Bootstrap抽样下基于贝叶斯估计的地震人员死亡评估研究

选取1950-2022年中国内地地区历史震例数据信息,以极震区烈度、发震时间及人口密度为主要影响因素,建立三级场景,运用Bootstrap抽样方法对各场景下的历史震例进行扩充,进而采用贝叶斯估计给出不同场景下地震人员死亡变化分布函数,再根据实际情况对此分布函数进行截断分析,以明确地震人员死亡的不确定性变化范围及死亡率区间概率值,最后随机选取历史地震灾害事件验证模型精度。结果表明:①各场景的死亡率均值及95%死亡率区间基本符合在极震区烈度相等并且人口密度条件下夜间死亡率大于白天死亡率的规律;②模型估计死亡人数区间能够较好覆盖实际上报的死亡人数。

社交焦虑、病耻感在精神分裂症患者正念、认知中链式中介路径研究

目的研究社交焦虑、病耻感在精神分裂症(SP)患者正念、认知中链式中介路径。方法选取2022年9月—2023年9月收治的SP 87例,采用一般资料调查问卷、精神疾病病耻感量表、交往焦虑量表、正念注意觉知量表、韦氏成人智力测试对其展开问卷调查,采用Pearson和结构方程模型分析社交焦虑、病耻感、正念、认知间的关系。结果不同性别、年龄、病程、受教育层次、体质量指数、疾病分型SP患者智商值比较差异无统计学意义(P>0.05)。Pearson相关分析显示,SP患者病耻感与社交焦虑呈正相关,正念与社交焦虑、病耻感呈负相关,认知与社交焦虑、病耻感呈负相关,认知与正念呈正相关(P<0.01)。结构方程模型拟合指数χ^(2)/df=4.935,RMSEA=0.051,TLI=0.963,CFI=0.977,NFI=0.952;Bootstrap程序检验显示,正念对认知有直接效应,也可通过社交焦虑、病耻感的平行中介效应或社交焦虑→病耻感链式中介效应间接起正向效应。结论临床在SP患者认知功能康复治疗中,应重视正念干预在不同作用路径之间的效应,并以路径为依据,采取合适方式提高患者认知功能。

领导者心理韧性下行传递效应的多元实现路径

心理韧性是个体应对危机挑战不可或缺的心理能力。如何促进领导者心理韧性的下行传递效应成为提升领导有效性、强化员工心理韧性,进而增强组织危机应对能力的关键。本文融合质性与实证方法,挖掘并验证了心理韧性下行传递效应的实现机制。首先,基于程序化扎根理论的三级编码过程,构建了领导者心理韧性的下行传递效应理论模型,并结合社会信息加工理论探讨了不同传递路径的实现机制。其次,运用Bootst rap方法,通过纵向追踪数据验证了理论模型的普适性。结论包括:1.心理韧性下行传递效应实现机制包括情感传递、认知传递和行为传递三条路径,各路径存在协同作用关系;2.领导与员工间的积极情绪感染构成心理韧性的情感传递路径;3.领导建设性反馈和员工自我效能感搭建了心理韧性的认知传递路径;4.领导容错行为和员工差错反思构成心理韧性的行为传递路径。研究结论增添了心理韧性在组织行为领域的应用场景,为增强组织环境适应力提供新的启示。

基于改进Ratio统计量的重尾AR(p)时间序列均值变点检验

文章提出两个改进的Ratio统计量来研究重尾AR(p)时间序列均值变点检验问题,在原假设下推导了统计量的渐近分布,且在备择假设下证明了其一致性。由于重尾指数未知且难以估计,因此结合Wild Bootstrap重抽样方法来确定渐近分布的临界值;在均值变点存在的情形下,给出了变点位置的一致估计量。数值模拟结果表明:统计量的临界值均不受重尾指数和自回归系数的影响,其经验水平和经验势均取得满意的效果;尤其在原假设下,积分型Ratio统计量的经验水平表现出更好的稳健性,而在备择假设下,最值型Ratio统计量则具备更好的显著性。最后,基于一组股票数据,从实际应用角度进一步阐明所提方法的有效性和可行性。

