耦合敏感性分析与两阶段马尔科夫链蒙特卡洛算法的地下水污染溯源辨识

为高精度地开展地下水污染溯源辨识,在对污染源参数进行敏感性分析的基础上,研究应用两阶段马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法辨识确定污染源参数;同时,探索应用多层感知机(Multi-layer Perceptron,MLP)方法构建地下水污染运移数值模型的代理模型,用以提高地下水污染溯源辨识的效率。为验证上述方法的有效性和可行性,开展了两个数值算例研究。结果表明:采用MLP方法构建的代理模型对地下水污染运移数值模型的逼近精度高,不仅能够有效提升地下水污染溯源辨识效率,还能保持良好的计算精度;所提出的耦合敏感性分析与两阶段MCMC算法能够显著提升低敏感性污染源参数的辨识精度。

基于马尔科夫-蒙特卡洛法的配电网分时段孤岛划分

针对分布式电源出力波动性与负荷需求不确定性的配电网孤岛划分问题,提出了一种将马尔科夫状态空间法与蒙特卡洛模拟法相结合的求解不确定性孤岛划分问题的方法。所述方法的基本思路为:将全天负荷分成4个时段对应于4个场景分别进行考虑,通过马尔科夫-蒙特卡洛法在4个场景的基础上针对日间和晚间分别进行孤岛划分,得到各负荷开关状态转移概率后选择合适的边界概率值划定初步的孤岛范围,再对初步孤岛进行潮流校验与调整,给出日间和晚间的最终孤岛划分方案。通过配电网算例进行仿真分析,验证了方法的有效性。

基于马尔科夫链-蒙特卡洛法的债务抵押债券定价模拟

文章旨在通过马尔科夫链-蒙特卡洛法(MCMC)对债务抵押债券CDO进行定价模拟。以寻求CDO产品预期回收率与其预期违约率间的关系,并研究两者对债务抵押债券定价模拟的影响。研究发现,在CDO投资中,资产池中的个别资产违约,将会将违约信号和相应的信用损失传递给各个相关投资者。所以,理性控制CDO标的资产的违约风险,降低其违约概率是提升CDO资产定价的重要举措。

基于马尔科夫链蒙特卡洛方法的光伏电站可靠性评估

为了对大型光伏电站进行可靠性评估,首先建立了光伏电站各主要元件的可靠性评估模型,然后定义了光伏电站可靠性评价指标体系,最后采用马尔科夫链蒙特卡洛(MCMC)方法对光伏电站可靠性进行了评估。在光伏阵列建模过程中,以误差作为限制条件采用向后场景削减技术对其状态进行了削减和划分,在保证一定精度的同时简化了抽样过程。通过对某大型光伏电站可靠性评估算例,对比分析了MCMC方法和蒙特卡洛(MC)法的指标计算结果、收敛速度和稳定性,结果验证了该方法的评估结果与MC方法结果一致,在相同的收敛条件下所需抽样次数更少,速度更快。

基于马尔科夫链蒙特卡洛仿真的智能电能表软件可靠性仿真研究

保障智能电能表软件可靠性有利于降低设备故障率,提升电力营销部门服务质量。基于灰盒测试的软件测试技术能够在保护软件源代码安全性基础上进行深度测试。依托智能电能表软件测试平台,按事件触发概率构造若干马尔科夫状态,对智能电能表进行蒙特卡洛仿真分析,使用两款单相电能表进行软件可靠性评价研究。测试模型能够充分挖掘电能表软件成熟度和健壮性,形成对比数据和结论。

基于马尔科夫键蒙特卡洛抽样的最大似然时差-频差联合估计算法

该文针对无源定位中参考信号真实值未知的时差-频差联合估计问题,构建了一种新的时差-频差最大似然估计模型,并采用马尔科夫链蒙特卡洛(MCMC)方法求解似然函数的全局极大值,得到时差-频差联合估计。算法通过生成时差-频差样本,并统计样本均值得到估计值,克服了传统互模糊函数(CAF)算法只能得到时域和频域采样间隔整数倍估计值的问题,且不存在期望最大化(EM)等迭代算法的初值依赖和收敛问题。推导了时差-频差联合估计的克拉美罗界,并通过仿真实验表明,算法在不同信噪比条件下的估计精度优于CAF算法和EM算法,且计算复杂度较低。

