泊松逆高斯回归模型的贝叶斯统计推断

本文研究泊松逆高斯回归模型的贝叶斯统计推断.基于应用Gibbs抽样,Metropolis-Hastings算法以及Multiple-Try Metropolis算法等MCMC统计方法计算模型未知参数和潜变量的联合贝叶斯估计,并引入两个拟合优度统计量来评价提出的泊松逆高斯回归模型的合理性.若干模拟研究与一个实证分析说明方法的可行性.

基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演

软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。

逆高斯回归模型的影响诊断

本文基于曲率方法提出了适合逆高斯回归模型的局部影响分析,分别研究了在加权扰动,响应变量扰动和解释变量扰动下的影响分析问题,得到了相应的诊断统计量.最后,给出了具体的数值实例,说明了本文方法的有效性.

混合逆高斯数据下联合均值与散度模型的参数估计

逆高斯分布是分析非对称右偏数据的重要统计工具,该文研究提出混合逆高斯分布下广义线性联合均值与散度模型,利用EM算法和Fisher-Scoring方法研究了模型参数极大似然估计.最后,通过随机模拟和实例研究结果表明,提出的模型和方法是有用和有效的.

高拱坝参数反演的Jaya-高斯过程回归模型

为了提高高拱坝物理力学参数反演的精度及效率,将Jaya智能优化方法与高斯过程机器学习理论引入大坝安全监控领域,提出了基于Jaya-高斯过程回归代理模型的拱坝参数反演分析方法。采用高斯过程回归代理模型代替传统的有限元计算,并利用3种智能优化算法进行参数寻优。结果表明:Jaya算法相比于PSO算法、GWO算法,不仅反演精度高、收敛速度快,且具有很好的稳定性;所提出反分析策略在反演用时方面比直接调用有限元计算的反分析方法节省80%以上。本文方法不仅能够满足计算精度要求,且大大缩减了计算时间,为高拱坝物理力学参数反演分析提供了一种高效的方法。

基于GPR-ARIMA-GA模型的高粘土心墙堆石坝参数反演分析

以某粘土心墙坝为例,提出了基于GPR-ARIMA-GA模型结合有限单元法反演高粘土心墙堆石坝材料参数的方法,利用高斯过程回归非线性模型(GPR)来表征材料参数与坝体沉降量之间非线性关系,从而在搜寻真实坝体材料参数时减少了有限元程序样本计算次数,提高了反演效率;为进一步提高GPR拟合精度,提出应用ARIMA模型对拟合误差进行修正;在构建GPR-ARIMA模型过程中,采用遗传算法(GA)来优化GPR模型超参数;在建立GPR-ARIMA模型后,二次应用GA全局搜索坝体材料参数的真实值。实例应用结果表明,该方法极大地减少了有限元程序计算量,且能够准确、快速搜索得到坝体真实材料参数,将最优材料参数代入有限元程序计算得到沉降量与实测值较为接近,验证了该方法可行、有效。

隐马尔可夫分位数回归及其贝叶斯估计

文章提出了隐马尔可夫分位数回归模型的概念,描述了模型的定义,并介绍了模型参数的贝叶斯估计原理、方法和具体执行过程。在进行参数估计时,给出了模型参数的贝叶斯估计原理,先验分布的设置,全条件后验分布的推导,以及MCMC算法的具体执行步骤,并用实证模拟检验了参数估计的效果。最后对所涉及的误差分位平移、广义逆高斯分布随机数的生成、标签转换问题等关键技术细节进行了介绍和讨论。

基于高斯过程回归的足式机器人触地检测研究

触地检测通常利用安装在足端的力传感器来实现,但这也增加了腿部的转动惯量和成本,且安装在足端的传感器在冲击作用下容易损坏。针对该问题,利用高斯过程回归预测的方法,建立单腿的逆动力学模型实现无力传感器的足端力估计和触地的检测;提出利用规划运动轨迹上的状态点而非整个工作空间上的状态点来学习动力学模型的策略;利用多个采样周期的角速度来学习机器人的逆动力学模型,避免了角加速度的计算。最后,通过Simulink对基于高斯过程回归预测模型的足端力检测进行了仿真,结果表明基于高斯过程回归的模型能有效地检测出机器人足端触地状态。

零调整分位数回归模型在车辆保险索赔额中的研究与应用

车辆保险产品的定价一般会考虑保单持有人的索赔概率和期望索赔额等两个因素,零调整逆高斯回归模型作为解决这类问题的一个有力工具,由于变量分布的限定,从而具有一定的局限性.针对该问题,本文基于零调整逆高斯回归模型和分位数回归模型的思想,提出零调整分位数回归模型,并结合实际数据进行了拟合分析.与零调整逆高斯回归模型拟合的结果比较表明,零调整分位数回归模型可以作为研究车辆保险中索赔额的一个有力工具.