广义Pareto分布模型参数的近似估计及应用

文章利用极大似然估计法及泰勒公式给出了广义Pareto分布模型参数估计,并在确定阈值的基础上对多种元素的广义Pareto分布模型参数进行了估计,经Kolmogorov检验证实该近似估计法的合理性和有效性。

一种提高整体拟合程度的对数分布广义翁氏模型新解法

广义翁氏模型已有解法在进行参数优选线性拟合时普遍存在生产初期拟合点离散偏差性较强的问题,这些偏差点与整体拟合趋势线的偏离程度较大,且偏差点的位置相对较为集中,加大了偏差点对整体拟合程度的影响,进一步影响了模型参数的优选准确性。针对模型已有解法存在的问题,本文从模型拟合点的分布形式研究出发,提出了一种对数分布广义翁氏模型新解法,区别于已有解法以时间t作为线性拟合函数自变量,新解法以时间对数ln(t)作为线性函数的自变量,拟合点的分布形态也从均匀分布转变为对数分布。实际应用表明,新解法使生产初期参数拟合点分布相对更加分散,分布趋势也更贴近整体拟合点的趋势,参数拟合初期拟合点偏离误差平均值减少了2.1%,参数拟合曲线整体偏离误差平均值减少了1.7%,模型新解法对应的产量偏离误差较模型已有解法平均值减少2.87%,表明模型新解法相对模型已有解法更能够提高产量的整体拟合程度。

极值服从广义Pareto分布的扭转载荷外推方法研究

提出了一种极值样本服从广义Pareto分布(generalized pareto distribution,GPD)函数的扭转载荷时域外推方法,基于极值样本的均值超出函数,首先确定一个区间范围,并以形状参数最小的均方误差为目标,通过自抽样法确定最佳阈值,再采用极大似然估计法对GPD函数的形状参数和尺度参数进行估计,获取扭转随机载荷谱的极值样本,服从GPD分布规律。以商用车驾驶室的稳定杆为研究对象,介绍了扭转载荷采集的方法,基于所提出的扭转载荷时域外推方法进行外推研究,并分别从穿级计数、功率谱密度、雨流图和潜在伪损伤量等方面对外推前后的载荷谱进行了对比分析。结果表明:所构建的载荷外推算法对商用车驾驶室稳定杆扭转载荷外推有较好适应性。

一种基于贝叶斯的广义Pareto分布变点估计

文章研究广义Pareto分布单变点的估计问题,利用贝叶斯方法对广义Pareto分布变点进行估计,模拟结果表明,贝叶斯方法能获得更好的效果。同时将贝叶斯方法与基于KL散度似然比统计量的极大似然法比较,得出贝叶斯方法效果更好。

损失函数下逐步二型删失数据广义Pareto分布参数的Bayes估计

基于逐步二型删失数据,在几种不同的损失函数下,选择广义Pareto分布,讨论其形状参数的Bayes估计。当尺度参数给定时,为θ参数引入Gamma分布作为先验分布,得到了几种不同损失函数下参数θ的Bayes估计的数学表达式,通过数值模拟方法,比较了几种损失函数下所得到的Bayes估计的效果。结果表明:在Linex损失函数下,广义Pareto分布参数的Bayes估计效果最优。

广义Pareto分布海杂波模型参数的组合双分位点估计方法

广义Pareto分布的复合高斯模型可以很好地描述高分辨低擦地角对海探测场景中海杂波的重拖尾特性,实现该杂波模型下双参数的有效估计对雷达检测性能具有重要意义。对此,该文提出一种双参数的组合双分位点(CBiP)估计方法。该估计方法基于低阶多项式方程的显式求根表达式,充分组合利用回波中的样本信息,旨在实现高精度的双参数估计过程。此外,考虑到实际雷达工作中存在岛礁、渔船等造成的功率异常大的野点样本时,不同于传统的矩估计、最大似然(ML)估计等方法,组合双分位点估计方法仍可保持估计性能的鲁棒性。仿真及实测数据实验表明,在纯杂波环境中,组合双分位点估计方法可以实现与最大似然估计方法近似的估计精度,若存在异常样本,组合双分位点估计方法的估计性能优于上述几种传统估计方法。

