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。

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。

HO-DINA模型的MCMC参数估计及模型性能研究

认知诊断目前在国内外越来越受到重视,而要真正实现认知诊断,需借助一定的计量学模型即认知诊断模型。国际上,目前已开发近60种认知诊断模型,不同模型又各具特点。本研究重点分析国外研究较成熟的模型——HO-DINA/DINA模型,具体探讨该模型参数估计的实现及模型性能,采用Monte Carlo模拟方法进行,研究发现:(1)本研究对项目参数、属性参数和被试参数估计返真性较好、稳健性较强、HO-DINA模型具有较高的判断率,MCMC算法可行;(2)诊断的属性个数越多,诊断的模式正确率越低,建议实际使用该模型时,诊断的属性个数不宜超过7个;(3)用于诊断的项目数越多,诊断的模式正确率越高,在实际工作中,若要保证有80%以上的模式判准率,则4个属性的至少需20题,5个、6个和7个属性的至少需要40题,8个属性至少需60题。实际运用者应根据实际情况考虑适当的项目数及属性数。

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.

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。

基于MCMC算法贝叶斯网络的学习

对于给定的阈值,通过计算变量之间的互信息,设计了一种构造贝叶斯网络结构的方法。改进了关于图模结构学习中常见的 MCMC 算法。将这种方法构造的贝叶斯网络作为马尔可夫链初始状态的网络结构,利用改进后的 MCMC 算法,构造一个关于贝叶斯网络结构的马尔可夫链。迭代给定次数后,得到关于变量组的贝叶斯网络结构。实验结果表明:改进前和改进后的两种方法得到的贝叶斯网络结构基本一致,网络结构的接受率也相近。

改进的MCMC算法—DSY算法及其在估计IRT模型参数中的应用

本文首先简要的阐述了MCMC算法的思想及在IRT参数估计中的操作过程;其次,针对该算法存在的一些问题,提出相应的改进建议;然后,分别运用传统的和改进的MCMC算法进行模拟数据分析和比较,结果显示新的方法表现更好;最后总结新方法的优点所在,并指出下一步的研究方向。

一种基于改进MCMC算法的模型修正方法

标准马尔可夫链蒙特卡罗(MCMC)算法不易收敛、拒绝率高,使其应用受到限制。在贝叶斯方法中引入最大熵值法来估计参数的后验概率密度函数最大值,进而将布谷鸟算法中新鸟巢更新的思想融入Metropolis-Hasting(MH)抽样算法得到改进的MH抽样算法,同时使用支持向量机(SVM)建立待修正参数与有限元模型输出之间的代理模型,以提高模型修正的计算效率。分别使用三自由度线性系统和平面桁架模型来验证本文方法的有效性,结果表明:修正后样本的马尔可夫链混合性能好,停滞概率低,修正后参数相对误差均小于2%。

IRT模型参数估计的新方法--MCMC算法

本研究主要探讨MCMC算法在IRT模型参数估计中的实现及其估计精度。通过模拟多种实验条件(人少题少、人题适中、人多题多、被试数及其参数固定情况下项目数变化、项目数及其参数固定情况下人数变化),考察两参数和叁参数Logistic模型的MCMC算法对其参数估计的精度,并与国际通用测量程序-Bilog程序(E-M算法)进行比较研究。模拟实验研究表明,上述各种实验条件下,MCMC算法均可用于IRT模型参数估计,且其估计的精度均较Bilog程序(E-M算法)高,值得推广。

基于核密度估计的AM-MCMC算法在径流模拟中的应用

无资料或资料稀缺地区的径流概率模拟,是目前水文研究难点问题之一。基于此,利用Kernal核密度估计法估算出流量的月径流概率密度函数,采用基于自适应采样算法(Adaptive Metropolis algorithm,AM)的马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)模拟方法求解,最后给出月径流量的模拟预测。实例表明基于Kernel核密度估计的AM-MCMC算法模型计算结果精度较高,有良好的应用价值,可在资料较少地区推广使用。

基于SA-MCMC算法的非线性测量误差模型数据删除影响

为了研究非线性测量误差模型强影响点的识别问题,首先将非线性测量误差模型中存在误差的不可观测的数据当作缺失数据,利用SA-MCMC算法求得模型参数的最大似然估计,然后用Q函数代替可观测数据的对数似然函数进行影响分析,得到了建立在Q函数基础上的广义Cook距离及其一步近似,最后通过算例说明了诊断统计量的有效性.

基于SA-MCMC算法的非线性测量误差模型的影响分析

研究了非线性测量误差模型的影响分析.首先把模型中有误差的不可观测的数据当作是缺失数据,接着用SA-MCMC算法得到了模型参数的最大似然估计,然后考虑用Q函数代替可观测数据的对数似然函数来进行影响分析,得到了建立在Q函数上的局部影响分析的诊断统计量.最后用具体的例子说明了诊断统计量的有效性.

基于MCMC的混合α稳定分布参数贝叶斯推理

为解决非高斯信号较难描述这一难点问题,提出一种基于马尔科夫链蒙特卡罗方法的混合α稳定分布参数的贝叶斯推理方法。构建了混合稳定分布分层的贝叶斯图模型,利用Gibbs抽样实现了混合权值和分配参数z的估计,基于Metropolis算法完成了每个分布元中4个参数的估计。仿真结果表明,该方法能够准确地估计出混合α稳定分布中的各个参数,具有很好的鲁棒性和灵活性,可用于对非高斯信号或数据进行建模。

Bayes统计学与MCMC方法——Metropolis-Hastings(M-H)算法的Matlab程序实现

Bayes统计学能够从空中楼阁的理论广泛地落地于自然科学、经济学和社会学等领域,得益于计算机技术和马尔可夫链蒙特卡洛(Markov chain Monte Carlo,简称MCMC)法的发展。文章介绍了MCMC方法在Bayes推断中的应用,主要讨论了MCMC方法中的独立抽样和随机游走抽样的Metropolis-Hastings(M-H)算法,利用可读性较强的Matlab程序来实现两种抽样算法,并给出了详细的程序实施过程,分析了两种抽样的优缺点。模拟分析结果表明:独立抽样M-H算法比较容易实施,但是要求建议分布和后验分布的吻合度较高,否则计算效率低下,而且模拟效果不理想;随机游走抽样的M-H算法不需要建议分布接近后验分布,模拟效果也比较好,因此,克服了独立抽样算法的不足,适用范围更广。

多维复杂分布的MCMC抽样

介绍了MH和Gibbs两种重要的MCMC抽样算法,探究了多维复杂随机变量的抽样原理与检验方法,利用MCMC算法实现了多维连续型随机变量、连续与离散混合分布随机变量的联合抽样。