偏正态单向分类随机效应模型下暴露水平的Bootstrap推断

为评估工作环境中的暴露水平,基于偏正态单向分类随机效应模型,研究暴露水平的区间估计和假设检验问题。首先,利用EM算法给出未知参数的极大似然估计。进而,基于Bootstrap方法,构造个体平均暴露水平的三种Bootstrap置信区间。Monte Carlo模拟结果表明,修正的Bootstrap百分位置信区间在覆盖概率意义下优于其他两种Bootstrap置信区间,Bootstrap标准置信区间在置信上限意义下优于其他两种Bootstrap置信区间。最后,将上述方法应用于苯乙烯暴露数据的案例分析,以验证所提出方法的有效性和合理性。

基于机器学习的高铁边坡位移预测不确定性度量与应用

为解决不确定性问题对高铁边坡位移预测精度的影响,引入区间预测理论量化位移预测中的不确定性问题,并建立Bootstrap-GRU-BP混合区间预测模型(BGB模型)。该模型首先采用基于Bootstrap的门控循环单元(Gated Recurrent Unit,GRU)算法度量位移预测均值和认知误差的方差,再采用BP算法度量随机误差的方差,然后将位移预测均值、认知误差和随机误差的方差3者结合在一起,量化出一定置信水平下的预测区间。最后,基于杭绍台高铁沿线边坡的监测数据,探讨BGB模型认知不确定性的响应特征,并通过对比多种区间预测模型来验证BGB模型的优越性。结果表明:BGB模型不仅能构造清晰可靠的预测区间,还能提供高精度的点预测结果;改变模型输入特征和预测算法会导致认知不确定性的改变,而BGB模型所构造的预测区间能正确地响应不确定性的变化;对比以极限学习机(Extreme Learning Machine,ELM)和支持向量回归(Support Vector Regression,SVR)为核心的区间预测模型,BGB模型的区间预测和点预测性均能更优。研究成果可为高铁边坡位移发展提供可靠的预测结果,进而为高铁边坡可靠度分析提供理论基础。

全函数型线性回归模型参数的可分解性检验

本文提出一个可以用于检验函数型线性回归模型参数可分解性的方法.在参数的可分解性条件下,形成了一个新的函数型线性模型结构,此模型结构不仅降低全函数型线性模型的复杂度,还有利于对数据进行解释.构造的检验统计量主要基于模型参数在可分解结构与不可分解结构距离的范数.理论上证明了检验统计量在原假设和备择假设下的大样本性质.借助于Wild Bootstrap的重抽样技术,通过具体的模拟例子和实际数据分析来验证此检验方法的有效性.

基于Bootstrap框架的响应式网页设计与实现

目的:研究基于Bootstrap框架的响应式网页设计及实现方式,使网页能够适应不同尺寸、型号、品牌的终端,并表现出良好的呈现效果,以期能促进网页设计的发展。方法:深入了解Bootstrap框架的相关内容,并明确响应式网页设计的技术要求,为后续实现方式提供具体的依据,在此基础上探讨基于Bootstrap框架响应式网页的具体设计与实现。结果:结合具体案例对基于Bootstrap框架响应式网页设计与实现进行了详细阐述,明确了响应式网页设计时需要达成的内容及一般方法。结论:Bootstrap框架能够为响应式网页设计及实现提供完备且强大的功能支持,为响应式网页设计及技术应用与实现创造了更多的可行性及拓展性,使网页能够在不同终端上均呈现出理想表达效果。

基于Bootstrap-C_(pu)的机床进给机构装配过程能力评估方法

机床进给机构装配过程是其装配质量形成的过程,由于受5M1E因素影响,进给机构装配过程能力可能不足,会导致进给机构装配质量出现较大波动,甚至出现不合格产品。为此,基于C_(pu)和Bootstrap理论,构建了基于Bootstrap-C_(pu)的进给机构装配过程能力评估方法,并进行了实际应用。结果表明:在95%置信度条件下,该批机床进给机构装配过程能力是足够的,其装配质量波动较小。

