融合ARIMA模型和MCMC方法的非一致性设计洪水计算

常规非一致性频率分析方法在选择协变量、建立统计参数与协变量的函数关系方面均存在主观性,且仅获得设计洪水估计值,不能同时进行不确定性分析。为改进上述不足,建立了ARIMA-MCMC模型,在贝叶斯MCMC方法抽样过程中考虑统计参数拟合期内的时变性,进而对未来气候变化条件下的非一致性设计洪水频率分布模型参数进行抽样,基于参数后验分布进行设计洪水计算,并推求相应的置信区间。选取雅砻江流域小得石水文站作为分析对象,采用ARIMA-MCMC模型定量评估未来气候变化条件下小得石站设计洪水的变化情况。结果表明:基于ARIMA-MCMC方法的参数抽样收敛效果较好,3种情景下的模型统计量D均小于显著水平5%的临界值;除SSP2-4.5情景下P=0.1%和P=0.05%的设计值外,其他情况的设计最大日流量较历史期均明显增加,其中SSP1-2.6、SSP5-8.5情景下的增幅分别为7.1%~10.5%、13.9%~27.2%。本文建立的ARIMA-MCMC方法能够有效进行非一致性设计洪水频率分析。

基于MCMC的电网安全稳定控制系统动态可靠性评估方法

现有安全稳定控制系统(简称稳控系统)的可靠性评估方法本质上属于静态建模,由于未能体现系统内各装置老化和检修等动态过程,在一定程度上影响了评估结果的准确性。为此,文中提出一种基于马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)的稳控系统动态可靠性评估方法。首先针对失效过程,构建四状态非齐次马尔可夫模型来模拟装置老化过程,并给出各状态评判方法;其次针对修复过程,分析不同检修策略对装置状态转移的影响以体现状态检修的差异性;最后考虑稳控装置状态转移过程的时序或条件相关性,对稳控系统可靠性进行动态建模。以实际稳控系统为例,仿真对比不同检修策略下的可靠性,并对模型参数进行灵敏度分析。评估结果表明,该方法可以求解稳控系统的时变可用度,用于指导稳控装置现场合理检修。

基于DE-MCMC方法的滑坡堆积体土壤水力参数反演研究

极端降雨条件下,入渗可急剧增大滑坡体中软弱结构面上的土壤含水量和孔隙水压力,是触发滑坡的重要因素。因此,土壤水动力模拟是滑坡预警系统的核心,其模拟结果的准确与否取决于土壤渗透特性的参数化。该文以汶川地震扰动区的银洞子滑坡堆积体为例,以土壤含水量野外观测数据为基础,基于Richards方程构建入渗模型,利用自适应差分演化算法的马尔科夫链蒙特卡罗方法(Differential Evolution Markov chain Monte Carlo,简称DE-MCMC)反演van Genuchten土壤水力参数。通过比较土壤含水量的模拟值与实测值的拟合程度,评估DEMCMC算法在土壤水动力模拟中的适用性。结果表明,基于DE-MCMC算法反演的后验参数极大降低了先验参数分布的不确定性,并显著提升土壤含水量的模拟精度。将DE-MCMC方法应用于滑坡水文,可有效率定土壤渗透特性参数,为降雨型滑坡预警提供更为可靠的土壤水动力模拟结果。