近似贝叶斯计算结合马尔科夫链蒙特卡洛的概率潮流计算

风电等分布式电源的强随机性直接增强配电网的不确定性,提出一种近似贝叶斯计算结合马尔科夫链蒙特卡洛的方法求解概率潮流。根据近似贝叶斯计算考虑状态变量先验信息的概率思想,结合马尔科夫链蒙特卡洛得到计及随机性的状态变量模拟样本。再采用奇异值分解生成随机变量的观测样本,通过误差函数将系统的随机性刻画为模拟样本和观测样本的相似性。引入提议分布结合概率潮流模型实现统计特征值的计算和对比,再利用Jacobi行列式作为误差修正量更新样本值,使之最大程度接近真实后验分布。在IEEE 9、IEEE 33节点系统中的仿真结果表明,改进的近似贝叶斯计算较传统近似贝叶斯计算拟合精度更高,能有效降低状态变量后验概率求解难度,可用于高渗透率风电并网下系统分析与评估。

基于贝叶斯与马尔科夫链蒙特卡洛融合算法的图像处理探究

在贝叶斯算法与图像处理技术的基础上,将马尔科夫链蒙特卡洛算法引入图像处理中,提出贝叶斯-马尔科夫链蒙特卡洛融合算法,并对图像进行处理。仿真结果表明,贝叶斯马尔科夫链蒙特卡洛融合算法只需要Gibbs抽样法十分之一的迭代次数,再加之并不复杂的跳转核。经验证,这种方法的效率是较高,而且实现起来比较简单。

采用改进马尔科夫链蒙特卡洛法的风电功率序列建模

建立能更好复现历史数据特征的风电功率序列模型,对计及高渗透率风能接入影响的电网规划和运行具有重要意义。该文首先通过研究面向随机变量(风电功率)建模的滑动平均滤波参数寻优方法和构建状态数优化决策模型,提出风电功率序列的自适应状态划分策略,客观划分历史数据。然后针对现有方法难以计及状态转移概率随状态持续时间增长而变化的问题,提出三维状态转移概率矩阵及其解维修正方法,抽样生成人造风电功率状态序列,进而在分析历史数据波动量及噪声概率分布的基础上,完善现有的波动特征叠加方法,模拟人造风电功率序列。与现有马尔科夫链蒙特卡洛(MCMC)法进行对比分析表明,该方法能更好地复现历史数据特征(转移、波动特征等),在提高建模精度的同时,并未增加状态转移概率矩阵生成算法的时间复杂度。

基于马尔科夫链蒙特卡洛的台区可靠性评估方法

随着居民生活水平的不断提高,用于居民用电服务的台区供电强度不断提高。为了实现对运行中台区的可靠性进行实时监控与评估,提出基于马尔科夫链蒙特卡洛方法的台区可靠性评估理论,该方法实现海量待处理信息下高维数据的降阶与解耦,在兼顾经济性的同时又能及时发现潜在的存在安全风险的台区并及时地安排运维人员处理,历经一年多的现场运维检验,结果证明了所提出方法的有效性与科学性。

不规则区域上Poisson方程的蒙特卡洛马尔科夫链方法求解

本文研究了不规则区域上泊松方程的蒙特卡洛马尔科夫链方法数值求解。在不规则区域上,微分方程的数值计算通常是困难的。基于有限差分的思想,本文构造了可吸收马尔科夫链来求解不规则区域上的微分方程。不规则区域的数值实验结果表明了该方法的可行性和有效性。该方法为求解不规则区域上的泊松方程提供了一种新的计算思路,并保持了空间方向上二阶收敛阶。

朴素贝叶斯模型及马尔科夫链蒙特卡洛方法在客服中心监控预警系统中的应用

通过对客服中心业务系统监控预警的需求分析,提出一种信息系统运行风险的预警算法,并通过信息系统运行的历史大数据学 习训练逐步调整算法参数,成功对关键业务系统运行风险提出预警。

船舶引航过程风险马尔科夫链模型动态仿真

为定量研究特定水域船舶引航过程风险演化规律,有效进行船舶进出港安全预控,本文通过对港区水域船舶引航作业工作流程分析,确立不同船舶引航作业任务的风险程度,提出船舶引航状态处于港内外锚地、航道和泊位前沿等水域之间的转移方程。计算结果表明:船舶引航状态的转移符合马氏稳态特性,经潮汐型波动后走向稳定;船舶航行状态转移的过程变量对港区水域总体船舶秩序影响明显。基于马尔科夫链蒙特卡洛方法的过程风险仿真模型适用于海上交通风险的模拟分析,可为船舶安全管理提供风险演化的基本规律。

融合灰色马尔科夫理论的二进小波图像的复制-粘贴篡改检测算法

提出了一种二进小波图像的篡改检测算法,对待测图像进行二进小波图像分解,然后提取其每个图像分块的高低频子图特征值进行分析。为了使该算法能够在大量图像篡改检测过程中保证其检测率、错误率,使用基于灰色理论与马尔科夫链的融合模型对该算法的检测率、错误率进行预测,将预测值进行均值计算得到平均检测率与平均错误率。通过与文献算法比较检测率、错误率均值,证明了该算法在避免偶然的情况下,提高了检测率并降低了错误率。

