基于贝叶斯动态模型的激光干涉仪漂移误差预测

针对长时间测量时激光干涉仪产生的漂移问题,提出了一种基于贝叶斯动态模型的漂移误差预测方法。通过采集非测量阶段的漂移误差序列,分析了数据特征并据此建立了贝叶斯动态模型。然后,利用无信息先验分布法获取了递推所需的初始信息,运用贝叶斯递推算法训练并估计了模型状态参数。最后,基于实验室自制的迈克尔逊激光干涉仪对漂移误差预测效果进行了实验验证。结果表明:与常用的最小二乘拟合法和神经网络建模法相比,基于该方法预测补偿后的残余漂移误差的均方差分别减小了67.85%和99.08%;由重复实验的预测效果可知,残余漂移误差的均方差较补偿前都减小了82%以上。验证了提出的基于贝叶斯动态模型的漂移误差预测方法的有效性和稳健性。

基于分布式入侵检测系统的贝叶斯动态模型的研究

将贝叶斯(Bayes)方法用于一种动态线性模型,即贝叶斯动态模型,再将此模型应用于网络安全的代理分布式的入侵检测系统,预测用户行为,这样的系统就能确定用户是在进行不可预测行为,还是已经改变了他的正常工作方式,从而对组织内部的攻击起防范作用。

贝叶斯动态模型及其预测算法在数据挖掘中的应用研究

通过对贝叶斯预测过程的研究,提出了应用于数据挖掘的10类贝叶斯动态模型及其预测算法、并解决了非线性动态模型的线性化问题。以该模型及算法建立的数据挖掘系统经过实例测试其效果很好,有较高的理论和实用价值,可以在政府、企业等领域内推广应用。

非线性贝叶斯动态模型的一种处理方法

对一类非线性贝叶斯动态模型进行了处理。用筛选算法进行抽样,利用得到的样本进行各种推断和预测。

多变量非线性贝叶斯动态模型的参数估计

本文讨论多变量非线性贝叶斯动态模型参数估计 ,将 Monte Carlo最优法用于极大似然函数 。

贝叶斯动态模型在煤矿事故预测中的应用研究

随着我国煤炭工业的快速发展,煤矿安全生产形势趋于好转,煤矿各类事故死亡人数逐年下降,但是煤矿事故总量仍然很大。在分析了贝叶斯动态模型特点的基础上,依据2001~2013年我国煤矿事故百万吨死亡率数据,分别运用贝叶斯常均值模型和一阶多项式模型,对历年煤矿百万吨死亡率进行样本训练和残差分析,并对2014年煤矿百万吨死亡率进行预测。结果表明,贝叶斯动态模型可适应煤矿事故的特点并用于煤矿事故进行科学的预测,其一阶多项式模型具有较高的预测精度,研究方法及结果可为煤矿监管部门及企业的安全管理决策提供借鉴。

中国上市公司未来收益预测的实证研究——贝叶斯动态模型及其预测

预测上市公司的未来收益是投资者、证券商、债权人和管理层所关注的问题。国内外的一些实证研究结果表明:上市公司定期公布的财务报告中包含关于公司未来收益变化的信息。基于此,利用中国上市公司年报中的信息,采用贝叶斯动态回归模型对公司未来收益的变化进行预测,并将其结果与静态回归模型的预测结果进行比较,认为贝叶斯动态回归模型的预测效果在一般情况下优于静态回归模型,但要取得更好的预测效果还有待于更多的数据积累,同时还应考虑宏观经济环境变化的影响。

NTM方法在非线性贝叶斯动态模型中的应用

将NTM方法应用于非线性贝叶斯动态模型,给出了它的递推公式以及随机变量的数字特征的计算,与蒙特卡洛方法相比提高了效率和精度.

基于贝叶斯动态模型的惯组误差系数标定方法研究

由于各种因素影响,惯组在逐次通电测试中,误差系数会产生漂移.目前使用的AR(1)标定方法不能对这种漂移很好地预测,因此,提出基于贝叶斯动态模型的标定方法.计算结果表明,这种方法提高标定精度48%.

