基于实测数据的半潜式平台贝叶斯模型修正方法研究

随着半潜式平台的长期海上服役,平台的基本设计参数会发生变化,如仍基于原始设计参数对平台进行分析将影响结果的准确性。本文以半潜式平台服役中易发生变化的基本参数(平台排水量、重心高度和三个自由度回转半径)作为修正参数,以平台横摇、纵摇和垂荡自由度的方差和波频功率谱密度构建目标函数,建立可依据实测数据的半潜式平台贝叶斯参数修正方法。以我国某半潜式平台实测数据为例,开展平台的参数修正研究,并基于修正后的参数对平台多年一遇环境荷载下的响应进行对比评估。

基于贝叶斯分层模型的液化侧移稳健的易损性分析方法

提出了一种基于贝叶斯分层模型的液化侧移稳健的易损性分析方法。采用贝叶斯分层模型量化不同增量动力分析(IDA)曲线间的差异,结合抽样方法预测潜在侧移的分布,建立液化侧移稳健的易损性曲线和超越概率曲线。以一处实际发生过液化侧移的场地为例,展示了稳健的易损性曲线及超越概率曲线的建立方法,并与相关方法进行比较。结果表明,所提出的方法可以较好地模拟IDA曲线的分布,较为准确地量化易损性曲线和超越概率曲线的不确定性。

融合贝叶斯优化的轨面缺陷检测模型压缩方法

针对钢轨表面缺陷检测模型人工调参繁琐且模型容量大的问题,提出一种融合贝叶斯优化的轨面缺陷检测模型压缩方法。首先,利用贝叶斯优化算法得到平衡模型稀疏性与精度的最优超参数;其次,将所得超参数引入稀疏训练并在侧重压缩比和精度的两种策略下对检测模型进行压缩,最后,通过知识蒸馏矫正压缩模型的参数从而补偿稀疏训练导致的精度损失。实验结果显示,该方法在两种稀疏训练策略下得到的轻量化轨面检测模型压缩率可达到96.35%和93.22%,且在硬件部署后的检测速度提升超过两倍,能够避免人工调参对压缩精度的负面影响。

化零为整的宏观社会数据生成:基于潜变量模型和动态贝叶斯方法

对因果机制和对宏观检验的探寻催生了定量社会学研究对区群层面数据的需求,然而这类高质量的追踪数据资源相对稀缺。传统研究通常通过综合多个来源的个体社会调查数据来构建面板数据集以改善宏观数据匮乏现状,但其亦受制于社会调查在时间和空间分布上的稀疏性以及不同调查间的差异性。本文引介了一种可用于生成区群层面跨时空面板数据的动态贝叶斯潜变量建模框架,并通过应用实例展示了该方法的具体应用过程,比较了动态贝叶斯方法相较于几种常用的缺失值插补方法的优势。本文的示例结果表明,动态贝叶斯潜变量模型在跨时空、多维度的信息整合和参数不确定性探索方面具有重要的优势,可以实现对调查数据缺失年份或地区的估计和插补,大大缓解了社会学研究中面板数据不足的问题。

基于秩自适应贝叶斯张量分解模型的交通流量数据修复方法

针对传输线路故障、通信故障等原因造成智能交通系统在某时刻或时段无法识别到车辆,导致数据缺失的问题,提出一种基于秩自适应贝叶斯张量分解模型的交通流量数据修复方法.首先,考虑交通数据的时空相关性,基于张量模型构建数据结构.其次,使用贝叶斯模型在张量分解的参数和超参数上设置灵活的先验和超先验分布,构建秩自适应算法解决张量分解模型的秩选择问题.最后,采用长沙市车辆牌照识别(License Plate Recognition,LPR)系统记录的2019年7月1日至2019年7月28日793个交叉路口的交通流量数据,检验在不同的张量数据结构、丢失方式、丢失率以及张量分解秩的情况下该模型的数据修复精度.研究结果表明:秩自适应算法能够捕捉张量分解最佳秩的大小,避免预设秩过大导致的过拟合现象;与传统的CP分解(CANDECOMP/PARAFAC decomposition)和均值法相比,本文所提算法的平均绝对百分比误差在丢失率达到30%的情况下降低了20%,有效提升了交通流量数据修复的准确性.研究成果可为交通流量预测、交通出行时空特征分析中的数据修复提供参考.

