光滑样条回归的分层贝叶斯方法

从光滑样条回归的贝叶斯解释出发，将光滑参数λ看作先验分布中的超参数．用分层贝叶斯的方法，假定λ的先验分布为伽玛分布，用后验均值估计回归样余．通过模拟表明本文提出的方法具有很好的估计效果．     

基于MCMC的线性调频信号最大似然参数估计

为实现合成孔径雷达对运动目标有效地成像,需要对运动目标的线性调频(chirp)回波信号的参数进行准确地估计。该文将马尔可夫链蒙特卡洛(MarkovchainMonteCarlo,MCMC)方法和均值似然估计相结合,利用离散调频图(chirpogram)作为起始点的选择方法,提出了一种实现单分量chirp信号最大似然参数估计的新方法。仿真和分析表明这种方法的参数估计性能可以在较低信噪比时达到CramerRao界(CRB)。该方法结构简单,计算量适中,可以联合估计各参数,无误差传递效应,估计性能良好。     

组合导航系统的自适应MCMC信息融合算法

针对组合导航系统为高维非线性非高斯的特点,提出了一种在线实时调整粒子个数的自适应MCMC(Markov Chain Monte Carlo)粒子滤波算法.该算法利用基于KLD(Kullback-Leibler Distance)采样方法的自适应粒子个数调整算法在线调整MCMC粒子滤波过程中的粒子个数,利用预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,从而有效减小算法的运算量,提高MCMC粒子算法的实时处理能力.最后,将该算法应用到了组合导航系统中进行了仿真研究.通过仿真结果可以看出,该算法在保持了MCMC粒子滤波算法的估计能力的同时,有效降低了算法的计算量,更适合于实际应用.     

Stochastic Multivariate Mixture Covariance Model

Stochastic covariance models have been explored in recent research to model the interdependence of assets in financial time series. The approach uses a single stochastic model to capture such interdependence. However, it may be inappropriate to assume a single coherence structure at all time t. In this paper, we propose the use of a mixture of stochastic covariance models to generalize the approach and offer greater flexibility in real data applications. Parameter estimation is performed by Bayesian analysis with Markov chain Monte Carlo sampling schemes. We conduct a simulation study on three different model setups and evaluate the performance of estimation and model selection. We also apply our modeling methods to high‐frequency stock data from Hong Kong. Model selection favors a mixture rather than non‐mixture model. In a real data study, we demonstrate that the mixture model is able to identify structural changes in market risk, as evidenced by a drastic change in mixture proportions over time. Copyright © 2016 John Wiley & Sons, Ltd.     

一种RFID数据中位置参数的Bayes估计方法

RFID设备固有的限制和环境噪声的影响,造成RFID原始数据的不确定性。为了估计RFID冗余数据中位置参数,提出了利用多阅读器观测到的冗余数据反演目标符号位置参数的Bayes方法。该方法以3-态识别模型为基础建立了Bayes推论模型,通过融合监测区域中的先验知识和约束条件,采用Markov Chain Monte Carlo(MCMC)的方法求解Bayes联合概率分布,进而得到符号位置参数的后验概率分布。模拟实验结果表明,符号位置参数的估计方法可以获得较好的效率和准确性。     

氯气管道泄漏源项识别反演问题

 在突发氯气泄漏时,及时充分地掌握泄漏源的源项信息,是科学预测氯气泄漏扩散事故的难点之一,也是控制和管理氯气泄漏事故的一项重要基础性工作。围绕泄漏源反演问题,对有障碍物环境下氯气管道泄漏扩散后的源项反演进行了数值模拟。采用基于Bayes推断理论的MCMC抽样方法,结合某氯乙酸生产厂区生产装置布局及氯气泄漏的扩散模型,对氯气泄漏源的空间位置和氯气泄漏强度等重要参数进行反演。结果展示了泄漏源项信息,通过结果检验得出参数的反演结果均在真实数值范围之内。     

混合非参数回归的贝叶斯推断

针对混合非参数回归问题,给出了一种基于贝叶斯框架的推断方法.在该方法中对每一个非参数混合成分用一个随机过程的有限维分布族作为先验,同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计,并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)法抽样来进行后验推断.数值模拟分别从样...     

基于骨架网络模型的岩石粒径分析方法

应用扫描电子显微镜,获取岩石的二维灰度图像,并进一步分割得到岩石的骨架和孔喉结构。利用马尔可夫链蒙特卡洛法构建三维数字岩心,提取相应的三维孔隙网络模型。根据其逆过程提出骨架网络模型的提取方法,可对岩石粒径进行定量分析。最后对三块低渗透岩心样品的颗粒半径、孔隙半径和喉道半径等结构参数进行对比分析,得到各样品结构参数之间的定量关系。研究表明,基于网络模型的岩石粒径分析法能够快速获取岩石的结构参数,对油藏岩石结构参数进行定量表征,大大缩短实验数据获取周期,为岩石结构参数分析提供了一套有效的研究思路。     

IIRCT下负二项分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到了带有不完全信息随机截尾试验下负二项分布的完全数据似然函数.给出了变点位置和其他参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样.详细介绍了MCMC方法的实施步骤,得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

利用哈勃参量观测数据限制ACDM宇宙学模型：MCMC方法

利用最新的哈勃参量观测数据(OHD)对标准宇宙学模型在空间曲率k=0和k≠0两种情况下,分别使用MCMC(Markov Chain Monte Carlo)方法对其模型参量进行了限制.对于平坦宇宙而言,得到如下结果:Ωm=0.248 85+0.03 81-0.04 52(1σ)+0.07 30-0.09 21(2σ),H0=72.731 4+2.01 19-1.80 72(1σ)+3.845 7-3.723 6(2σ);对于非平坦ΛCDM模型,Ωk=-0.332 66+0.391 1-0.358 7(1σ)+0.764 7-0.667 9(2σ),Ωm=0.375 88+0.147 8-0.150 3(1σ)+0.278 5-0.296 8(2σ),H0=73.876 3+2.373 9-2.345 5(1σ)+4.683 3-4.716 1(2σ).该结果与绝大多数多元数据联合限制的结果相一致并强烈支持暗能量宇宙的存在.