板状碎片对建筑屋面的冲击破坏概率模型

飞掷物对建筑的冲击破坏是围护结构在强风作用下受损的主要原因之一。为针对不同围护结构建立考虑多因素影响的冲击破坏概率模型,提出了一种基于马格努斯效应的板状碎片三维轨迹方程的板状碎片冲击破坏概率模型。与现有模型相比,额外考虑了在不同风速风向下板状碎片来源、起飞初始条件和建筑相对位置对屋面冲击破坏概率的影响。利用风速15 m·s^(-1)~45 m·s^(-1),风向0°~90°和上游建筑高度8.0 m~12.5 m作为模型的输入,实现了可考虑多因素影响的板状碎片对低矮建筑屋面冲击破坏的概率估计,验证了模型的实用性。该模型计算过程简单,可应用于建筑屋面易损性分析。

结合贝叶斯-MCMC更新的RC梁抗剪承载力概率模型的可靠度分析

为分析钢筋混凝土(RC)梁抗剪承载力,首先,基于国内外100组RC梁抗剪承载力试验数据作为先验信息,结合我国GB 50010-2010规范的抗剪承载力,综合考虑混凝土与箍筋的材料强度、截面尺寸、剪跨比、配箍率等因素的影响,通过贝叶斯-马尔科夫链蒙特卡洛(MCMC)方法对我国规范模型进行更新与修正;随后,结合Monte Carlo模拟,对所建立的RC梁概率抗剪承载力模型进行可靠度分析,验证了该模型具有较好的计算精度与可靠性。结果表明:概率模型均值与试验值比值K的均值与标准差分别为1.013与0.171,试验值落在概率模型的95%置信区间范围内,且可靠指标分布在4.0左右,说明建立的概率模型具有较好的预测效果与可靠性。

构造两类概率模型解决相关不等式问题

虽然数学的各分支都有自己的研究方向和重心,但相互之间并不存在不可逾越的鸿沟.构造概率统计模型解决问题,是一种富有创造性的思维方式,它为我们解题提供了另一途径,不失为一种好方法,该方法对于培养学生思维的广阔性和创造性,具有重要的意义.

基于去噪扩散概率模型的水⁃光互补系统随机场景生成方法

随着水-光互补系统应用越来越广泛,准确地描述水-光出力的不确定性对电网的运行和规划具有重要影响。现有多源融合特性建模方法不仅存在考虑可再生能源出力时空相关性不充分的问题,而且在实际复杂应用环境下要进行先验假设,进而导致生成质量降低。基于此,文中提出了基于去噪扩散概率模型的水-光互补系统随机场景生成方法。首先,将结合欧氏距离和L2正则化的损失函数作为衡量生成噪声与原始噪声分布差异的标准,并设计适应水-光-荷随机场景生成的UNet网络结构;然后,通过对前向过程不断加噪和逆向过程不断去噪训练,捕捉水-光-荷多维变量相关性变化及波动特征,拟合其概率分布规律;最后,对多源数据协同建模,高效生成水-光互补系统随机场景。文中算例基于某地区电网实际采集数据进行测试,通过综合评估指标验证了所提方法的有效性。

基于目标机动噪声的末制导弹命中概率模型

末制导火箭弹对机动目标打击过程中,火控系统对机动目标的解算及命中概率是值得关注的问题。用射表拟合函数与目标运动方程联立建立解命中模型,并采用弦截法迭代求解。用离散的短时状态转移方程推导出长时期状态转移方程,从中分离出各短时间段内的高斯白噪声的累积和作为长期预测的概率模型。针对不同机动模型,用历史采样数据估计概率模型中白噪声的方差,从而可确定模型整体方差,并根据火箭弹飞行时间及末制导弹制导范围可计算命中概率。对CV模型、CT模型、CA模型和singer模型进行了解命中和概率计算,通过仿真验证了概率模型的准确性。

基于去噪扩散概率模型不平衡样本增强的暂态稳定评估

准确有效的电力系统暂态稳定评估对电力系统安全稳定运行具有重要意义。目前,基于深度学习的暂态稳定评估方法面临着时序特征空间表征困难、样本类别严重不平衡等问题,影响到评估结果的可信度。为了弥补现有研究的不足,提出了一种基于去噪扩散概率模型(DDPM)不平衡样本增强的电力系统暂态稳定评估方法。首先,构建改进HSV颜色模型对高维数据进行二维图像化处理,从而直观表征高维数据,便于后续训练;然后,基于DDPM算法对不平衡失稳样本空间进行表征学习,规模化生成概率同分布的增强样本,进而解决类别不平衡问题;最后,提出梯度加权类激活映射卷积神经网络以构建暂态稳定评估模型,提升模型的可信度与可解释性。IEEE 39节点系统测试的仿真结果表明,所构建的模型相较于其他方法具备更高的稳定性判别精度,且对失稳样本的识别率显著提高,验证了所提方法的有效性。