基于比例优势模型的贝叶斯判别分析方法

提出一种基于比例优势模型的贝叶斯判别分析方法,结合比例优势模型和贝叶斯统计的优点,可用于有序多分类问题的建模和预测,该方法具有很强的实用性.统计模拟表明,改进后的判别方法与传统判别方法在总体数据符合正态分布时二者判别能力相当,否则提出的新方法能够更好地判别不同的数据特征.同时运用新方法分析真实的数据集,证明该方法在分类预测中的有效性和优越性.

基于贝叶斯校准的空调负荷模型参数在线辨识方法

在我国达到“碳达峰、碳中和”目标的进程中,电力系统需求响应技术尤为重要。室内空调负荷因其调节潜力大、控制成本低而被视为重要的需求响应资源。等效热参数模型作为建筑热动力学过程的简化模型,通过模拟电阻和电容的多阶电路,广泛应用于室内空调负荷的研究和控制。然而,传统等效热参数模型参数辨识方法未能充分考虑模型固有误差和观测误差。因此,本文提出了一种基于贝叶斯算法的参数辨识方法。该方法从概率视角出发,结合系统的先验知识,对模型参数进行量化和调整,以降低不确定性。首先根据特定建筑特征抽象出等效热参数模型,然后运用贝叶斯算法对模型参数进行辨识。实验结果表明,该方法不仅提高了模型参数的可信度,还使得其需求响应性能更为准确和可靠。此外,辨识得到的等效热参数模型被应用于需求响应能力置信区间和能力曲线的构建,为智能电网的建设提供了有效的技术支持。

基于贝叶斯决策的电池模型参数辨识方法

为实现储能电池模组(battery module,BM)等效电路模型参数估计精度和复杂度的平衡,考虑BM内单体电池内阻、容量等参数的不一致,结合串/并联电路基本特性,提出一种基于贝叶斯决策理论的BM等效电路模型辨识方法,通过引入贝叶斯信息准则估计最优模型参数。采用简化建模法、整体建模法和组合建模法在MATLAB/Simulink中搭建两并联两串联的BM等效电路模型,在恒流放电和动态应力测试工况中进行仿真与验证,结果表明,基于三阶RC、多项式函数拟合项数为3的组合建模法具有较高精度,在动态应力测试工况中模型误差不超过1.97%,验证了所提BM模型参数辨识方法的有效性和准确性,为解决多类型储能高精度等效电路模型问题提供有效方法。

基于BISQ模型的储层物性参数贝叶斯反演方法

对于物性参数反演这类存在多解性的问题,常见的方法往往难以高效、高精度地获得最优解。因此,根据贝叶斯统计学,采用高斯先验模型引入测井数据约束,并发展储层物性参数贝叶斯反演方法,以克服反演的多解性。其次,在BISQ理论和等效流体理论的基础上建立了岩石物理正演模型,该模型反映了孔隙介质中固体和流体的多种物理作用,可精细地刻画储层中地震波的传播过程,进而提升反演结果的可靠性。此外,由于确定性优化算法通常只有局部收敛能力,无法收敛到反演问题的全局最优解,所以引入具有全局收敛能力的杂交遗传算法,以提高反演方法的精度和效率。最终,利用所提反演方法预测中国东部A油田目标区域的孔隙度和含水饱和度,获得了较好效果。

基于模糊贝叶斯网络的引水隧洞安全评价模型分析

为准确预测黄河引水隧洞安全隐患,提出基于模糊集理论和主观贝叶斯方法的模糊贝叶斯安全评价模型。结合实际巡检数据,模型使用贝叶斯网络处理模糊信息与不确定信息,将巡检数据中给出的多态性故障事件模糊化;再通过贝叶斯网络的条件概率表找出不同故障事件之间的逻辑关系;最后获得对引水隧洞安全模型的整体评价。通过开展引水隧洞安全评价模型实例分析,验证了该方法的可行性。

