用两阶段度量误差模型方法和ForStat软件进行模型整合

以同龄林分的年龄X、平均单株胸径Y1 (cm)和平均单株材积Y2 (m3)的关系模型为例 ,应用ForStat软件 ,分别用常规方法和两阶段度量误差模型方法对模型进行整合。结果表明 ,应用常规方法得到的Y2 估计值明显有偏 ,而应用度量误差模型方法得到的Y2 估计值明显优于应用常规方法得到的估计结果。事实证明

用度量误差模型方法编制相容的生长过程表和材积表

指出了按照常规方法建立的生长模型和材积模型不相容的原因.利用两阶段度量误差模型方法估计生长模型和材积模型的参数,进而编制相容的生长过程表和材积表.

基于ASCE SHM Benchmark模型的两阶段结构损伤识别方法

近年来,一种激励未知和输出部分已知条件下结构局部损伤识别的新方法得以提出,这种方法能基于子结构思想进行复杂结构的局部损伤识别,基于此方法,提出两阶段的损伤识别策略,并将其应用于第1阶段ASCE SHMbench-mark模型的case 4的4种损伤识别,以检验此方法的有效性.在第1阶段,提出8-DOF的损伤模型以进行损伤层的定位;第2阶段,利用子结构的思想,提出12-DOF的损伤模型,在包含损伤层的子结构中对损伤进行准确识别和定位.采用扩展卡尔曼方法对增广状态向量进行估计并使用最小二乘对未知激励进行递推,识别未知激励下的结构物理参数.损伤识别的结果显示,此方法能高精度地识别benchmark模型的各种损伤情形.

小样本下两阶段MCMC参数估计方法——基于信用风险强度模型的研究

应用我国金融市场数据估计信用风险强度模型参数时,常遇到由小样本而导致的偏差问题,对此本文提出了两阶段MCMC参数估计方法:第一阶段用Lee和Mykland的跳辨识方法估计跳跃项参数;第二阶段用MC-MC方法估计扩散和漂移项参数。误差分析的结果表明两阶段MCMC方法小样本下信用风险模型参数估计的效果要明显好于单纯的MCMC方法。作为应用,采用我国第一支个人住房抵押贷款支持证券"建元2005-1"的违约和提前还款数据,估计了信用风险强度模型的参数。

非线性输出误差模型的两阶段递推辨识算法

输入非线性系统的输出误差模型在实际工业生产中是一类常见模型,针对含有色噪声的输出误差模型提出基于辅助模型的两阶段递推增广最小二乘算法。根据辅助模型思想和分解技术,将复杂的非线性辨识系统分解为系统模型和噪声模型子系统,再根据最小二乘思想分别辨识,其中噪声信息向量中存在的不可测噪声项用其估计值代替。最后与递推增广最小二乘算法在参数估计精度和收敛速度的比较,验证算法在此类模型应用的有效性,仿真结果表明该算法精度高,收敛速度快,计算量小。

基于度量误差方法的油松林分生长模型

为掌握北京地区油松Pinus tabulaeformis生长过程,建立相容的断面积和蓄积模型,通过引入间伐林分与未间伐林分的哑变量,分别建立林分断面积、林分蓄积生长模型,然后从相容的角度出发,建立林分断面积、蓄积量的误差变量联立方程组,并与不含哑变量的传统生长模型的误差变量联立方程组进行比较。经检验,传统误差变量联立方程组中林分断面积和林分蓄积生长模型的预测精度都在92%以上,对油松林分断面积的预测精度高达0.921 5,决定系数高达0.900 1,对油松林分蓄积量的预测精度达到了0.928 3,决定系数高达0.912 3,而引入哑变量的误差变量联立方程组中,模型的预测精度和确定系数稍高,均在93%以上,对油松林分断面积的预测精度高达0.939 8,决定系数达到了0.927 9,对油松林分蓄积量的预测精度在0.930 0以上,决定系数达0.932 8。这说明引入哑变量,一定程度上提高了模型的预测精度,而且所建模型比较合理,形式相对简单,便于应用,不仅使得林分水平上的林分断面积、蓄积量的预测结果具有相容性,同时还考虑了间伐措施对林分生长的影响,达到了林分生长与收获模型整体化研究的目的,为林分的经营管理提供了可靠依据。