贝叶斯框架下利用GPS数据反演震源参数的一种改进MCMC算法

随着机器软硬件设施的飞速发展,贝叶斯算法在各个领域得到了广泛应用.在贝叶斯的框架下,以采样方式的MCMC方法去求解震源参数问题时,马尔科夫链的收敛对于得到合理正确的震源参数至关重要.基于此,本文在已有研究的基础上,改进了MCMC方法的随机步长生成方式,使其随机步长整体符合正态分布;并考虑到初值对马尔科夫链的收敛至关重要,提出以非线性启发式搜索算法结合贝叶斯框架下的MCMC算法共同反演地震震源参数.论文以MPSO算法提供初值,以一组随机生成的值作为对照,针对美浓地震,以GPS位移数据验证了改进MCMC算法在收敛速度上优于原始算法,置信区间更为合理;同时验证了以MPSO为贝叶斯算法提供初值的情况下,不仅克服了启发式搜索算法的不稳定性,且改进算法收敛速度更快.为了验证改进算法能大大缩减采样所需要的次数,拓展本文改进算法在不同类型地震中的应用,本文将改进算法以10万次采样反演了博德鲁姆-科斯MW6.6倾滑型地震震源参数.反演结果支持博德鲁姆-科斯地震断层为北向倾斜断层,形变场拟合东西方向(EW)均方根误差为1.43 mm,南北方向(SN)均方根误差为3.23 mm,垂直方向均方根误差为9.69 mm,优于大部分同类型已有文献.

基于MCMC方法的贝叶斯统计模型应用研究

为验证贝叶斯统计后验分布计算的收敛性,文章研究并构建了线性回归和时间序列两类经典的贝叶斯统计模型。基于马尔可夫链蒙特卡罗方法,运用birdextinct数据集验证了贝叶斯线性回归模型,并分析鸟类的平均灭绝时间与平均筑巢数、种群规模、栖息状态三个量之间的关系。此外,根据1982-2021年居民消费指数(CPI)的序列,结合差分处理数据,建立了AR(p)时间序列预测模型。结果表明,贝叶斯线性回归模型和贝叶斯时间序列预测模型的马尔可夫链均收敛,且贝叶斯时间序列预测模型的预测误差仅为0.78%。MCMC方法能有效应用于贝叶斯统计模型分析。

DE-MCMC算法对水污染溯源的效果分析

采用网络机器人从水质监测大数据平台及相关网站获取实时监测数据,与《地表水环境质量标准》(GB3838-2022)进行比较,锁定污染超标水域,分析该水域的分布特征。利用二维水质模型,建立流经水域中超标指标的动态变化函数,运用DE-MCMC溯源反演算法,模拟污染强度、距污染源位置及污染发生时间,实现污染溯源分析。溯源仿真结果与实际数值相近,最大误差为4.9%,最小误差为2.7%,平均误差为4.4%,表明DE-MCMC算法溯源结果真实可靠。

基于优化MCMC算法的地震弹性阻抗反演方法

以地震反演为核心的地震物探技术能够有效利用地震数据实现地下储层参数的有效预测,为油气勘探提供必要的参数支撑。弹性阻抗反演采用叠前角度部分叠加道集,不仅可以较好地反映地层岩性和流体特征,且具有较强的抗噪能力。而马尔可夫链蒙特卡洛(MCMC)算法是一种常见的随机反演方法,可以得到可靠的参数估计和反演结果的不确定性信息,对于地下优质薄储层的识别具有一定的优势。但当参数空间较为复杂时,MCMC算法常常不能进行充分搜索,且收敛速度较慢。针对该问题,本文提出了一种调节算法接受概率的方法,提高了MCMC算法的计算效率和稳定性,并将其应用于弹性阻抗反演。模型测试结果与实际数据应用结果表明了该反演方法的可靠性,且与确定性反演相比具有较高的分辨率。

基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明:MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。

不同建议分布MCMC算法在地下水污染源反演识别中的对比研究

为了探究正态分布、均匀分布和随机游走三种不同建议分布的MCMC算法对地下水污染源反演识别结果的影响,并遴选出最优的建议分布.本文根据假想案例建立了污染质运移模拟模型及基于Kriging方法的替代模型,并建立了基于正态分布、均匀分布和随机游走三种建议分布的MCMC算法以反演识别地下水污染源的释放历史.结果表明,针对本文算例,以均匀分布为建议分布的MCMC算法具有反演精度高、稳定性好、收敛速度快等优点,最为适合作为本研究案例的建议分布进行地下水污染源反演识别研究.

