海洋环境要素极值更新概率模型

能够反映实际环境荷载特征的概率模型是合理进行海洋平台结构设计和评定的基础。海洋平台设计环境荷载往往由沿岸台站资料直接得到或经相关分析推算得到,而反映当地环境条件的现场实测资料应用较少。发展了一种利用现场实测资料对环境荷载极值概率模型进行修正、从而获得融合现场资料信息和原极值资料信息的更新极值概率模型的计算方法。首先将经典Bayes方法进行推广到考虑多种先验信息来源的情况,建立了多种先验信息源下的参数估计公式;应用非正态随机变量的正态变换方法,结合海洋环境要素极值概率模型参数估计方法,将Bayes方法推广到极值Ⅰ型随机变量的情况,建立了海洋环境要素极值更新概率模型及参数估计方法。通过模拟算例和实际风速数据验证了海洋环境要素极值更新概率模型的合理性。

贝叶斯(Bayes)更新概率在结构维修中应用的讨论

叙述了贝叶斯更新概率、贝叶斯定理的概念,进行了公式计算与概率树方法的比较,通过贝叶斯更新概率在结构维修中应用的讨论,使相关概念之间的关系更明晰、简洁;有利于在缺乏工程现场直接试验资料时开展工程结构维修的设计工作,是少投入多产出的好方法。

一种概率更新方法及在目标识别中的应用

信息更新问题是控制决策系统中普遍存在而又极为重要的研究课题.二阶概率技术在这些问题的研究中有着广泛的应用前景.文中结合一个目标识别问题中的应用实例,系统介绍了二阶概率技术的应用过程以及建立在二阶概率技术上的一种概率更新方法,并利用该方法解决了一个目标识别问题中的信息更新问题.

基于概率更新机制的自适应混合熵编码

在熵编码引入了一种概率更新的机制,记录每个语法元素的实时概率分布。将基于概率更新的Huffman码和结构码字有效结合,并根据各个语法元素的相关性选择最恰当的上下文模型,充分利用视频信号的多样性进行信息压缩。实验表明,此种基于概率更新的混合熵编码(PUAHC)算法的编码效率和编码复杂度皆介于UVLC和CABAC之间。

基于概率估计更新的CABAC加速算法

基于上下文的自适应二进制算术编码（context-basedad aptive binary coding，CABAC）是一种高效的熵编码方法，但是其高计算复杂度制约了该算法的编码速度，已成为其应用的一个主要瓶颈。为解决此问题，在分析CABAC算法及其计算复杂度的基础上，对其概率估计更新部分进行了改进，提出了一种提高其编码速度的有效方法。该方法首先以Ⅳ个符号的包为单位进行编码，仅每个包编码完成后再进行一次概率估计的更新，因而成倍地降低了概率估计更新的频度。实验数据表明，该方法较以往的方法使CABAC的编码速度平均提高了13．3％-30．7％，同时编码效率平均下降1．87％-2．98％。

基于先验概率更新机制的冷水机组故障检测与诊断分析

在现有的利用贝叶斯网络(BN)进行冷水机组故障检测和诊断(FDD)中,先验概率更新机制的特点没有被使用。提出了一种先验概率更新机制(UP),将其融入BN模型,用于冷水机组的FDD。UP通过设置更新样本容量对先验概率实时更新,逐步挖掘样本的先验信息,提高FDD性能,同时UP-BN模型能根据现场实际进行模型修正,增加BN模型对现场实际的普适性。使用ASHRAE RP-1043试验数据对所提方法的有效性进行验证,结果表明:UP-BN模型的虚警率降到了1.8%;最大漏检率为制冷剂泄漏(RL)的10%,最大误诊率为RL的3.8%,均控制在可接受的范围内;正常状态和各类故障的FDD正确率基本在90%以上,最低的是RL,但也有86.2%。

基于概率统计自适应背景模型的运动目标检测方法

为了更好地进行运动目标检测,提出了一种基于概率统计的自适应背景模型的运动目标检测方法。该方法能够自适应选择背景和前景阈值,且不需要进行训练,而且在不同的场景下能够自适应进行选择。在此基础上,针对盲目更新和选择更新不足,还采用了像素聚类统计和概率相结合的背景更新模型,因为采用基于像素统计的更新机制能够适应场景中背景的局部改变(移入/移出物体),而采用概率更新则能够降低前景污染背景的程度。实验证明,该方法能够得到可靠的背景,改善了运动检测效果。