基于度量误差方法的杉木储备林间伐与未间伐林分生长模型研究

利用湖南永州金洞林场储备林数据,以Richards式和Schumacher式为基础模型,引入经营措施的哑变量,建立基于传统方法和哑变量方法的林分断面积和蓄积生长模型方程组,采用非线性度量误差方法拟合模型参数。经检验,哑变量方法建立的林分断面积和蓄积生长模型的决定系数和预估精度比传统方法建立的生长模型有所提高,而各项误差相应减少,且模型回归效果显著,残差分布更集中于横轴两侧。基于哑变量方法拟合出的林分断面积和蓄积生长模型不仅考虑了抚育间伐对林分生长过程的影响,而且采用非线性度量误差方法联立方程组求解模型参数,也使得林分断面积和蓄积生长模型更具有相容性和一致性。

一种多元非线性度量误差模型的参数估计及算法

本文讨论多元函数关系度量误差模型中参数的一种估计方法及算法的实现．

出行前停车诱导系统中两阶段停车选择方法

为了同时解决机动车辆出行过程中停与行的问题,减少车辆巡泊产生的无效交通,提高出行效率,提出了服务于出行前停车诱导系统的两阶段停车选择方法.第一阶段是以停车场距目的地的步行距离、停车设施类型、有效停车泊位数、停车费用等4项指标对候选停车场进行初选;第二阶段为组合选择过程,以步行距离最短、停放可行性最高、停放成本最低、停放安全性最高、驾车至停车场行驶时间最短为优化目标,采用基于模糊偏好的多目标决策模型,为用户提供各候选停车场的决策排序.该方法求解效率高,且充分考虑驾车者意愿,适用于出行前的停车诱导系统.

一种基于隶属度函数及两阶段法的双层多目标决策方法

基于隶属度函数及两阶段法 ,提出了一种新的双层多目标决策方法。利用该方法不仅能获得有效解 ,而且能最大限度地发挥上层决策者的权限 ,最终将得到一个各决策层均可接受的决策方案。通过数值例子说明了该方法的可行性及实用性。

非寿险未决赔款准备金评估的两阶段广义线性混合模型

文章考虑了赔付额和赔付次数两种赔付信息,建立两阶段广义线性混合模型。为提高模型的适用范围,将赔付次数的分布假设由通常的泊松分布推广到过度分散泊松分布,将案均赔付额的分布假设由通常的伽玛分布拓宽到ED*类分布。通过对Hoerl曲线的改进来刻画赔付损失的进展模式,改善了模型的线性预估量。为了刻画不同模型的预测效果,给出了模型均方误差的理论推导和估计方法。以实际的保险数据为例,利用R软件进行实证分析。结果表明,建立的模型提高了未决赔款准备金评估的预测精度和适用范围。

两阶段建模方法及其在信息系统开发中的应用

IDEF1X作为一种为企业建立信息模型的有效工具 ,受到许多企业和学者的重视 ,并已广泛应用于实际的设计工作中。本文作者在广泛阅读资料 ,熟练掌握IDEF1X语义和规则的前提下 ,以自己为某农药厂建立物料管理部分信息模型的经验为基础 ,对利用IDEF1X建立信息模型的两阶段方法及其应用进行了探讨。

埋地管道外腐蚀两阶段模型及其剩余寿命预测

传统的埋地管道腐蚀生长过程模型一般将管道从投入使用到检测时刻的持续时间作为腐蚀时间,认为管道从投用即开始腐蚀。埋地管道通常采用外防腐层和阴极保护等措施以减缓腐蚀,当防腐层破坏后管体金属才会腐蚀。基于实际的腐蚀过程,将埋地管道的腐蚀过程分为两个阶段:1管道防腐层失效阶段,该阶段管体本身不发生腐蚀。2管道腐蚀且腐蚀缺陷扩展的阶段。应用线性腐蚀生长模型对腐蚀缺陷的扩展过程进行了建模,利用检测数据对模型进行了参数估计,通过对预测腐蚀深度分布与实际腐蚀深度分布结果比较后发现,两阶段模型比传统的一阶段模型具有更好的拟合效果,在此基础上,运用Monte Carlo仿真方法对实际的管道剩余寿命做出了预测。

基于卷积神经网络和交叉模型交叉模态方法的钢框架两阶段损伤识别研究

在结构损伤识别领域中,交叉模型交叉模态方法(CMCM)在求解含噪声的损伤识别问题时,受到系数矩阵不稳定的影响,往往导致损伤识别结果的精度下降。为了解决这一问题,提出了一种两阶段的损伤识别方法,旨在减少CMCM方法系数矩阵的冗余方程,提高CMCM方法的计算性能和噪声鲁棒性。首先,在第一阶段,通过卷积神经网络(CNN)进行结构损伤定位,以消除CMCM方法系数矩阵的冗余方程。其次,在第二阶段,求解已缩减的CMCM系数矩阵方程,得到更准确的损伤识别结果。通过数值和试验研究,验证了所提出的两阶段损伤识别方法的有效性,与传统的CMCM方法相比,所提方法在求解含噪声的损伤识别问题时,显著提高了损伤识别精度。