基于贝叶斯模型的共享单车可用性分析

共享单车的运营管理对于减少碳排放、实现城市交通的可持续发展具有重要意义。在共享单车系统中,每天都有一小部分的单车无法使用。目前共享单车维护管理的可用性信息收集复杂。尽管GPS、物联网、云计算等现代技术为共享单车系统提供了丰富的信息环境,但共享单车自身的故障和维护信息仍然缺乏,没有可靠的在线信息表明共享单车的可用性。本文在对用户出行数据进行分析时,发现存在短时间内用户频繁退租共享单车的现象,这种现象可能隐含着共享单车可用性的信息。因此,本文提出了一个贝叶斯模型,根据用户出行的租赁交易数据,提取退租数据,引入站点属性和用户退租共享单车的时间信息,构建带有协变量的贝叶斯扩展模型。利用在线交易数据估计站点中共享单车的不可用概率以及不可用自行车的数量。本文基于呼和浩特市共享单车系统数据库的真实数据验证该方法的有效性。

基于Kriging模型的多次尝试差分进化贝叶斯有限元模型修正

标准差分进化自适应Metropolis(differential evolution adaptive Metropolis,DREAM)算法需进行多条马氏链并行计算,存在收敛效率低和计算成本高的问题。为此,提出一种基于Kriging模型的多次尝试差分进化贝叶斯有限元模型修正(multiple-try differential evolution adaptive Metropolis with“ZS”,MT-DREAM(ZS))框架。该框架在DREAM的基础上引入历史向量差分采样、斯诺克更新以及多次尝试Metropolis抽样,并利用Kriging模型代替有限元模型进行随机抽样,实现利用极少数并行链便可快速探索多维修正参数后验分布。利用固结钢板梁模型试验,比较了DREAM和MT-DREAM(ZS)的修正效果。结果表明:MT-DREAM(ZS)可实现马尔科夫链的快速收敛,其收敛效率较DREAM提升了3.42倍,且修正结果精度和稳定性有提升;Kriging模型可大幅度降低计算成本。所提框架为解决多参数不确定模型修正中的收敛效率低和计算成本高等问题提供了一种新思路。

贝叶斯Logistic回归模型在中老年人心脏病影响因素分析中的应用

目的探讨贝叶斯Logistic回归模型在心脏病影响因素分析研究中的应用价值。方法数据资料来自2015年中国健康与养老追踪调查中的525例调查对象。利用OpenBUGS软件分别拟合了贝叶斯随机效应和固定效应的Logistic回归模型,并在两种模型中估计各影响因素与因变量关系的优势比(OR)及95%可信区间(95%CI)。结果贝叶斯随机效应和固定效应的Logistic回归模型分析结果均显示,性别、高血压和糖尿病是心脏病患病率的影响因素。两个模型的收敛效果均较好,参数估计结果也相差较小,但随机效应模型的拟合效果略差于固定效应模型(随机效应模型:DIC=156.6,pD=11.96;固定效应模型:DIC=155.8,pD=7.79)。结论在贝叶斯Logistic回归模型中引入随机效应参数需根据具体情况而定,否则反而可能会降低模型的拟合效果。

基于力学机理的贝叶斯动态线性岩质边坡变形预测模型研究

考虑岩质边坡变形的力学机理,将边坡变形分解为弹塑性损伤变形、粘弹性变形、周期波动及观测误差等分量,以Bayesian动态线性模型理论为基础,建立了基于力学机理的边坡变形动态演化预测模型。模型以边坡岩体力学参数为系统控制变量,应用Bayesian推断,通过观测数据及相关信息,估计其动态演化规律,并以此预测边坡变形。通过对某水电站边坡位移监测数据分析表明:监测点处边坡变形主要为弹塑性损伤蠕变,监测初期,岩体迅速损伤,变形15天后进入加速蠕变阶段,与现场巡查结果一致。

灰色-贝叶斯模型在地下托换沉降预测中的应用

在既有建筑物地下托换施工过程中,不均匀沉降可能会对上部结构造成严重损害。为此,本文基于MATLAB软件建立了灰色-贝叶斯预测模型,通过贝叶斯法对灰色GM(1,1)模型进行了优化。该模型用于预测地下托换引起的沉降情况,并结合了灰色模型的优点,如适用于小样本数据、无须假设数据分布规律等,以及贝叶斯模型的优点,如可利用已有数据不断更新预测结果,提高预测准确性。本文应用该模型对实际案例中地下托换施工引起的沉降进行了预测,并发现该模型能够较准确地预测沉降情况,并能够不断更新预测结果以适应新的数据。本文的研究成果为相关领域提供了一种新的组合预测模型,并为MATLAB在地下托换沉降预测方面的应用提供了借鉴和参考。