广义Pareto分布参数的Bootstrap置信区间及应用

针对广义Pareto分布应用于超阈值数据拟合时尾部数据较少的情况,将参数的极大似然估计与Bootstrap方法相结合,给出参数的Bootstrap置信区间。Bootstrap置信区间计算方法既可以通过重复抽样充分利用样本信息,又可以避免样本较少时估计量方差偏大的情况。理论证明参数的Bootstrap置信区间是渐近有效的。数值模拟结果表明在一定的置信度下,置信区间的区间长度和覆盖率比较合理。应用建立的Pareto模型对巴颜喀拉地震带震级数据进行分析,结果表明在相同的置信度下,采用Bootstrap方法计算的置信区间比由近似协方差矩阵计算的区间长度更短,这为广义Pareto模型描述地震震级分布的适用性提供了支撑。

基于GAM模型的东海中南部大黄鱼资源密度分布及其与环境因子的关系

为探究大黄鱼(Larimichthys crocea)资源密度与海洋环境因子之间的关系,本文基于2018年秋季和2019年春季东海中南部两个航次渔业资源调查数据,采用广义加性模型(Generalized additive model,GAM)对大黄鱼资源密度及其与环境因子的关系进行了研究。研究表明,大黄鱼尾数密度和生物量密度秋季为106.2 ind/km^(2)和6.57 kg/km^(2),春季为7.9 ind/km^(2)和0.45 kg/km^(2)。春季大黄鱼分布重心位于鱼山渔场,秋季分布重心南移进入温台渔场。广义加性模型分析结果表明:春秋两季最优模型均由离岸距离、温度、盐度组成,其中秋季最优模型的温度和盐度因子均为底层水体,而春季环境因子均为表层水体;春秋两季大黄鱼生物量密度均随温度上升而下降;秋季随着底层盐度的增加先上升后下降,最适底层盐度为33.7;春季随表层盐度升高而呈单调增加趋势。春季和秋季大黄鱼分布受到了不同水层环境的影响,这是由其栖息和繁殖特性的季节变动所导致的。本研究结果阐明了春秋季东海中南部大黄鱼资源分布情况及其对海洋环境因子的响应。

计及跟随型和支撑型分布式光伏的广义综合负荷模型及两阶段参数聚合等效方法

为有效聚合等值包含不同控制类型分布式光伏发电系统的配电网,提出一种计及跟随型和支撑型分布式光伏的广义综合负荷模型及两阶段模型参数聚合等效方法。通过将跟随型和支撑型光伏等效模型与传统综合负荷模型并联形成广义综合负荷模型,实现对实际配电网并网特性的有效拟合;基于参数灵敏度分析与改进的微分进化算法,通过两阶段聚合等效确定模型参数,避免模型未知参数过多带来的辨识解分散性大的弊端。基于PSCAD和MATLAB验证了所提模型的自描述能力、泛化能力和参数稳定性。

一种对称损失下两参数广义Pareto分布形状参数的Bayes分析

在加权对称损失函数下,使用Bayes估计方法,讨论了两参数广义Pareto分布形状参数的Bayes估计及其性质,得到了形状参数的Bayes估计的一般形式与在两种不同先验下的精确形式,并由此得到形状参数的最小最大估计的一种形式,将不同的估计联系在一起。并通过模拟研究了所得估计的精度,结果表明所得估计的精度较高。

