基于多元线性回归的雾霾预测方法研究

提出了一种在线样本更新的多元线性回归分析的雾霾预测方法。首先搜集了北京市天气状况,包括平均气温、湿度、风级等气象数据以及PM2.5、CO、NO_2、SO_2等大气成分浓度数据,然后通过散点图对这些因素进行主要影响因素分析,筛选出对雾霾影响比较明显的因素作为雾霾预测的依据。通过在线样本更新的多元线性回归建立了PM2.5含量预测模型,并将气象要素作为雾霾的判断标准。最后给出实际例子,利用多元线性回归对北京未来一天、三天及一周的PM2.5含量进行较为精确的预测。

相依屏蔽数据串联系统中M-O型部件的可靠性分析

当串联系统含有屏蔽数据且屏蔽概率与失效部件相关时,研究系统中相依部件分布参数及可靠度函数的估计问题。假设部件寿命服从二元Marshall-Olkin型指数分布,在逐步Ⅱ型截尾下,基于屏蔽数据,推导出部件参数及可靠度函数的极大似然估计。鉴于极大似然估计法在完全屏蔽情形下的局限性,利用贝叶斯方法,在平方损失函数下推导出部件参数和可靠度函数的贝叶斯估计。最后利用Monte-Carlo方法给出数值例子,比较了两种估计结果的优劣;同时研究了屏蔽概率和截尾数对估计结果的影响。结果表明两种估计的精度均随着屏蔽概率的增大而降低,随着截尾数的增大而增高,贝叶斯估计较极大似然估计效果更优。