一种机载AIS发现概率的分析方法

分析机载AIS时隙冲撞机理及船舶发现概率定义,基于我国东部沿海某典型海域实际船舶分布情况,综合考虑AIS时隙分配协议模型以及不同天线高度电磁波传输衰减特性等因素,建立机载AIS发现概率仿真分析模型,得出不同距离机载AIS设备对海面船只发送的消息接收概率,以及不同距离范围、不同更新概率条件下的所需时间。实验表明,仿真分析结果与实际试验数据较为吻合,从而为机载AIS工程化应用效能评估提供了一种较为实用的分析方法。

利用更新比率恒定理论整合多学科信息建模

介绍了更新比率恒定理论及其整合多学科信息建模方法。与传统的整合多学科信息方法相比,概率更新比率恒定理论其假设条件较弱,符合实际,数学推导严谨,且整合多学科信息方法简单,方便将不同来源、分辨率和可信度的信息整合到储层地质模型中。实际应用研究也表明,概率更新比率恒定理论在综合多学科信息方面更具备优势,所建立的模型与地质研究结果匹配程度高,抽稀检验结果表明其预测精度更高。为油田开发后期多学科信息综合建模提供了新的方法。

基于贝叶斯概率更新的电力物资质量检测方法

开展电力物资质量检测能够避免不合格的电网材料与设备在电网中投入运行,从而在基础层面确保电网的运行安全性。针对当前的电力物资质量检测方法存在的误差偏高的情况,本研究基于贝叶斯概率更新过程,设计了一种新的电力物资质量检测方法。首先,利用Abaqus CAE有限元仿真软件实施电力物资的有限元建模。然后,定义电力物资的损伤状态等级及其对应的损伤情况,通过向初始有限元模型不断施加载荷模拟电力物资各损伤状态,获得电力物资结构的时域响应,完成电力物资各损伤状态下的数值模拟。最后,基于贝叶斯概率更新过程,设计电力物资结构物理参数变化识别方法,从而完成物资质量检测。实验测试结果表明:该方法能够实现电缆、断路器、矩形母线固定金具的质量检测,识别结果的相对误差整体较低,最低仅为1.62%,同时其变异系数整体较低,最低仅为5.96%,说明该方法能够有效实现设计预期。

三门问题的概率动态认知逻辑分析

三门问题是一个反直观的概率问题,受到数学、逻辑学、心理学、经济学、计算机科学等众多领域的共同关注。概率动态认知逻辑是新近发展起来的一种逻辑理论,它把概率逻辑和动态认知逻辑相结合,将事件的概率处理成认知模型里的世界的概率,从而可以更加直观地展现事件的概率分布。借助概率动态认知逻辑为三门问题建立概率认知模型,可以清晰呈现换门与不换门各自赢得汽车的概率,并全面揭示三门问题的概率认知模型在概率乘积更新规则下的变化过程,从而帮助我们以一种整体的视角深入理解三门问题。

动态辨识框架下条件证据更新的故障检测方法

在分布式传感器网络中,各个子网往往具有不同的辨识框架,此时经典的证据理论无法处理。针对这一问题,提出一种动态辨识框下的证据融合理论和条件更新理论的故障检测方法。首先获取最新的观测证据,提出采用模糊隶属度函数作为信任转换的桥梁,完成动态辨识框架下的信任测度;然后利用新来证据的信任测度对已有的证据进行更新,以此进行各个观测区域的故障检测;最后通过构造两个传感器子网S1和S2的分布式检测与识别系统对所提方法进行验证,结果显示该方法在处理动态辨识框架和故障检测方面的有效性。

保费到达为平衡更新过程的复合更新风险模型

本文研究保费到达为平衡更新过程的复合更新风险模型 ,给出了有限时间内的生存概率分布 ,破产时间 T与破产时资产盈余 U(T)的联合分布 ,及破产时间 T与破产前瞬时盈余 U(T- )的联合分布 .

