MCMC(Markov Chain Monte Carlo,MCMC)方法采用顺序改变表征像素类属性的标号变量值会导致算法运算时间长、收敛速度慢等问题。为此,本文提出并行化改变像素标号值的MCMC方案,在贝叶斯推理框架下,依据高斯分布及MRF(Markov Random Field...MCMC(Markov Chain Monte Carlo,MCMC)方法采用顺序改变表征像素类属性的标号变量值会导致算法运算时间长、收敛速度慢等问题。为此,本文提出并行化改变像素标号值的MCMC方案,在贝叶斯推理框架下,依据高斯分布及MRF(Markov Random Field,MRF)模型建立SAR(Synthetic Aperture Radar,SAR)影像分割模型,设计实现基于多线程的并行采样方案;为了解决MRF标号场中邻域像素标号相关性问题,提出独立的像素并行采样的准则;同时,限制并行线程的数量,以保证采样的随机性。运用传统的串行算法和提出的并行算法对模拟和真实SAR影像进行影像分割实验;定性和定量的时间和精度评价结果表明:该方案在不影响分割精度的前提下大幅缩短影像分割时间,提高了效率。展开更多
我们首先提出了一个带ARMA(1,1)条件异方差相关的随机波动模型,它是基本的随机波动模型的一个自然的推广.进一步,对于这一新模型,我们给出了一个马尔可夫链蒙特卡罗(M CM C)算法.最后,利用该模型的模拟数据,展示了M CM C算法在这种模型...我们首先提出了一个带ARMA(1,1)条件异方差相关的随机波动模型,它是基本的随机波动模型的一个自然的推广.进一步,对于这一新模型,我们给出了一个马尔可夫链蒙特卡罗(M CM C)算法.最后,利用该模型的模拟数据,展示了M CM C算法在这种模型中的应用.展开更多
针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC(Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法。首先,以待修正参数作为输入,以应变模态作为输出,建立Kri...针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC(Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法。首先,以待修正参数作为输入,以应变模态作为输出,建立Kriging模型,通过蝙蝠算法确定Kriging模型的相关系数;然后,采用最大熵的贝叶斯方法估计参数的后验概率密度函数,将花朵授粉算法融入MH(Metropolis-Hasting)抽样算法,提高局部寻优和全局寻优能力;最后,通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法,修正后参数相对误差均低于0.86%。结果表明,所提方法修正后较高维参数的马尔可夫链能够快速收敛且样本接受率也有所提高,该方法也对随机噪声具有一定的鲁棒性。展开更多
【目的】在“双碳”战略目标下,中国天然气消费需求正快速增长,但天然气具有易燃易爆性,一旦天然气管道发生泄漏事故,易造成人员伤亡、环境污染以及经济损失等,天然气管道泄漏检测的研究显得尤为重要。【方法】以高斯烟羽模型与加装甲...【目的】在“双碳”战略目标下,中国天然气消费需求正快速增长,但天然气具有易燃易爆性,一旦天然气管道发生泄漏事故,易造成人员伤亡、环境污染以及经济损失等,天然气管道泄漏检测的研究显得尤为重要。【方法】以高斯烟羽模型与加装甲烷浓度传感器的无人机为基础,采用基于贝叶斯推理的马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)法获取天然气管道泄漏源的泄漏位置、泄漏速率;采用基于概率统计的气体源强反算方法,计算概率最高的泄漏参数区间。利用设置的天然气架空管道连续泄漏事故场景进行气体泄漏模拟,验证MCMC算法确定天然气管道泄漏源的有效性。【结果】MCMC算法通过计算得到天然气管道泄漏位置和泄漏速率,总误差的增大使得MCMC算法的成功率降低,但数据清洗会增强算法误差适应性,未经过数据处理的算法成功率则逐渐降低,而经过数据清洗的算法成功率超过90%;将危险气体源强反算的思想应用于天然气管道泄漏检测中,有助于更加准确地获得管道泄漏位置与泄漏速率;初始点远离真实泄漏源会降低MCMC算法的性能,因此合理地选择初始点有利于算法的运行。【结论】基于MCMC算法与加装甲烷浓度传感器的无人机相结合的检测方法,可同时确定天然气管道的泄漏位置与泄漏速率,对泄漏事故发生后的应急处理具有重要意义。(图7,表5,参24)展开更多
文摘MCMC(Markov Chain Monte Carlo,MCMC)方法采用顺序改变表征像素类属性的标号变量值会导致算法运算时间长、收敛速度慢等问题。为此,本文提出并行化改变像素标号值的MCMC方案,在贝叶斯推理框架下,依据高斯分布及MRF(Markov Random Field,MRF)模型建立SAR(Synthetic Aperture Radar,SAR)影像分割模型,设计实现基于多线程的并行采样方案;为了解决MRF标号场中邻域像素标号相关性问题,提出独立的像素并行采样的准则;同时,限制并行线程的数量,以保证采样的随机性。运用传统的串行算法和提出的并行算法对模拟和真实SAR影像进行影像分割实验;定性和定量的时间和精度评价结果表明:该方案在不影响分割精度的前提下大幅缩短影像分割时间,提高了效率。
文摘针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC(Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法。首先,以待修正参数作为输入,以应变模态作为输出,建立Kriging模型,通过蝙蝠算法确定Kriging模型的相关系数;然后,采用最大熵的贝叶斯方法估计参数的后验概率密度函数,将花朵授粉算法融入MH(Metropolis-Hasting)抽样算法,提高局部寻优和全局寻优能力;最后,通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法,修正后参数相对误差均低于0.86%。结果表明,所提方法修正后较高维参数的马尔可夫链能够快速收敛且样本接受率也有所提高,该方法也对随机噪声具有一定的鲁棒性。
文摘【目的】在“双碳”战略目标下,中国天然气消费需求正快速增长,但天然气具有易燃易爆性,一旦天然气管道发生泄漏事故,易造成人员伤亡、环境污染以及经济损失等,天然气管道泄漏检测的研究显得尤为重要。【方法】以高斯烟羽模型与加装甲烷浓度传感器的无人机为基础,采用基于贝叶斯推理的马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)法获取天然气管道泄漏源的泄漏位置、泄漏速率;采用基于概率统计的气体源强反算方法,计算概率最高的泄漏参数区间。利用设置的天然气架空管道连续泄漏事故场景进行气体泄漏模拟,验证MCMC算法确定天然气管道泄漏源的有效性。【结果】MCMC算法通过计算得到天然气管道泄漏位置和泄漏速率,总误差的增大使得MCMC算法的成功率降低,但数据清洗会增强算法误差适应性,未经过数据处理的算法成功率则逐渐降低,而经过数据清洗的算法成功率超过90%;将危险气体源强反算的思想应用于天然气管道泄漏检测中,有助于更加准确地获得管道泄漏位置与泄漏速率;初始点远离真实泄漏源会降低MCMC算法的性能,因此合理地选择初始点有利于算法的运行。【结论】基于MCMC算法与加装甲烷浓度传感器的无人机相结合的检测方法,可同时确定天然气管道的泄漏位置与泄漏速率,对泄漏事故发生后的应急处理具有重要意义。(图7,表5,参24)