基于Gaussian Copula-贝叶斯动态模型的桥梁构件时变可靠性分析

针对桥梁构件的各控制监测点之间存在失效非线性相关性的问题。首先考虑到非线性相关性对桥梁构件可靠性的影响,采用贝叶斯动态模型(BDMs),建立监测数据的动态预测模型;再结合Copula理论建立Gaussian Copula-BDMs,进而计算桥梁构件时变可靠性,同时与不考虑桥梁构件各控制监测点失效相关性得到的可靠性进行比较分析;最后通过算例验证所建模型与方法的合理性。本研究成果将为多元结构体系的可靠性分析提供参考。

非正态假定下贝叶斯动态线性模型的监控研究(英文)

对非正态假定下贝叶斯动态模型,特别是非线性的模型的监控,一直是个难题.本文通过构建基于样本点的统计量,实现了对非正态假定下贝叶斯动态线性模型的监控.该方法也适用于非线性的贝叶斯动态模型.

贝叶斯动态线性模型的组合预测

组合预测就是将随机变量或向量的点预测进行组合 ,这些预测是根据几个模型所给出的。一般的方法是求这些点预测的算术平均值。本文给出的是根据模型的预测精度确定权的贝叶斯动态线性模型的组合预测 。

基于贝叶斯动态预测模型的商品推荐方法

传统的电子商务推荐系统虽然考虑到个性化的推荐,但不能很好的描述用户行为,使得个性化的推荐略显不足。本文提出基于贝叶斯动态预测的模型,并结合Agent技术,很好地建立了用户行为预测模型。该方法以用户历史数据为基础,并结合用户的实时行为建立用户行为预测模型。本文将此方法运用于商品推荐系统中,实验证明此方法能高效地为客户产生个性化的商品推荐集合,优于某些传统方法。

贝叶斯动态线性模型的一种实用处理方法

推广了Le Cam的一个定理，并将其应用到一般的贝叶斯动态线性模型和矩阵动态线性模型。作为结果，得到了它们的实用递推模型。在该模型中，给出了一种简洁的预测方法。

带人工干预的贝叶斯动态预测模型在中国股市中的应用

研究了带人工干预的贝叶斯动态预测模型在中国股市中的应用，并进行了相应的软件设计，对其结果进行分析和讨论，得到了满意的效果，可靠准确率在８５％以上，作为贝叶斯动态模型统计预测在经济领域中定量和定性相结合的运用是一个很好的尝试。

利用广义指数加权回归估计贝叶斯动态线性模型误差方差矩阵W_t的方法(英文)

本文主要研究广义指数加权回归在贝叶斯线性动态线性模型参数估计中的作用 。

基于贝叶斯动态线性模型误差补偿的短期风功率预测

为了提高短期风功率预测精度,提出了一种基于贝叶斯动态线性模型误差补偿的方法去实现预测精度的提升。首先采用较为常用的RBF神经网络作为初始预测模型,然后统计分析预测误差找出其分布特性,再根据其误差分布特性建立贝叶斯动态线性模型继而对误差数据进行预测,最后由贝叶斯动态线性模型预测结果对原神经网络输出进行补偿从而达到预测精度提高的目的。实验结果表明该方法能较好地提高风功率预测精度,具有较好的普适性。

观测数据分析中几种方法的探讨 (一)回归—时间序列模型和贝叶斯预测模型

首先 ,叙述用回归分析与随机时间序列技术的组合方法来处理大坝的监测数据。通常 ,回归分析后的残差序列并不满足白噪声假设 ,这个理论缺陷在一定程度上降低了监测的可靠性和预测的正确性。为此 ,采用鲍克斯—詹金斯方法对残差序列进行再处理。按照上述组合方法求得的计算数据能更好地吻合实测数据 ,最终的误差序列能符合白噪声特性 ,并使拟合和预测的正确程度有了较大改善。然后 ,利用贝叶斯动态模型分析监测资料。采用贝叶斯模型时 ,由于状态参数 (相当于回归系数 )能及时调整跟踪 ,故所得的结果比常规回归分析的结果有更高的精度 。

一种基于SIS的贝叶斯模型算法

贝叶斯动态模型及其预测理论具有广泛的应用性,如在通信,控制,人工智能,经济管理,气象预报等领域。本文简要介绍了贝叶斯动态模型,对于非线性贝叶斯动态模型提出了SIS算法及其在处理非线性模型中应用。

粒子滤波算法在贝叶斯模型中的应用

文章首先介绍了粒子滤波算法,然后将粒子滤波算法应用到一类特殊的贝叶斯动态模型中,并得到有关结论。