基于MCMC和ES-MDA方法的地下水数值模型非均质参数场及开采量的反演研究

马尔科夫链蒙特卡罗方法(MCMC)和多重数据同化集合平滑器方法(ES-MDA)近年来在地下水参数反演得到广泛应用,但对三维多层非均质含水层参数反演精度和计算效率还缺乏对比分析。本文构建了含有基于Karhunen-Loève展开的非均质参数场的潜水和多层承压水含水层案例,并建立了地下水数值模型和基于Kriging方法的替代模型,模拟含水层分层水头变化,探讨了基于替代模型的MCMC、替代模型和数值模型相结合的两阶段MCMC以及ES-MDA方法反演的含水层渗透系数以及开采量。结果表明,针对本文算例,在非均质参数和开采量的反演中,相比而言,两阶段MCMC反演参数精度更高,ES-MDA方法计算效率更高。本研究为地下水数值模型参数反演方法选择提供参考依据。

基于Bayesian MCMC方法的美式障碍期权模拟定价

在最小二乘蒙特卡洛(LSM)方法基础上,提出用加权最小二乘与蒙特卡洛(MC)方法相结合,得到加权最小二乘蒙特卡洛(WLSM)方法,研究了障碍期权模拟定价的问题.假设标的资产价格过程遵循几何布朗运动,分析了是否支付红利和生成期权价格路径的问题.使用随机化Faure序列替换LSM方法中伪随机数,给出了WLSM方法在美式障碍期权定价的算法步骤.使用R语言对美式障碍上升敲出看跌期权(up-and-out put)在支付红利的情形下进行数值模拟,结果表明此方法与其他定价模型方法相比,定价更准确,说明该方法具有可行性和有效性.

基于贝叶斯MCMC方法的年金长寿风险度量研究

长寿风险的准确度量是年金长寿风险管理的基础和前提,具有一定的学术和实际意义。通过利用贝叶斯MCMC(马尔科夫链蒙特卡洛模拟)算法统筹死亡率预测的Lee-Carter模型和利率预测的CIR模型,将长寿风险的度量转化成长寿期权的定价问题,考查了年金中长寿风险的变动规律和影响因素。MCMC抽样和数值模拟的结果表明,年金中的长寿风险与预测年份和年金持有人年龄成正向关系,其在年金中所占的比重随着年金持有人年龄的增加而增加,60岁的终身生存年金中长寿风险的占比高达10.11%;同时长寿风险与利率成反向关系,当前的低利率环境将会给年金发行人造成更高的长寿风险压力。

基于不同MCMC抽样子集模拟的模型修正方法对比研究

子集模拟方法作为结构可靠度分析方法,也可应用于工程优化问题,诸如优化设计、模型修正等.为研究基于不同蒙特卡洛马尔可夫链(MonteCarloMarkovChain,MCMC)抽样的子集模拟优化方法(Subset Simulation Optimization,SSO),以有限元模型修正作为优化背景问题,开展其精度和效率的对比研究.介绍标准SSO和子集模拟(Subset Simulation,SS)常见的MCMC抽样方法,并基于上述不同MCMC抽样的SSO开展某局部损伤悬臂梁(10维变量)的有限元模型修正,修正结果与基于遗传算法(Genetic Algorithm,GA)的模型修正方法进行对比;而后将上述不同MCMC抽样的SSO修正方法应用于某四层钢框架有限元模型修正中(11维变量).结果表明,采用随机游走的延迟拒绝修正M-H方法(MMH algorithm with Delayed Rejection,MMHDR)和自适应条件抽样方法(Adaptive Conditional Sampling,ACS)的SSO有限元模型修正具有较好的精度和效率,在工程结构有限元模型修正中更具优势.