动力荷载下结构非线性概率模型参数估计及失效概率预测

文章提出基于贝叶斯推理的结构非线性概率模型参数估计方法,结合非线性参数的后验概率分布估计结果,实现结构在动力荷载作用下的失效概率预测。利用结构实测加速度响应作为输入,构建贝叶斯推理的似然函数,采用过渡马尔可夫蒙特卡洛(transitional Markov chain Monte Carlo,TMCMC)算法估计非线性概率模型参数的后验概率分布。当模型参数的后验概率分布被计算之后,利用更新后的参数后验概率分布作为输入,通过随机抽样算法预测结构在动力荷载作用下的失效概率。为验证方法的可行性,对地震荷载作用下的5层钢框架结构进行数值模拟,通过钢框架结构的缩尺振动台试验进一步验证该方法的有效性。研究结果表明:该方法能够准确实现非线性模型参数的后验概率密度计算,能够对结构在地震荷载下的失效概率进行有效预测。

基于去噪扩散概率模型的网络流量入侵检测方法研究

互联网、物联网技术的迅猛发展,保障网络系统的安全性成为一项紧迫的任务.然而,传统的入侵检测模型在面对复杂网络环境中的稀有类攻击流量时存在局限性,不同种类网络流量的数据不平衡性会影响模型整体的分类性能.针对以上问题,提出基于去噪扩散概率模型的网络流量入侵检测方法——DDPM_1DCNN_BiLSTM,使用去噪扩散概率模型生成稀有类攻击流量数据进行样本扩充,使用融合自注意力机制的1DCNN_BiLSTM模型进行特征的提取与流量检测.实验使用不平衡入侵检测数据集NSL-KDD,将1DCNN_BiLSTM与包括randomforest,decisiontree等现有常见分类模型分别在原始训练集与平衡化数据集上训练,并使用训练后的模型对同一测试集分类.实验结果表明,由平衡化数据集训练出的各种现有分类模型相较于由原始不平衡数据集训练出的模型,前者在测试集中表现的效果更好,并且所提方法相较于常见的入侵检测方法具有更高的准确率与F1分数,证明了所提方法对提高稀有类攻击流量检出率与入侵检测综合能力的有效性.

基于扩散概率模型的非均一地震数据插值方法

【目的】能源勘探领域长期面临非均一地震数据插值的难题。由于检波器无法精确放置在理论网格点,现有均一插值技术常导致结果存在偏差和细节失真。【方法】为解决此问题,提出一种基于扩散概率模型的非均一插值新方法。扩散概率模型是一种新兴的生成式深度学习模型,分为扩散和生成两个过程。在扩散过程中,对完整地震数据迭代施加噪声,训练神经网络的去噪能力;在生成过程中,使用神经网络对噪声数据迭代去噪,得到重构数据。利用插值算子计算迭代数据与采集数据的偏差,作为神经网络的额外输入,提高扩散概率模型的非均一插值能力。在数值实验部分,使用二维合成数据集与实际数据集对非均一采样进行了测试,并使用均一插值模型与所提模型进行比较。【结果和结论】结果表明:该方法显著提升了扩散概率模型对非均一采样的处理能力,在合成数据与实际数据测试中,信噪比大约提高了7 dB,有效提高了深度学习方法对非均一插值的精度,为非均一地震数据插值算法提供了新的思路。

改进Dempster-Shafer证据与概率模型集成的变压器故障诊断

针对单个变压器故障诊断模型准确率有限的问题,提出基于kappa系数改进Dempster-Shafer(D-S)证据理论与概率模型集成的变压器故障诊断方法。首先,分别构建基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的变压器故障诊断概率模型,拟合诊断模型在样本上的基本概率分配函数。然后,建立D-S证据理论信息集成框架,提出基于kappa系数与准确率权重的证据修正方法,从子模型与故障类型两个角度对证据进行修正,进而融合概率模型诊断结果。最后,通过仿真验证本文所提方法的有效性。