南宁市年降水量的加权马尔科夫链预测研究

以南宁市1961—2015年降水量数据为研究对象,通过均值-标准差的分级方法来建立加权马尔科夫链预测模型,并在模型的基础上结合了模糊集理论中的级别特征值,定量给出了各预测年份的年降水量数值。结果显示,该模型的预测效果较好,平均拟合误差控制在2%以内,预计未来两年南宁市处于平水年份的可能性较大,降水量预测值分别为1 384.56、1 221.59 mm。

基于马尔科夫链的多目标路径规划模型

针对时间序列影响已知,且边权已知的无向图路径规划问题,为了模拟现实中交通拥堵程度随天气变化而变化的情况,在“时间序列下的类0-1规划”模型基础上引入马尔科夫链,建立了基于马尔科夫链的多目标路径规划模型。在求解时假设边的权重随时间发生变化,并引入随机变量,但过去的状态不会影响当前的状态,其他条件不变。在建立约束模型之后,通过计算机模拟,并使用随机梯度下降算法进行求解。该模型能在边权变化的多目标情况下,能从一张图中较快地规划出最优路径,并且模型具有很好的可解释性和鲁棒性。

计算单点滑环系统失效概率的蒙特卡洛方法

建立单点滑环系统失效的动态故障树模型,利用齐次马尔科夫链表示状态空间的转移过程,并求出滑环系统失效概率精确解。提出计算单点滑环系统失效概率的蒙特卡洛方法,编制蒙特卡洛仿真程序,求解齐次马尔科夫链的数值解,结果显示,当抽样数等于5 000时,结果趋近收敛,数值解与精确解吻合良好。对于非齐次马尔科夫链,由于无法求出精确解,因此利用蒙特卡洛法求解滑环系统失效概率的数值解,数值解失效概率的变化规律与前述结果一致,验证了蒙特卡洛法的适用性。利用蒙特卡洛法求解系统停产的概率,与滑环系统失效概率进行对比发现,在相同工作时间下,系统停产概率明显小于系统失效概率。结果显示,蒙特卡洛法的收敛性好,结果精度高,且能解决马尔科夫法不能解决的问题,可以很好地应用在单点滑环系统的风险评估中。

结合贝叶斯-MCMC更新的RC梁抗剪承载力概率模型的可靠度分析

为分析钢筋混凝土(RC)梁抗剪承载力,首先,基于国内外100组RC梁抗剪承载力试验数据作为先验信息,结合我国GB 50010-2010规范的抗剪承载力,综合考虑混凝土与箍筋的材料强度、截面尺寸、剪跨比、配箍率等因素的影响,通过贝叶斯-马尔科夫链蒙特卡洛(MCMC)方法对我国规范模型进行更新与修正;随后,结合Monte Carlo模拟,对所建立的RC梁概率抗剪承载力模型进行可靠度分析,验证了该模型具有较好的计算精度与可靠性。结果表明:概率模型均值与试验值比值K的均值与标准差分别为1.013与0.171,试验值落在概率模型的95%置信区间范围内,且可靠指标分布在4.0左右,说明建立的概率模型具有较好的预测效果与可靠性。

无线传感器网络中蒙特卡洛定位算法的研究

在无线传感器网络的节点定位领域,常用的以蒙特卡洛为基础的定位算法均存在定位误差大、采样效率低的问题。为了提高无线传感器网络中针对移动节点的采样效率和定位精确度,文中采用马尔科夫链进行抽样,提出了一种基于蒙特卡洛的改进算法。该算法在蒙特卡洛算法的基础上,结合马尔科夫链采集节点样本,随后对其进行过滤,再通过对得到的节点位置值进行加权计算,得到节点的准确位置。仿真实验结果表明,通过该算法得到的节点定位误差低于其他算法,提高了采样效率以及对移动节点的定位准确率。

基于异步优势演员-评论家学习的服务功能链资源分配算法

考虑网络全局信息难以获悉的实际情况,针对接入网切片场景下用户终端(UE)的移动性和数据包到达的动态性导致的资源分配优化问题,该文提出了一种基于异步优势演员-评论家(A3C)学习的服务功能链(SFC)资源分配算法。首先,该算法建立基于区块链的资源管理机制,通过区块链技术实现可信地共享并更新网络全局信息,监督并记录SFC资源分配过程。然后,建立UE移动和数据包到达时变情况下的无线资源、计算资源和带宽资源联合分配的时延最小化模型,并进一步将其转化为马尔科夫决策过程(MDP)。最后,在所建立的MDP中采用A3C学习方法,实现资源分配策略的求解。仿真结果表明,该算法能够更加合理高效地利用资源,优化系统时延并保证UE需求。