基于多尺度模型修正的结合梁斜拉桥损伤识别方法

以灌河大桥为工程背景,提出了基于多尺度有限元模型修正的结合梁斜拉桥损伤识别方法.首先基于现场环境振动试验结果和两阶段响应面方法对初始多尺度模型进行修正,并将修正后模型定为原始未损伤状态;进而,利用多尺度模型修正方法对结构不同部位不同程度的损伤进行识别,并探讨了模态曲率损伤指标和单元模态应变能损伤指标对不同结构尺度损伤的敏感性.分析结果表明:在不考虑噪声干扰情况下,模态曲率和单元模态应变能指标对精细小尺度单元区域主梁微小(1%)损伤均较为敏感,可识别出结构的损伤位置,而对大尺度单元区域的损伤敏感性略低;在考虑噪声干扰情况下,精细小尺度单元区域比大尺度单元区域在损伤识别方面的抗噪性更好,且模态应变能损伤指标的抗噪性略优于模态曲率损伤指标.故而提出的多尺度建模及其损伤识别方法具有应用到实际工程中微损伤识别的潜力,并为大跨结构损伤预后奠定了基础.

有测量误差时空间自回归模型的估计与检验

近年来运用空间计量经济模型进行实证分析的文献都普遍采用空间自回归(SAR)形式的设定,对参数的估计也多采用极大似然(MLE)的方法。在经典多元线性回归模型中,仅有被解释变量的测量误差并不会影响系数估计的一致性。本文证明对于SAR模型,即使仅当被解释变量存在测量误差时,且无论该测量误差是否与模型本身的扰动项相关,普遍采用的MLE都将是不一致的。为此,Hausman型的设定检验被推广到SAR模型中用以判别是否存在被解释变量的测量误差。当零假设被拒绝时,我们说明由Kelejian & Prucha(1998),Lee(2003)提出的二阶段最小二乘法仍然可以得到参数的一致估计。Monte Carlo模拟的结果与我们的理论预期一致。最后我们用一个估计地方环境支出外溢效应的实例说明如何运用本文所提的方法来检验应用空间自回归模型时可能存在的测量误差。

具有测量误差的非线性模型的Bayes估计

测量中大量的函数模型都是非线性回归模型.当回归变量含有一定的测量误差时,我们得到非线性测量误差模型.本文讨论了这种模型中未知参数具有正态先验分布时的参数Bayes估计方法,并对这种估计进行了影响分析,证明了删除模型与均值漂移模型中参数的Bayes估计相同,利用Cook统计量给出了删除模型下参数的Bayes估计的影响度量.

广义矩方法及与模型的其它参数估计法的关系

讨论广义矩方法(GMM)及与普通最小二乘法(OLS)、工具变量法(IV)、两阶段最小二乘法(2SLS)之间的关系。

两阶段抽样法在工业产品质量控制中的应用

质量管理是一门新兴的管理科学。把数理统计方法运用到质量管理中去,称为统计质量管理。近几年来,抽样调查的理论,虽然有了新的发展,但理论上发展的差异性,并不悬殊,而抽样方法在实践中的运用,则在不同的国家、不同的时期很不相同。在我国的全面质量管理中,虽然也应用了抽样法,但应用的面不广,尤其是两阶段抽样法,更是少见。部分企业虽有应用,但不知道怎样计算抽样误差,为此,本文就谈谈两阶段抽样法在产品质量控制中的具体应用。一。

不确定条件下的多水源联合供水调度模型

本文针对城市供水调度系统中存在的不确定性与复杂性,运用区间两阶段随机规划的方法,建立了多水源联合供水调度的优化模型。该模型以供水调度系统成本最小为目标函数,引入概率分布及区间数表示不确定性,模拟了地表水源、地下水源、外来水源等多种水源联合供水过程,并对多种水源的调水目标进行优化。以区间形式给出优化结果,为决策者提供宽裕的决策空间。利用该方法,可充分考虑系统中不确定因素对系统成本的影响,更真实的反映多水源联合供水系统的实际情况。