基于更新径向基函数网络模型的广义Pareto分布函数拟合

广义Pareto分布函数GPD(Generalized Pareto Distribution)是一种针对随机参数尾部进行渐进插值的方法,能够对高可靠性问题进行评估。但这种方法要求样本空间较大,计算成本较高,尽管可以通过径向基函数网络RBFNN(Radial Basis Function Neural Network)辅助抽样的方法削减计算成本,但对于非线性程度较高的问题,RBFNN精度问题使得辅助抽样方法失效。针对这类问题,根据GPD的特点,提出了高效的更新RBFNN训练样本的方法,改善了RBFNN在功能函数分布尾部的精度,将RBFNN辅助抽样方法推广应用到非线性程度较高的问题,准确地得到了所有需要的尾部样本,基于该尾部样本集的GPD拟合结果与基于直接计算所有样本的GPD拟合结果完全一致。

基于广义梁格法的整体化铺装加固空心板桥荷载横向分布系数计算方法

由于整体化铺装加固后的空心板桥的铺装层较厚、横向整体性更突出,因此荷载横向分布系数的计算必须考虑整体化铺装层的影响。基于此提出采用广义梁格法考虑整体化铺装层的影响,在足尺模型试验和有限元计算的基础上,对基于广义梁格法的整体化铺装层加固后的空心板桥荷载横向分布系数计算方法进行验证。结果表明,广义梁格法的计算结果可以准确考虑采用整体化铺装层加固空心板桥的荷载横向分布规律。不同宽度、不同跨径的空心板桥,铺装层的高度折减系数取值在0.5~0.8之间时,计算结果更加精确。桥越宽则折减系数取值越大,跨径越大则折减系数取值越小。

广义逆指数分布应力-强度模型的可靠性评估

基于广义逆指数分布,研究应力-强度模型的可靠性评估问题。首先,利用极大似然法给出参数及应力-强度模型可靠度的极大似然估计。其次,通过形状参数选取Gamma共轭先验,在平方损失下运用Gibbs抽样算法及Lindley近似算法给出不同超参数选择下应力-强度模型可靠度的贝叶斯估计。最后,通过Monte-Carlo模拟对2种估计方法的精度进行比较。数值模拟结果表明,贝叶斯估计优于极大似然估计,基于Lindley近似算法的贝叶斯估计优于基于Gibbs抽样算法的贝叶斯估计。

广义混合Poisson线性模型的贝叶斯推断

该文在贝叶斯框架下研究广义混合Poisson线性模型的变量估计和变量选择问题.首先结合广义Poisson线性模型和GMM模型,构造混合广义Poisson线性模型,并给出似然函数,然后构造未知参数的先验,给出后验似然函数,随后通过后验似然与先验的乘积得到未知参数的满条件分布,用Gibbs算法和M-H抽样算法抽取未知参数得到参数的估计值,并运用二元潜变量标记活跃变量,假设未知先验,给出后验似然,通过Gibbs算法和M-H抽样算法挑选出回归系数,最后进行数值模拟验证贝叶斯估计的有效性和变量选择的准确性.

基于广义Pareto分布的大坝位移监控指标拟定方法

大坝安全监控指标拟定是指导大坝安全运行的重要内容,而极值理论中广义Pareto分布模型是拟定大坝安全监测指标的一种重要且可靠方法。分别介绍了超限期望图法、峰度法、Hill估计法,对样本数据进行阈值选取,在此基础上提出了大坝位移安全监控指标的拟定方法。以某混凝土面板堆石坝为例,分别采用以上3种方法选取阈值,并采用广义Pareto分布拟定了大坝位移监控指标。结果表明,采用峰度法选取的阈值对大坝安全监控指标拟定更加可靠,且阈值选取方法不受主观因素影响。建议在大坝安全监控指标拟定中,可以选用峰度法进行阈值的选取,并基于广义Pareto分布模型拟定指标。

洪水超定量模型的广义Pareto分布及其应用

为了扩大洪水信息,提高洪水模拟精度,研究超定量洪水频率分析模型。介绍了洪水超定量模型的基本理论,假设超定量洪水年发生次数服从Poisson分布,超定量洪水系列服从广义Pareto(GP)分布,给出年最大超定量洪水分布和超定量洪水重现期的计算方法,提出通过模型拟合优度检验来综合确定超定量系列阈值的方法。将超定量模型应用在海河流域小觉站洪峰频率分析中,结果表明:通过模型拟合优度检验确定超定量系列阈值的方法有效且可靠,洪水超定量系列年平均发生次数服从Poisson分布,GP分布洪峰设计值略大于P-Ⅲ分布洪峰设计值,应用在水利工程设计及风险分析中是偏安全的。