基于工具变量法的PM_(2.5)浓度对每日死亡影响的效应估计

目的大量环境流行病学研究表明PM_(2.5)浓度短期变化与人群每日死亡相关,但是大多数关于PM_(2.5)对每日死亡的急性效应的研究是通过回归来控制混杂因素,而通常可用的人群资料里仅包含少量测量的混杂因素,这就面临着大量未观测的混杂因素未纳入模型的问题从而导致估计有偏,而工具变量法可以较好地解决未观测混杂带来的效应估计问题,本文通过工具变量法估计PM_(2.5)对每日死亡的急性效应。方法收集中国某市2016—2019年PM_(2.5)日均浓度、气象数据及每日非意外死亡人数,采用边界层高度和风速作为工具变量,分析该地PM_(2.5)浓度对每日非意外死亡的影响;采用阴性暴露对照法检验工具变量假设;采用时间序列的bootstrap方法估计置信区间。并与广义相加模型的效应估计进行比较。结果工具变量法得出PM_(2.5)浓度与人群每日非意外死亡存在相关,PM_(2.5)浓度每升高10μg/m^(3),人群每日非意外死亡增加0.94%(95%CI:0.39%~1.55%);阴性暴露对照结果显示阴性暴露与人群日非意外死亡不相关(P=0.19),说明前述工具变量模型不受未测量且未控制混杂的影响。传统广义相加模型估计PM_(2.5)浓度每升高10μg/m^(3),人群每日非意外死亡增加0.24%(95%CI:0.01%~0.47%)。结论经工具变量法估计,该地PM_(2.5)浓度与居民每日非意外死亡存在相关,边界层高度和风速可以作为工具变量估计PM_(2.5)浓度对人群每日非意外死亡的急性效应。

小型压水堆功率控制系统堆芯换热系数不确定性量化研究

为研究堆芯换热系数不确定性对堆芯功率控制系统的影响,以小型压水堆为例,构建堆芯状态空间模型,结合PID控制器,建立堆芯功率控制系统,利用拉丁超立方方法进行参数抽样,开展不同功率水平下堆芯反应性阶跃扰动和堆芯冷却剂进口温度阶跃扰动的仿真,最后采用区间估计Bootstrap方法进行不确定性量化分析。结果表明:40%FP下堆芯换热系数的不确定性对堆芯功率控制系统的影响比100%FP下的更显著,在PID控制器的作用下,堆芯相对功率和冷却剂平均温度的不确定度均在0.1176%以内,堆芯换热系数不确定性对堆芯功率控制系统的影响是可接受的。

基于支持向量回归的Bootstrap数据扩充方法及其在小子样可靠性评估中的应用

针对航空发动机小子样特性下的可靠性评估问题,提出一种基于支持向量回归(Support Vector Regression, SVR)的Bootstrap数据扩充方法:建立并训练SVR模型,采用邻域抽样法构造输入集,输入训练好的模型中获得扩充样本。仿真结果表明,采用该方法获得的扩充样本较传统Bootstrap方法更接近真实分布,且有效拓展了样本取值区间。以某航空发动机涡轮盘小子样疲劳寿命试验数据为例:(1)非参数方法,采用两种方法获得的平均疲劳寿命十分接近,但新方法获得的置信区间更大,这与样本取值区间的拓展相关;(2)参数方法,对新方法扩充的样本进行参数估计得到的结果与参考值更为接近,最大相对偏差为-1.290 2%,而传统方法的最大相对偏差达到了29.477 6%,两种方法下计算得到的平均疲劳寿命与参考值均较接近,但新方法得到的置信区间与参考区间更为接近。综合来看,所提出的方法能够有效实现样本扩充,具有一定的应用价值。

恒加速寿命试验广义半正态分布的统计推断

在恒加速寿命试验下,研究具有广义半正态分布寿命的参数估计问题。证明当恒加速寿命试验的应力和广义半正态分布参数满足一定条件时,寿命形成了一个几何过程;探讨模型参数的最大似然估计、渐近置信区间和bootstrap置信区间的求法。对得到的估计结果进行数值模拟,模拟结果表明,模型参数估计值及置信区间是有效的。

基于联合时序场景和改进TCN的高比例新能源电网负荷预测

为充分挖掘新型电力系统建设过程中高比例新能源并网对负荷预测的影响,以风光负荷数据为研究对象,提出一种基于联合时序场景和改进型时间卷积网络的短期负荷预测方法。首先,基于3σ准则对风光负荷历史数据进行分析,剔除异常数据,然后应用联合时序场景刻画负荷需求与风光出力的相关性,分类出不同负荷预测场景。接着,利用随机森林算法进行负荷预测特征量提取,构建随机森林时间卷积网络(RF-TCN)预测模型,并采用Bootstrap算法对预测结果进行修正。最后,以甘肃省2022年数据为例进行仿真,并设置4种对比算例。仿真结果证明了所提方法的有效性,以期在新型电力系统建设过程中发挥积极作用。

