需的风险资本总量进行预测。     

三种网络可靠性仿真方法研究及比较

网络可靠性是评估网络性能的重要指标。本文深入研究了网络可靠性三种仿真方法,即蒙特卡罗仿真方法(Monte Carlo Method,简称:MC),模块化抽样(Blocking Sampling Method,简称:BS)和几何抽样(Geomtretic Sampling Metho,简称:GS),并对三种方法的实现结果进行了比较。实验结果表明,BS和GS比较适用于大型网络,易于实现,且效率很高。     

基于不同抽样方法的土地资源遥感监测研究

遥感已经成为土地资源监测的主要手段,土地资源遥感监测结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感监测结果的可靠性。其中,抽样方法是影响土地资源遥感精度评价的一个重要因素。利用不同分辨率遥感数据获取的某县土地利用/覆盖信息,进行了简单随机抽样、分层抽样和等距抽样三种不同抽样组织方式下的精度检验分析,评估了不同抽样方式下的精度检验效果。结果表明,不同抽样方式下的精度检验结果都存在一定的波动。简单随机抽样方法得到的精度并不是随着样本数的增加而递增的,而是在不同面积的区域内,有其最佳的抽样样本个数与真实精度最接近。分层随机抽样与全样本的真实评价结果很接近,比较适合于土地利用现状的精度检验。等距抽样不适合于土地利用现状的精度检验。     

机械强度可靠性灵敏度分析的拟蒙特卡罗法

虽然蒙特卡罗方法具有程序结构简单,计算效率与问题维数无关的优点,但工程结构的失效概率往往很小,要获得精确的结果就需要大量样本,因而计算效率低.针对这一问题,采用Halton序列代替伪随机数并结合重要抽样方法,提出计算可靠性灵敏度的拟蒙特卡罗法.该方法与传统蒙特卡罗法相比显著减少了样本,提高了计算效率,并且误差是确定的.以齿轮为研究对象,通过对接触疲劳可靠性及可靠性灵敏度进行分析,证实了该方法在计算效率上的优势.     

基于不等概率抽样的不完全信息条件下复杂网络抗毁性模型

为了填补随机失效与故意攻击之间的空白,将复杂网络攻击信息的获取抽象成无放回的不等概率抽样问题,建立了不完全信息条件下的复杂网络抗毁性模型.其中网络攻击信息可以通过信息广度参数和信息精度参数调节控制,随机失效或故意攻击是该模型的两个特例.利用母函数方法解析推导出了任意度分布广义随机网络在随机不完全信息和优先不完全信息条件下的两个重要抗毁性度量参数——临界移除比例和巨组元规模,得到的解析结果可以分析和预测不完全信息条件下复杂网络的抗毁性.以无标度网络为例对一般攻击信息参数组合进行了仿真分析,发现随机隐藏少量节点信息将大幅度提高复杂网络的抗毁性,获取少量重要节点的信息可以大幅度降低复杂网络的抗毁性.     

基于MCMC的模糊自适应重要抽样法

针对传统的基于马尔可夫链蒙特卡罗 (Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于失效边界确定的系统,而不适用于失效域模糊的渐变结构系统问题,提出基于MCMC的模糊自适应重要抽样法。首先从模糊失效域内的某个初始点出发,根据Metropolis准则构造马尔可夫模拟样本点;然后利用自适应核密度估计构建核抽样概率密度函数并进行重要抽样;最后离散化模糊失效域以计算系统的模糊失效概率。该方法合理地解决了以往渐变结构系统性能可靠性难以仿真分析及仿真效率低的难题,具有较高的仿真效率和精度。应用舵机案例对方法的适用性及高效性进行了验证。     

采用Bootstrap抽样的靖远黄河大桥 模态参数识别不确定性量化

提出一种基于Bootstrap抽样的模态参数识别不确定性量化方法,从整体和局部的角度评价模态参数识别结果的可靠性.首先,基于动力测试的加速度时程数据,采用协方差驱动随机子空间(SSI-COV)法识别不同测试组的模态参数;引入Bootstrap抽样方法,对多组模态参数识别结果进行B次重复抽样,得到Bootstrap样本数据,并通过其概率统计特征值衡量整体不确定性.然后,对单个测试组中不同时间段的识别结果进行重复抽样,分析并量化单个测试组的模态参数识别的不确定性.最后,以靖远黄河大桥试验数据为例,对靖远黄河大桥竖向单个及多个测试组下的模态参数进行不确定性量化.结果表明:不同测试组识别的前3阶固有频率的均值分别为1.553 9,1.720 6,2.165 2,方差分别为0.076 1,0.042 9,0.096 5;单个测试组识别的前3阶固有频率的均值分别为1.526 5,1.788 0,2.306 0,方差分别为0.015 3,0.049 6,0.018 2;文中方法识别的固有频率值总体较为稳定.     

我国金融稳定性分析与展望

本文首先从金融不稳定的视角解释系统性金融风险的产生,并将风险的生成演变划分为早期生成、演化积累以及扩散爆发三个阶段;实证分析部分中建立了具有马尔科夫区制转移过程的动态潜在因子模型,并采用贝叶斯吉布斯抽样的方法对状态空间模型进行了估计;估计结果表明我国金融系统具有明显的"金融不稳定"和"金融稳定"两个区制,"金融不稳定"区制持续时间较短且很容易转移到"金融稳定"区制;通过建立马尔科夫自回归模型研究了我国金融不稳定性对宏观经济的影响;使用吉布斯抽样方法对金融不稳定因子预测结果表明,2013年末金融系统稳定性增强,2014年上半年我国金融不稳定性小幅波动但仍然位于金融稳定区制。     

基于抽样技术的树木叶片数的估算——以樟树为例

本文基于抽样技术和回归分析,结合一些容易观测的樟树的样本信息,包括樟树的高度、冠幅、胸径,和第一、二级枝条数量等信息,实现了樟树叶片数量的快速测算。结果表明,一棵7⁹米高的樟树的叶片数量在11000至24000个单位左右,并且主要与樟树高度和第二级树枝数目有关。该模型估计误差较小,稳健性良好,具有一定的实际应用与推广价值。