双边定时截尾下广义Pareto分布的可靠性分析

基于双边定时截尾样本,研究广义Pareto分布的形状参数和可靠性指标的估计问题。在进行极大似然估计时,由于似然方程无解析解,故采用EM算法。对形状参数选取,4信息先验,在平方损失下,研究给出广义Pareto分布的形状参数和可靠性指标的Bayes估计。通过Monte-Carlo模拟对形状参数和可靠度函数的极大似然估计、EM估计和Bayes估计的效果进行比较。模拟结果说明,Bayes方法和EM算法适合在小样本场合下对形状参数进行估计,Bayes方法和极大似然估计法适合在大样本场合下对形状参数估计,极大似然估计方法和EM算法适合对可靠度进行估计。

基于可变权重的威布尔–广义帕累托模型的巨灾损失分布拟合

我国是世界上台风灾害频发的国家之一,由此造成的人员伤员和财产损失逐年上升,影响经济发展。本文以台风风暴潮数据为例,采用1989年~2021年我国沿海地区台风风暴潮直接经济损失数据作为样本,对数据进行预处理后同时引入以威布尔分布、帕累托分布和广义帕累托分布为基础构建的组合分布模型进行拟合,结果表明:可变权重的威布尔–广义帕累托模型的拟合效果最好,并以此为依据为我国台风巨灾损失提供分析方法。

广义模型及分类回归树在物种分布模拟中的应用与比较

比较3个应用较广的模拟物种地理分布模型:广义线性模型(GLM)、广义加法模型(GAM)与分类回归树(CART)对中国树种地理分布模拟的优劣,以提出更为合适的模拟物种地理分布模型,并用于预测气候变化对物种地理分布的影响。3个模型对中国15种树种地理分布的模拟研究表明:除对油松、辽东栎分布的模拟精度稍差外,对其余树种分布的模拟精度均较高,其中以GAM模型最好。结合地理信息系统(GIS),比较分析了这3个模型对青冈、木荷、红松和油松4种树种的地理分布模拟效果,结果亦表明:这3个模型均能很好模拟青冈和木荷的地理分布,而GLM模型对红松分布的模拟结果不太理想,3个模型对油松分布的模拟结果均不甚理想,其中以GLM模型最差。基于3个模型对未来气候变化下青冈与蒙古栎地理分布的预测表明:GLM模型与GAM模型对青冈分布的预测结果较为接近,青冈在未来气候变化情景下向西和向北扩展,而CART模型预测青冈在未来气候变化情景下除有向西、向北扩展趋势外,广东和广西南部的青冈分布区将消失;3个模型均预测蒙古栎在未来气候变化情景下向西扩展,扩展面积的大小为:模型的模拟面积>模型>模型。

基于广义Pareto分布的洪水序列频率分析

广义Pareto分布是超定量洪水频率分析的常用线型,其阈值的合理选择是关键。对洪水序列超阈值分布的阈值选择和超定量样本的适用性检验两个方面深入讨论,为设计洪水提供更优的频率分析方法。基于广东省曹江流域大拜水文站1968~2013年日流量的洪水序列数据,采用不同的抽样方法,检验不同洪水超定量的泊松分布、广义极值分布和超定量样本分布的拟合优度指标。将择优的GPD、GEV和P-III型模型推算的洪水重现水平做了对比分析。获得以下结论:大拜站洪水序列GPD模型属于重尾分布;洪水GPD阈值的选择可以参考经验平均超过函数图,而最佳阈值应采用多种指标综合确定;三种概率分布的拟合优度结果显示,构建的大拜站洪水GPD模型精度与GEV和P-III型相比较高;GPD的参数估计方法对洪水重现水平的计算结果有较大影响。