基于MCMC方法的单指标众数模型Bayes估计

将单指标模型和众数回归模型相结合,构造一种新的模型——单指标众数模型,详细给出了单指标众数模型的定义,为了对模型的参数进行Bayes估计,设定了该模型的参数先验分布,然后利用MCMC方法模拟参数的后验分布,并用参数的后验均值作为参数的估计值,将参数的估计值和真值进行比较后,发现估计的效果非常好。最后,随机模拟和实际例子的分析表明所提出的模型和方法是行之有效的。

基于Bayesian-MCMC算法的水利工程投标报价分布预测

投标是水利工程承包商获取项目的主要途径,投标报价的高低直接影响承包商能否获取项目的承建权,投标前对拟投水利工程投标报价分布进行预测可优化己方报价制定。为此,通过全局寻优的Bayesian-MCMC算法对投标报价分布模型进行反演,并通过数值分析模拟承包商投标行为。结果表明,Bayesian-MCMC算法无需考虑贝叶斯估计中先验分布与似然函数的共轭性,且模拟所需数据更少,得到的分布稳定性好且更加精确。

MCMC收敛性诊断的方差比法及其应用

目的 探讨方差比法在MCMC收敛性诊断中的应用以及收敛性诊断的重要性 ,以期为贝叶斯统计方法的研究和MCMC的应用提供有用的参考及帮助。方法 为演示方差比法诊断的结果 ,对一个正态混合分布的MCMC计算实例进行诊断 ,诊断结果由WinBUGS软件和CODA软件给出。结果 方差比法诊断结果反映出当没有对数据进行事先分组时 ,MCMC模拟结果经 10 0 0 0次迭代没有达到收敛状态 ,此时参数的MCMC估计值有较大偏倚。结论 方差比法能够对尚未收敛的马尔科夫链给出较为明确的诊断 。

基于可逆跳MCMC的AR模型阶次判定及其在陀螺漂移预测中的应用

为消除传统方法在样本数较少时确定模型的不足,提出了一种在贝叶斯准则下将可逆跳MCMC法用于AR模型的阶次估计,以抽样的方法解决AR模型对时间序列拟合时的阶数不确定问题。给出了阶次估计算法的公式和步骤。仿真试验和某陀螺漂移模型估计的结果表明,该法预测结果与实际较为吻合。但为进一步提高预测精度,还需研究平稳性和初始状态的影响。

基于MCMC的DOA估计及其在空域滤波中的应用

针对传统算法在进行波达方向角估计时需要进行全空间的谱峰搜索,且依赖初始化迭代和插值的缺陷,设计了一种贝叶斯估计方法。首先,构建基于均匀圆阵的频域信号处理模型,提出了基于马尔科夫链蒙特卡罗进行波达方向角估计的方法,实现了无需初始化和插值的测向算法,且不需要进行全空间的谱峰搜索即可直接估计结果,同时推导了该模型下进行波达方向角估计的克拉美罗下界。在以测向结果为先验信息,同时设计了一种新的空域滤波增益模型。利用马尔科夫链蒙特卡罗算法对信号子空间进行解耦合,然后计算滤波器增益系数,以此实现空域滤波。最后在无线电设备搭建的真实环境中进行实验,验证了基于马尔科夫链蒙特卡罗算法进行阵列波达方向角估计和空域滤波的有效性,并且与其他模型相比要明显优于后者。

融合AR模型和MCMC方法的水文模拟不确定性分析

为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好。分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测。

基于AM-MCMC算法的贝叶斯概率洪水预报模型

本文在贝叶斯预报系统的框架下,利用BP网络能描述非线性映射的特性建立了基于BP网络的先验密度和似然函数的模型,并采用基于自适应采样算法(Adaptive Metropolis algorithm,简称AM)的马尔可夫链蒙特卡罗模拟方法(Markov Chain Monte Carlo,简称MCMC)求解流量的后验密度,最后给出流量的概率预报。实例表明,基于AM-MCMC的BP贝叶斯概率水文预报的精度高,且能给出预报的方差,使得防洪决策可以考虑预报的不确定性。