基于M估计强混合重尾序列结构变点的鲁棒检验

针对强混合重尾序列结构变点的检测问题,为避免因序列重尾性导致最小二乘估计产生偏差,文章提出了基于M估计的比值型检验统计量,用于检测重尾序列位置结构变点。在一般约束条件下证明了原假设下统计量的极限分布是布朗运动的泛函,并得到备择假设下的一致性。针对因序列相依性导致的经验水平扭曲现象,采用Block Bootstrap抽样方法获得了更为准确的临界值,有效提高了检验功效。数值模拟结果显示,在Block Bootstrap抽样方法下基于M估计的比值型检验在强混合重尾序列结构变点检测中能较好地控制经验水平,经验势也较合理。最后,通过一组汇率数据验证了所提检验方法的可行性。

Bootstrap样本大数据模型和分布式集成学习方法

传统Bootstrap抽样和Bagging集成学习通常以串行方式实现,计算效率低,且存在样本不可重用、扩展性差等问题,不适合高效的大规模Bagging集成学习。从大数据分布式计算的思维入手,提出新的Bootstrap样本划分(BSP)大数据模型和分布式集成学习方法。BSP数据模型通过分布式生成算法将训练数据表达成分布式Bootstrap样本集的集合,存储成HDFS分布式数据文件,为后续的分布式集成学习提供数据支持。分布式集成学习方法从BSP数据模型中随机选取多个BSP数据块,读入集群各个节点的虚拟机,用串行算法对选取的数据块并行计算统计量或训练建模,再将所有的计算子结果回传至主节点中,生成最终的集成学习结果,此过程中可加入对子结果的质量选择以进一步提高预测效果。BSP数据模型的生成和分布式集成学习采用非Map-Reduce计算范式进行,每个数据块的计算独立完成,减少了计算节点间的数据通信开销。提出的算法在Spark开源系统中以新的算子方式实现,供Spark应用程序调用。实验表明,新方法可以高效地生成训练数据的BSP数据模型,提高数据样本的可重用性,在基于有监督机器学习算法构建的大规模Bagging集成学习实验中,计算效率能提高50%以上,同时预测精度进一步提高约2%。

基于Bootstrap方法的多组配对数据风险差的一致性检验

在Dallal模型下构建3个统计量,研究小样本多组配对数据风险差的一致性检验问题.通过Monte-Carlo数值模拟,比较小样本下渐近方法和Bootstrap方法在检验过程中的性能.研究发现,Bootstrap方法在第一类错误率和功效上表现更优;特别地,基于Score检验的Bootstrap方法的第一类错误率较稳健,且有较高的功效,检验性能最优.

t分布误差下非参数回归模型的区间估计

为了探索非正态分布误差下非参数回归模型的区间估计问题,本文考虑了模型误差独立且服从t分布的情形。利用小波方法和t分布的性质,构建响应变量的近似置信区间。考虑到在应用中误差分布未知,利用Bootstrap采样得到原始信号数据的区间估计。模拟算例表明:在区间覆盖率、区间平均带宽和覆盖宽度准则意义下,与基于重构信号的区间估计相比较,基于近似信号的区间估计是一种较为理想的方法。

职业技术教育学会课题申报管理系统设计与实现

传统课题申报方式需要提交书面材料,程序繁琐。开发江苏省职业技术教育学会课题申报管理系统,基于ASP.NET技术、三层架构,使用Bootstrap进行网站布局,采用Web前端框架及组件技术,使用C#进行后端编码,实现课题在线申报、评审。

数据普惠金融对股份制银行的不良贷款风险影响探析

文章利用12家股份制银行中的贷款数据,基于数据普惠金融对股份制银行的不良贷款风险影响进行研究。首先利用假设中提出数据普惠金融在不同因素下对股份制银行贷款风险与异质性研究问题;其次建立被解释变量、核心解释变量与控制变量模型,针对研究状况通过Hausman模型效应进行相应的分析,其分析内容为贷款风险的稳定性与异质性;利用Bootstrap与Sobel进行检验不良风险贷款(NLRK)与银行内部特征(ICB)、法规政策(CRP)中介效应之间的关系;进而得出结论即数据普惠金融对股份制银行的不良贷款经营影响显著降低,而不受异质性影响,但受机制的影响;最后,根据数据得出的结论提出相关建议,有利于降低不良贷款的风险,提升金融服务质量。