基于知识图谱与加权贝叶斯机制的刑侦推断模型

随着信息化和数字化的高速发展,各类人工智能方法在现代公共安全领域得到充分应用,其中知识图谱以其强大的知识表征能力和数学建模能力,大大提高了智能决策的可解释性,成为领域内研究和应用的热点.一直以来,基于贝叶斯机制的推断模型是公安情报与刑侦分析的重要手段.本文将公安知识图谱引入传统贝叶斯模型,在充分考虑参数耦合性的基础上,对后验概率进行加权更新,有效提高了推断的准确性.本文回避敏感的真实数据,以《红楼梦》中“绣春囊”一案为例完成实证分析,科学地揭秘了经典悬案的真相.本文提出的基于知识图谱的自适应加权方案有效提高了贝叶斯模型的效率,是人工智能助力智慧公安的一种有益尝试.

基于SWMM-贝叶斯耦合方法的排水管网污染溯源

为解决雨水管道中未经处理的污水直接排放造成的一系列水污染问题和排水管网环境复杂性导致的反问题不确定性问题,基于暴雨洪水管理模型(SWMM)模拟的排水管网水质变化,采用MatSWMM工具箱构建了基于贝叶斯-马尔可夫链蒙特卡罗法的SWMM-贝叶斯溯源模型,估算每个潜在污染源的位置、排放量和排放时间的概率分布。实例验证结果表明:在推理单污染源单个未知参数的情况下,SWMM-贝叶斯溯源模型可准确判断未知参数的真实值;当单污染源3个参数均未知时,由于存在多种组合性,溯源准确度将显著降低,只能判断出近似范围,但可以通过增加适当的水质监测点,提高SWMM-贝叶斯溯源模型的准确性和效率;对于最大污染源为2个的情况,SWMM-贝叶斯溯源模型容易陷于局部最优解,通过利用似然函数对迭代过程的初始值进行择优处理的方法改进溯源模型,可以有效解决局部最优解的问题。

基于贝叶斯网络数学模型的无线网络安全风险检测方法

无线网络安全风险检测方法使用通用漏洞评分系统(Common Vulnerability Scoring System,CVSS)标度,确定网络潜在漏洞风险源,易受漏洞逻辑关系限制,导致网络安全风险检测性能较差。因此,提出基于贝叶斯网络数学模型的无线网络安全风险检测方法。以贝叶斯分类器为核心,构建网络安全风险检测贝叶斯网络数学模型,设计无线网络安全风险检测算法,实现无线网络安全风险检测。实验结果表明,利用该方法可以检测不同的安全风险漏洞。

基于贝叶斯反馈修正云模型的虚拟电厂运营风险综合评价方法

研究了虚拟电厂运营风险综合评价体系,为虚拟电厂建设运营提供支撑与指导。首先以运行风险、经济风险、安全风险和管理风险为一级指标构建了虚拟电厂风险综合评价指标库,为虚拟电厂安全可靠运行评价提供了支撑。其次提出了虚拟电厂风险综合评价模型,选用有序加权平均(ordered weighted average,OWA)—改进的层次分析法(analytic hierarchy process,AHP)对指标进行赋权,进而通过基于贝叶斯反馈修正的云模型评价方法得出各级指标的评价分数,用以评价虚拟电厂的风险程度,为虚拟电厂运行改进与优化提供判断依据。最后选取某虚拟电厂进行算例分析验证了所提基于贝叶斯改进云模型的虚拟电厂风险评价指标体系的有效性及优越性。

基于贝叶斯推理的包装件动力学模型优化选择研究

目的在多种类型的模型中挑选出最优包装件模型,并实现参数识别的方法。方法文中将包装件模型构建为参数不确定模型,在贝叶斯推理的框架下,采用马尔可夫链蒙特卡洛法识别模型参数,采用偏差信息准则(DIC)计算各备选模型的DIC参数,选择出最优包装件模型。结果在振动实验台用质量块-缓冲材料模拟包装件并进行随机振动测试,分析结果表明,Bouc-Wen(n=2)模型为文中包装系统的最佳模型。结论文中提出的基于贝叶斯推理的包装件模型优化选择和参数识别方法考虑了模型不确定性,构建的模型可准确预测包装件在随机振动下加速度响应的时域信号。