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.     

经验过程在阿基米德Copula拟合优度检验中的应用

针对阿基米德Copula所特有的变量可交换性,提出了一种基于经验Copula过程的新拟合优度检验方法。不同于一般的Copula拟合优度检验,该方法在选择最优的阿基米德Copula时具有良好的效果。     

自回归系数的Bootstrap检验

在自回归模型中,德宾-沃森(D-W)检验是一种使用非霄广泛的自回归系数检验.但D-W检验有一个很大的限制:当检验的统计量落入了所谓"不确定域"则无法进行检验.本文利用Bootstrap重复抽样方法对自回归系数进行捡验.蒙特卡罗研究表明,该方法消除了不确定域,改善了检验效果.     

基于GA和Bootstrap的最小二乘支持向量机参数优选

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便.针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用遗传算法(GA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

一类线性混合效应模型分位数估计的影响分析

当回归模型误差服从非对称或非正态分布时,尤其是在重尾分布或分布受污染的情况下,如何检测纵向数据中的异常值是数据分析中的一个重要问题。为了克服非正态分布模型误差的影响,采用稳健的分位数方法对一类线性混合效应模型进行参数估计,并分别基于数据删除模型和均值漂移模型构造强影响点的诊断度量和异常值的检验统计量,以有效地检测强影响点和异常值点。在识别强影响点时,为了减轻计算负担,利用光滑逼近的方法给出了数据删除模型参数的一步近似估计,并据此构造出基于损失函数的距离和Cook距离。为了能够识别异常值点,首先构造出检验异常值点的Wald统计量,然后基于数据删除模型和均值漂移模型的系数估计的等价性,利用Bootstrap抽样得到检验的拒绝域。数值模拟结果表明,本文所提的诊断度量和检验统计量都能够很好地判断出强影响点和异常值点。最后应用本文方法针对化学实验纵向数据进行了影响分析。     

区域交通资源配置效率综合评估

为有效促进交通运输及区域经济的发展,有必要对区域交通资源配置效率进行综合评估。研究通过构建交通资源配置效率指标体系,提出了基于三阶段DEA-Bootstrap模型对区域交通资源配置效率进行评估。利用三阶段DEA模型剔除评估过程中的环境误差,引入Bootstrap方法克服DEA模型有效性值的内在依赖性,并以长江经济带11个区域为例进行案例研究。结果表明,剔除环境因素与随机干扰的影响,长江经济带交通资源配置效率为0.612,较传统DEA计算效率结果下降了0.189。解决技术投入冗余和促进规模效率发展是该区域交通资源高效配置的关键。可见,该方法可有效避免传统 DEA 方法在评估资源配置效率时的偏差,高效评估区域交通资源配置效率。     

一类非参数的ARMA模型

用任意的一元函数代替常数作为线性自回归滑动平均(ARMA)模型中自回归项的系数,提出并研究一类新的非参数ARMA模型.首先研究该模型的概率性质,获得了该模型的平稳性条件.分别用局域线性回归和全局的最小二乘方法估计模型中的函数系数和参数,在函数系数的局域线性估计中,推广了一个GCV准则以选择最优的窗宽.为了检验特殊的参数化模型是否已经足够描述实际数据的动态结构,提出了一个Bootstrap检验方法.随机仿真的例子表明本文的估计和检验方法是正确的和可行性的.进一步,用该模型成功地分析了一个实际数据集.     

APPLEⅡ的启动与DOS3.3引导过程分析

本文就APPLEⅡPLUS的加电启动,磁盘控制卡上ROM内引导程序BOOT 0及DOS盘上本文就APPLEⅡPLUS的加电启动,磁盘控制卡上ROM内引导程序BOOT 0及DOS盘上$00道的引导程序BOOT 1进行了较详细的分析。     

空间非均匀噪声下应用Bootstrap技术的信源数检测

针对阵列系统接收数据有限且存在空间非均匀噪声的信源数估计问题,提出一种基于Bootstrap技术和空间正交性的新方法.该方法首先估计任意信号的入射角度,然后对阵列协方差矩阵进行特征分解,提出了以特征向量和阵列流型矢量内积为基础的一系列假设检验,数据分布未知,并且应用Bootstrap方法估计零假设下提出的检测统计量分布.通过仿真证明了所提方法,在低信噪比(SNR)和小快拍数的情况下有较好的性能.