两站无源定位系统中的多目标跟踪算法研究

两站多目标纯方位跟踪中的虚假定位点识别问题是被动定位中尚待解决的一个重要问题,本文对此问题进行了研究,并给出了一种排除两站虚假定位点的新方法,该方法首先根据两个观测站在初始时刻所测得的角度进行交叉定位,由定位结果估计目标初始时刻所在的空间范围,并对此空间范围进行分区;然后对方位数据进行关联,以判断哪些方位角数据可能来自同一个目标;在每一个子区间上分别利用扩展卡尔曼滤波模型(EKF)进行滤波,并给出目标落在每个子区间上的概率,把此概率值作为权重对各个子区间的滤波结果进行加权来估计目标的状态;该概率值在以后的跟踪过程中按照贝叶斯准则不断进行更新,而更新概率低于检测门限的子区间予以取消.通过仿真分析可看出,利用本文提出的方法两个观测站可对多目标进行良好的定位和跟踪.

一种高效的CABAC解码器硬件结构设计

相对于其他熵编码而言,基于上下文的自适应二进制算术熵编码(CABAC)具有更大的数据压缩率,但由于其运算复杂,访问存储设备频繁,导致编/解码率较低。针对影响CABAC解码速度的“瓶颈”问题,提出了一种高效的CABAC解码器硬件结构,包括新的存储访问方式、优化的解码核心单元结构以及子解码器级联的方式。实验结果表明,该硬件结构可显著提高CABAC的解码效率。

基于BT-BN的高层建筑火灾动态风险分析

为应对高层建筑火情发生的动态性和不确定性,解决现有研究方法静态性的问题,文章提出结合蝴蝶结模型与贝叶斯模型的高层建筑火灾动态风险分析方法(BT-BN)。首先,依据文献调查和历史数据,构建高层建筑火灾BT模型,通过模糊综合评价方法确定基本事件先验概率,并通过文献及数据库确定各安全屏障的可靠性。随后,将BT模型按照逻辑转化规则转化为BN模型,再根据实际高层火灾的演化情景,优化BN模型;并结合实际案例关键因素的监测数据,实时更新高层建筑火灾事故概率。结果表明:BT-BN模型可以实现高层建筑火灾事故的动态风险分析,为高层建筑火灾的安全管理和事故预防提供参考价值。

多机动目标跟踪的BFG-GMPHD算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。

基于贝叶斯网络的化工企业人员应急疏散研究

在化工行业事故中,应急疏散是减少人员伤亡的重要屏障。为分析化工企业火灾事故情景下人员应急疏散成功概率,首先运用鱼骨图对影响人员应急疏散的因素进行定性分析,在此基础上构建贝叶斯网络模型。基于该模型,通过资料数据统计、现场调研和文献查阅得到先验概率,通过三角模糊计算条件概率,进而运用Netic软件定量分析方法计算得到人员应急疏散成功概率及失败后各影响因素发生概率。在此基础上运用动态贝叶斯网络的理念分析人员应急疏散的后验概率。最后,通过敏感性分析得出影响人员应急疏散的薄弱环节,为提高人员应急疏散成功率提供依据。结果表明,人员自身的应急能力对应急疏散影响较大,应急演练是提高应急成功率的主要措施,同时,提高人员应急疏散成功率需要时常更新应急疏散的硬件和软件。

改进匹配方法的BFG-GMPHD滤波算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出了一种改进的最佳拟合高斯(BFG)与GMPHD结合的BFG-GMPHD算法。算法对BFG近似方式做出改进,通过匹配状态转移的均值和协方差矩阵来近似多个目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题。仿真实验表明:改进后的算法能滤除传感器数据中的杂波干扰,有效匹配目标运动模型的变化,更加准确地估计出目标的数目和状态,提高了跟踪的性能。

基于块模型的混合高斯模型运动目标检测方法

文中针对传统混合高斯模型(GMM)运动目标检测方法计算量大、时间复杂度高的缺点,提出一种利用块模型的混合高斯模型运动目标检测方法。该改进算法利用分块处理技术为每个块建立一个模型,同时利用概率更新策略对块模型进行更新,充分利用图像像素间的空域信息,大量减少算法的计算量和存储空间,提高了算法的运行效率。应用这种改进算法,对分辨率不低于CIF(352×288)的监控视频进行检测,结果表明:当块大小值设置为3×3时,检测效果与传统混合高斯模型的检测效果基本一致,而改进算法的平均耗时减少了46.16%,存储空间减少不低于54.15%。