结构性能退化的评估和贝叶斯动态预测

结构性能的退化影响因素复杂、时间跨度长、不确定性大,其预测不可避免地要考虑具体结构的实际情况,即在一般规律认识的基础上,不断利用在具体结构生命周期中得到的新信息,更新对结构未来性能退化的预测,进而得到更确切合理的可靠度分析和决策。基于这一思路,引入贝叶斯动态模型理论,设计模型结构,用于结构性能退化的预测。同时,根据结构性能退化的多阶段特点和目前工程实践可获取的结构检测信息的实际情况,提出状态指标的概念,用于描述结构性能退化。计算实例验证贝叶斯动态预测的优越性及信息更新对结构性能退化预测和寿命评估的影响,同时说明状态指标具有简便实用的特点。

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。

基于分类样本和贝叶斯动态预测的异常入侵检测

在大规模网络环境中,入侵检测系统得到的警报数据具有一定的规律。据此提出了一种基于警报事件强度的异常检测方法,采用分类样本空间和贝叶斯动态预测方法,解决了警报数据的时间效应问题。实验数据分析表明,该方法对于大规模入侵行为具有较好的检测效果。

基于动态贝叶斯网络的光伏发电短期概率预测

采用确定性的预测方法对光伏发电量进行预测,在光伏出力波动较大时误差较大,且无法展示预测时刻可能出现的所有情况及其出现的概率。针对确定性预测方法的不足,提出一种条件概率预测方法,应用动态贝叶斯网络(dynamic Bayesian network,DBN)理论,建立光伏发电预测的DBN模型。该模型考虑影响光伏发电量的多种因素,及各因素之间的相互联系,基于当前时刻各影响因素水平的条件下,预测未来短期光伏发电量的概率分布。该分布能够给出比较全面的光伏发电信息,为调度人员提供运行指导。最后采用实际系统进行分析,结合多种验证指标对预测结果进行评估,结果表明,所提方法是正确合理的,能够较好地预测短期内未来时刻光伏发电量的概率分布。