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。

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。

中介效应的点估计和区间估计:乘积分布法、非参数Bootstrap和MCMC法

针对中介效应ab的抽样分布往往不是正态分布的问题,学者近年提出了三类无需对ab的抽样分布进行任何限制且适用于中、小样本的方法,包括乘积分布法、非参数Bootstrap和马尔科夫链蒙特卡罗(MCMC)方法。采用模拟技术比较了三类方法在中介效应分析中的表现。结果发现:1)有先验信息的MCMC方法的ab点估计最准确;2)有先验信息的MCMC方法的统计功效最高,但付出了低估第Ⅰ类错误率的代价,偏差校正的非参数百分位Bootstrap方法的统计功效其次,但付出了高估第Ⅰ类错误率的代价;3)有先验信息的MCMC方法的中介效应区间估计最准确。结果表明,当有先验信息时,推荐使用有先验信息的MCMC方法;当先验信息不可得时,推荐使用偏差校正的非参数百分位Bootstrap方法。

基于MCMC的叠前地震反演方法研究

马尔科夫链蒙特卡洛方法(MCMC)是一种启发式的全局寻优算法.它在贝叶斯框架下,利用已有资料进行约束,既可使最优解满足参数的统计特性,又通过融入的先验信息,提高解的精度;寻优过程可跳出局部最优,得到全局最优解.利用MCMC方法,可以得到大量来自于后验概率分布的样本,不仅可以得到每个未知参数的估计值,而且可以得到与之相关的各种不确定性信息.此外,由于算法并不是利用有单一最优解的目标函数,所以结果对初始值的依赖不强.通过对简单一维层状介质模型的处理,和实际资料的应用,说明利用基于Metropolis-Hastings算法的MCMC方法进行地震反演,通过对解空间的随机搜索能够得到较好的效果.

基于贝叶斯MCMC方法的城市建筑供热能耗基准

城市尺度建筑能耗基准的研究模型需解决建筑样本数据有限、输入不确定性强、建模复杂度和计算成本高的问题,据此提出贝叶斯框架的混合效应模型.利用城市气候、建筑分布和建造状况等特征指标作为模型输入,采集223座居住建筑的热力站能耗监测数据作为测试集样本,通过马尔科夫链蒙特卡洛(MCMC)方法进行重要性采样,并预测城市尺度建筑供热能耗强度(EUIH).混合效应模型通过48座居住建筑的热力站能耗监测数据进行验证,预测精度指标归一比平均偏差(NMBE)为0.400%,均方根误差(RMSE)为0.034,均方根误差变异系数(CVRMSE)为13.100%.结果显示模型能够有效地预测和校准建筑供热能耗预测和校准,模型的EUIH点估计和区间估计结果可以作为城市建筑供热能耗基准依据.北京市城市建筑的供热能耗基准与国际能源署(IEA)国家的相关基准进行对比,反映出北京市居住建筑供热能耗较低及节能潜力较小.

基于MCMC模拟的贝叶斯厚尾金融随机波动模型分析

针对现有金融时间序列模型建模方法难以刻画模型参数的渐变性问题,利用贝叶斯分析方法构建贝叶斯厚尾SV模型。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,构造了基于Gibbs抽样的MCMC数值计算过程进行仿真分析,并利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰厚尾的特性,并且证明了我国股市具有很强的波动持续性。

基于MCMC算法AR-GARCH模型中国出口集装箱运价指数波动性研究

我国是集装箱货物进出口大国,集装箱班轮运价的剧烈波动使货主和班轮公司面临巨大的风险.为研究我国出口集装箱运价波动风险,对中国出口集装箱运价指数(China Containerized Freight Index,CCFI)建立基于Griddy-Gibbs抽样MCMC算法的贝叶斯AR-GARCH模型.针对1998年4月至2013年12月的CCFI总指数的去均值周收益率数据,建立残差基于正态分布和T分布的AR-GARCH模型,运用Win Bugs软件和MH算法进行贝叶斯参数估计,发现AR(3)-GARCH(1,1)模型拟合效果最好;参数估计结果表明,波动具有较强的持续性,不存在'风险溢价'和'杠杆效应'.经对比,发现AR-GARCH-T模型拟合效果更好;对比ML方法,发现MCMC算法估计结果的样本内拟合优度较差,而样本外预测能力较强.