基于归一化流概率模型的水电机组异常声音检测

为推进水电机组智能化运维的发展,提出了一种自注意多阶统计量池化(SAMOSP)归一化流条件概率模型(NFCPM)用于水电机组的无监督异常声音检测。文中首次提出了自注意多阶统计量池化模块。该模块首先用一维压缩卷积层和瓶颈压缩激励部分自注意到时间帧的权重向量。权重向量用来计算多阶统计池化向量。然后再分频段的自注意到多阶统计池化量的不同权重,并按其提取不同频段的重要统计量信息,从而得到时频图的自注意统计池化特征向量。接着用归一化流条件概率模型对从水轮机组正常音频信号中提取到的自注意统计池化特征向量进行正常数据的概率建模。不同时间段的测试样本在该正常数据概率模型中进行测试,并得到相应的分数。分数越低表示概率密度越低,则异常程度越大,从而实现水电机组音频信号的无监督异常检测。

基于信息扩散的隧道突水岩层安全厚度概率模型研究

通过虚功原理和莫尔库伦强度准则建立隧道最小安全岩层厚度力学模型,并推导计算公式,从公式看出最小安全岩层厚度受隧道半径、岩石内摩擦角度、掌子面前溶腔水压和黏聚力等因素影响。针对小样本信息不完备特点,基于信息扩散原理建立岩石力学参数(黏聚力、内摩擦角、弹性模量)和最小安全岩层厚度概率估计模型,以宜万铁路5个隧道的样本数据为基础,获取了岩石力学参数和最小安全厚度概率密度分布函数,并且绘制了图形。依据信息扩散原理建立的隧道最小安全岩层厚度概率模型能很好地利用样本数据信息。建立的最小安全岩层厚度概率模型可以应用到岩溶隧道突涌水灾害的风险评价中,对设计和施工有一定参考价值。

去噪扩散概率模型在人工智能医疗器械影像数据增广中的应用

医疗器械影像数据增广是一种通过生成新的数据样本来扩展现有数据集的方法,对提高人工智能(AI)医疗器械相关模型性能和临床应用效果具有重要意义。传统的数据增广方法通常受限于生成样本质量、真实感和多样性。去噪扩散概率模型(DDPM)是一种基于噪声扩散过程的生成模型,其主要思想是通过将目标分布的采样过程建模为从噪声分布中逐步去噪的过程,从而生成具有高质量的样本。综述DDPM基本原理和工作机制,分析该方法在AI医疗器械数据增广中的应用场景,探讨其优势、挑战和未来发展方向,为AI医疗器械数据增广领域提供参考。

基于时序数据和概率模型的智能交通网络关键节点安全保护方法

为了解决智能交通网络中关键节点因缺乏离散程度分析导致的保护效果不佳问题,提出基于时序数据和概率模型的智能交通网络关键节点安全保护方法。结合交通流的时序数据以及节点连通概率模型,对交通网络关键特征参数进行选定,明确网络内部离散程度以及连通性能;将关键性特征参数作为中心性指标,对节点的重要度进行求解,从而实现关键节点辨识;构建关键节点的交通流量平衡模型,对节点流量负载状态进行平衡,从而实现节点安全保护。实验结果表明,采用提出的方法对交通网络关键节点进行安全保护后,节点的交通流量负载比明显降低,具备较为理想的安全保护效果。

掌握概率模型 准确求解概率

与过去的教材相比,新版的高中数学人教A版教材中,增加了概率模型的种类,并且难度也变得更难,很多学生在学习这部分新增内容时感觉非常困难.为了更好地帮助学生掌握这部分知识,文中提出了几点教学策略,希望可以帮助学生更好地理解和掌握这部分内容.

基于概率模型辅助的高压断路器故障预测研究

概率模型可用于辅助研究高压开关柜断路器的故障预测,并可基于历史故障数据和其他相关因素,通过统计分析和机器学习算法来预测高压开关柜断路器的故障概率。高压开关柜断路器(HVSCB)中大多数故障的根源是运行机制,而行程曲线(TC)可以有效地揭示操作机构的状态。本文介绍了HVSCB常见失效模式对TC剖面的影响,并提出了一种新的模型辅助方法,将基于模型的方法和基于规则的方法相结合来模拟操作机构的行为。HVSCB的工况根据其运行速度分为三种模式即正常(约3 m/s)、故障1(小于正常范围)和故障2(大于正常范围)。HVSCB的模式变化已通过交互式多模型(IMM)在每次操作中进行了估计,所提出预测故障和分析故障原因的方法已通过了实验验证。

