基于深度贝叶斯网络学习的不确定性建模方法

战场态势评估涉及很多不确定因素,对不确定性进行仿真建模能够提高态势评估的能力。针对参战对象多元、不确定性增多导致的无法全面准确表达不确定性问题,提出了基于记忆模块和变分自编码器的深度贝叶斯网络模型。采用生成模型设计了基于深度贝叶斯网络学习的态势评估模型;阐述了融合记忆模块的深度生成模型原理和模型的学习与推理过程;以某空袭行动为例构建贝叶斯网络,对所提方法进行了验证。结果表明:深度神经网络能够逼近隐变量的非线性变换,设计的记忆模块能存储深度神经网络提取的大量局部特征,通过学习自动得到了贝叶斯网络条件概率,增强了不确定性建模能力。     

Does a lot help a lot? Forecasting stock returns with pooling strategies in a data‐rich environment

A variety of recent studies provide a skeptical view on the predictability of stock returns. Empirical evidence shows that most prediction models suffer from a loss of information, model uncertainty, and structural instability by relying on low‐dimensional information sets. In this study, we evaluate the predictive ability of various lately refined forecasting strategies, which handle these issues by incorporating information from many potential predictor variables simultaneously. We investigate whether forecasting strategies that (i) combine information and (ii) combine individual forecasts are useful to predict US stock returns, that is, the market excess return, size, value, and the momentum premium. Our results show that methods combining information have remarkable in‐sample predictive ability. However, the out‐of‐sample performance suffers from highly volatile forecast errors. Forecast combinations face a better bias–efficiency trade‐off, yielding a consistently superior forecast performance for the market excess return and the size premium even after the 1970s.     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。     

Forecast Combination and Bayesian Model Averaging: A Prior Sensitivity Analysis

In this study we evaluate the forecast performance of model‐averaged forecasts based on the predictive likelihood carrying out a prior sensitivity analysis regarding Zellner's g prior. The main results are fourfold. First, the predictive likelihood does always better than the traditionally employed ‘marginal’ likelihood in settings where the true model is not part of the model space. Secondly, forecast accuracy as measured by the root mean square error (RMSE) is maximized for the median probability model. On the other hand, model averaging excels in predicting direction of changes. Lastly, g should be set according to Laud and Ibrahim (1995: Predictive model selection. Journal of the Royal Statistical Society B 57 : 247–262) with a hold‐out sample size of 25% to minimize the RMSE (median model) and 75% to optimize direction of change forecasts (model averaging). We finally apply the aforementioned recommendations to forecast the monthly industrial production output of six countries, beating for almost all countries the AR(1) benchmark model. Copyright © 2011 John Wiley & Sons, Ltd.     

不确定条件下纵向研发合作的投资决策研究

针对一个存在两个上游企业和两个下游企业的双层市场结构,对上下游企业实施纵向研发合作策略下的产量和利润进行了研究。并考虑了研发固有的不确定性和溢出效应的影响,从企业是否进行研发以及进行多大程度的研发两个方面,研究上下游企业实施纵向研发合作的投资决策。并在此基础上,探讨了企业研发成本分担比例和违约赔偿。     

一类参数不确定系统的鲁棒控制及仿真

考虑具有大运行范围飞控系统的鲁棒控制问题.基于最佳拟合的方法,建立了适合大运行范围的飞行控制系统模型,从而将其转化为一类与摄动参数呈多项式函数关系的不确定性模型.对某模型飞机控制系统,采用文中鲁棒控制方法,对其进行了鲁棒镇定控制设计,仿真结果表明了文中方法的可行性.     

受水区生态系统对南水北调工程的响应

南水北调工程的运行将引起受水区河流水生维管束植物的数量减少、东线洪泽湖的水质复杂化、受水区降水增多和温度降低以及受水区植被面积增加,从而改变流域的生态结构.因此,在实施南水北调工程的同时,应保持河流形态的异质性和生境的多样性,充分认识生态系统过程的非线性和结果的不确定性,并实施相应的环境监测以便及时发现和解决问题;确保受水区生态在自主性基础上进行恢复,努力使南水北调工程对受水区的生态起最大积极作用,使南水北调工程成为可持续发展的生态南水北调工程.     

火焰原子吸收分光光度法测定地表水中铜含量的不确定度评定

根据GB 7475—87《水质铜、锌、铅、镉的测定火焰原子吸收分光光度法》建立地表水样测定的数学模型,并根据JJF 1059.1—2012《测量不确定度评定与表示》的要求,计算测量过程中的不确定度分量,最终得出扩展不确定度.经检测计算,该地表水样品中的铜含量为1.53 mg/L,其扩展不确定度为0.036 mg/L,包含因子k=2,地表水样品中铜含量的测量结果应报告为(1.53±0.036) mg/L, k=2.结果表明,火焰原子吸收分光光度法测定地表水样中铜含量的不确定度主要来源于标准曲线拟合、标准溶液配制和样品重复测量.     

一种基于不确定度的证据冲突识别方法

从高度冲突证据对D-S证据理论的应用约束出发,针对几种常用冲突度量方法存在的问题,定义了描述证据自身特征的不确定度,将证据冲突涵义从证据间不一致扩展到证据内外,给出基于不确定度的证据冲突多元度量,并为增强冲突的识别效果提出最大差异度的冲突处理方法.验证分析得出:本文给出的度量方法能够有效表征证据间的冲突程度,最大冲突差异度的处理实现了证据冲突识别的显著化,在证据冲突度量与识别中具有很好的普适性和有效性.     

不确定条件下不同交货期窗口的Flow Shop调度

研究了具有不同交货期窗口的Flow Shop的提前／拖期调度问题，并考虑了处理时间的不确定性。采用三角模糊数表示不确定性信息，引入两种模糊运算，建立了问题的模糊规划模型，并采用“中间值最大隶属度”的算法将模糊规划模型转化为清晰的非线性规划模型。针对清晰的数学模型提出了基于遗传算法的优化方法，最小化对所有工件提前／拖期惩罚。最后，大量仿真实验验证了算法的有效性。