基于经验频率分布的偏态概率模型可靠度计算方法研究

在既有结构可靠度计算中,经验频率分布较容易通过简单的序列计算得到。利用经验频率分布回归得到的正态概率模型或偏态概率模型可以计算相关统计参数、失效概率和可靠指标。大量的计算和比较分析得出,偏态概率模型在工程实践中具有更好的适应性。数值计算结果也进一步表明,用正态分布进行近似,其可靠指标的误差较大,甚至会影响既有结构的评估结果。提出了基于Azzalini偏态分布函数的参数估计方法,并利用失效概率作为联系纽带,建立了偏态分布下失效概率与可靠指标之间的函数关系。以某较为复杂的功能函数为例,展示了所提出的基于经验频率分布的偏态概率模型可靠度计算方法,该方法具有步骤清晰、目标明确、精度较高的优点,能够适用于更加广泛的实际既有工程结构可靠度的评估。

考虑震害因子耦合作用的砌体建筑群破坏概率模型研究

砌体建筑群在地震中往往破坏严重损失巨大,合理评估地震作用对不同种类砌体结构造成破坏的风险变得至关重要。传统基于后验概率的地震危险性分析方法忽略了砌体建筑个体差异性的影响,未深入考虑多种震害因子的耦合作用。本文以华南地区砌体建筑群为例,开发了一种集成概率方法来对城市砌体结构的破坏风险进行建模,考虑建筑年代、层数、使用用途和墙厚四类震害因子的耦合影响,采用(Kolmogorov-Smirnov)K-S检验,在设定地震动参数下选取Gaussian分布、Log-Normal分布、Gumbel分布和Beta分布四种概率分布对该地区砌体建筑物的破坏状态概率分布参数进行拟合。通过均方根误差(Root Mean Square Error)RMSE进行拟合优度评价,最终建立基于Gaussian分布和Log-Normal分布的砌体建筑物破坏联合概率模型。最后,以华南地区三个城市典型砌体建筑物为例进行实例对比验证,将基于本文建立的建筑破坏概率模型推算出的砌体建筑群震害矩阵与基于单体结构分析得到的震害矩阵进行对比,与理论值最大偏差为0.0333。研究表明:本文构建的集成概率方法能够获得更加合理的城市砌体建筑物震害矩阵,提供了考虑结构固有不确定性和随机不确定性的有效途径,有助于推动城市建筑韧性评价和设计理论的发展。

基于Logistic回归的樟子松林飞火引燃概率模型研究

飞火是森林火灾蔓延的重要途径,为探究飞火引燃的形成机理,以樟子松松针为材料制作燃料床,樟子松树枝、树皮和松果为飞火火源,改变风速、飞火火源尺寸和燃料床压缩比,进行飞火引燃试验。通过SPSS选取最优建模数据,基于二元Logistic回归分析,建立引燃概率模型。3种飞火火源各进行1920次试验,共5760次试验,树枝、树皮和松果分别引燃336次、304次和376次。各交互作用的引燃次数曲线均呈上升趋势,且风速在其他3种试验条件的交互作用中,均起到显著影响。树枝的建模样本预测准确率为75.6%,总预测准确率为77.3%;树皮的建模样本引燃预测准确率为77.8%,总预测准确率为83.6%;松果的建模样本引燃预测准确率为81.2%,总预测准确率为85.4%。3种飞火火源引燃能力由强到弱分别为:松果>树枝>树皮,3种飞火火源的引燃概率模型的总预测率在77.3%~85.4%之间,均具有较高的准确率,可为森林防火工作提供理论参考。

双参数非线性概率模型的板材腐蚀精度估计

针对金属板腐蚀在线超声动态检测时探头抖动致使超声波入射角变化,引起测量精度低的问题,建立双参数超声波水浸检测误差修正的非线性概率模型,结合函数逼近理论补偿超声入射角引入误差。采用基函数加权组合与三阶拉格朗日插值结合方法,同时对超声波入射角、界面声程双参数与工件声程的函数关系进行最小二乘曲线拟合,得出入射角与检测误差的非线性相关关系。通过对误差补偿算法中非线性概率模型入射角与界面声程变量的迭代运算,利用折射角反向求解入射角,解决检测中超声波入射角不确定问题。在水层厚度30~45 mm范围内,对不同厚度铝板进行检测,结果表明,经模型补偿处理,超声波以0°~8°角入射,板材检测精度为1%,为有效提高腐蚀精度估计提供依据。