基于贝叶斯模型平均的2003–2015年青海三江源地区地表蒸散发数据集

蒸散发(Evapotranspiration,ET)是陆地水、碳和能量交换的重要组成部分。基于不同模型和不同遥感数据估算的ET,存在不同程度的不确定性。贝叶斯模型平均(Bayesian model averaging,BMA)提供了降低不确定性的一种途径。本研究采用中国三江源地区水热通量观测数据,以ARTS、PT-JPL、MOD16和SSEBop遥感蒸散发产品为基础,进行了BMA集成研究,生成了三江源地区2003–2015年250 m空间分辨率的年均地表蒸散发数据集。通过验证各输入模型和BMA集成模型结果,发现基于BMA的ET与通量观测数据相关性达0.94,能够解释观测数据季节变化的89%,优于单个模型的性能。说明BMA模型集成能够整合不同模型内在优势,降低结果估算的不确定性,从而获得更可靠的估算结果。本数据集可为三江源区域水热变化研究和生态系统调节功能评估提供更精确的数据支持。

应用贝叶斯模型平均法建立东北云冷杉针阔混交林蓄积生长模型

根据金沟岭林场198块固定样地数据,分别使用逐步回归方法和贝叶斯模型平均法建立东北云冷杉针阔混交林蓄积量生长模型,分析林分蓄积生长与林分因子、气候因子的关系,并比较两种方法的预测效果。结果表明:贝叶斯模型平均法建模时将多个模型组合进行加权建模,减少了冗余变量,建立的模型较逐步回归更为准确;海拔、林分断面积、林分密度、林分平均胸径、低于0℃积温、低于18℃积温、参考蒸发量是影响林分蓄积生长的主要因素;逐步回归的决定系数(R^(2))为0.95,均方根误差(R_(MSE))为17.53;贝叶斯模型平均法的决定系数(R^(2))也为0.95,均方根误差(R_(MSE))为37.51。

海洋环境因子对澳洲鲐亲体补充量关系的影响——基于贝叶斯模型平均法的研究

澳洲鲐(Scomber australasicus)是西北太平洋重要的中上层经济鱼类,生命周期相对较短,资源量受补充量影响明显,了解澳洲鲐太平洋群系补充量状况对掌握其资源量及确保其可持续利用具有重要的意义。本文利用产卵场1(30°～32°N,130°～132°E)海表面温度(sea surface temperature,SST1)、产卵场2(34°～35°N,138°～141°E)海表面温度(SST2)、索饵场(35°～45°N,140°～160°E)海表面温度(SST3)、潮位差(tidal range,TR)、太平洋年代际涛动(Pacific decadal oscillation,PDO)和亲体量(spawning stock biomass,SSB)6个影响因子任意组合与补充量构建多个模型,运用贝叶斯模型平均法(Bayesian model averaging,BMA)分析各个环境因子对资源补充量的解释能力,并预测其补充量的变化。结果表明,SSB对补充量具有最长期且稳定的解释能力,其次是SST3,PDO、TR、SST2、SST1也对补充量模型具有一定的解释能力。SST3是环境因子中影响最大的因子,可能是由于补充群体在索饵场内生活时间较长,索饵场温度对仔鱼或鱼卵的生长存活有较大的影响。研究认为,基于BMA的组合预报综合考虑了各个模型的优势,优于单一模型,可用于澳洲鲐资源补充量的预测。

商业银行贷款利率决定因素研究——基于贝叶斯模型平均法

近年来,我国利率市场化改革加快推进,存贷款利率管制有序放开,商业银行贷款利率定价的自主权进一步扩大。本文选取了M_2增速、银行间债券7天回购利率、商业银行成本收入比、商业银行净息差、流动性比例、资本利润率、企业资产负债率、CPI增速、GDP增速、居民储蓄率等10个解释变量,运用贝叶斯模型平均方法建立模型,探讨了各解释变量对商业银行贷款利率的解释力和影响程度。本文的实证研究结果支持了传统的定性分析,显示了商业银行经营目标设定、自身管理水平以及央行货币政策对于贷款利率的影响作用。此外,本文结合实证结论,对央行和银行业监管机构如何有效引导商业银行适当降低贷款利率,逐步解决企业"融资难、融资贵"的问题提出了政策建议。

基于贝叶斯模型平均法构建杉木林分蓄积量生长模型

[目的]探究杉木林分蓄积量变化的影响因素,为在气候变化背景下科学经营管理杉木人工林提供理论支撑。[方法]以福建邵武卫闽林场的杉木(Cunninghamia lanceolata)人工密度试验林为研究对象,分别利用贝叶斯模型平均法(BMA)和逐步回归法(SR)构建杉木林分蓄积量与林分变量因子(包括初植密度、每公顷胸高断面积、每公顷株数、平方平均胸径、林分优势高、年龄)和气候因子(包括年均气温、最热月平均温度、最冷月平均温度、年均降水量、年均湿热指数、低于0℃天数、夏季平均最高温度、冬季平均最低温度、春季平均气温)的关系模型。[结果]杉木林分蓄积量随着每公顷胸高断面积、平方平均胸径、林分优势高、年龄、夏季平均最高温、春季平均温和低于0℃天数的增加而增加,对于诸多的影响因子,SR法所确定的模型并不在BMA选出的后验概率较高的前5个模型中,模型表现出一定的不确定性,从模型后验概率角度看,SR模型精度较低。[结论]杉木林分蓄积量受到林分变量因子和气候因子的显著影响。相比于SR法,在构建杉木林分蓄积量模型方面,BMA方法考虑了模型的不确定性,模型表现更好。

基于贝叶斯模型平均法的森林火灾预测模型构建研究--以云南省大理州为例

【目的】本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持。【方法】利用2000-2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析。二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合。贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模。将全样本数据随机分成80%的训练样本和20%的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率。【结果】通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718。通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807。2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3%;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9%。【结论】在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理。

基于贝叶斯模型平均法和逐步回归法构建杉木单木胸径生长模型

【目的】探索杉木人工林单木胸径生长量变化的驱动因子,比较不同驱动因子的重要性,构建不确定性单木胸径生长模型,为杉木经营管理者科学经营管理杉木人工林提供参考。【方法】以福建省邵武市卫闽林场杉木密度试验林为研究对象,采用贝叶斯模型平均法(BMA)和逐步回归法(SR)分析杉木单木胸径生长量与内部因子(林分变量因子)和气候因子的关系,构建杉木单木胸径生长模型。【结果】杉木单木胸径年均生长量受气候因子影响较小,主要受竞争因子和单木大小因子影响。单木胸径生长量随林分密度、林分平方平均胸径、大于对象木的断面积和、年龄、冬季平均最低温度增加而减小,随期初胸径、胸高断面积、优势木平均高、最冷月平均温度、最热月平均温度、年均降雨量增加而增加。基于SR获得模型的后验概率小于BMA获得最佳模型(最高后验概率)或SR模型不在BMA模型空间前几个后验概率高的模型中。【结论】杉木单木胸径生长量随竞争增加而减小,随温度和降雨增加而增加。贝叶斯模型平均法考虑所有可能变量的组合,能够反映出模型的不确定性。

贝叶斯模型平均法对男女5年代谢综合征患病风险的预测效能

目的观察贝叶斯模型平均（BMA-MSP）法在男女5年代谢综合征（Met S）的患病风险预测中的效能。方法1 565例无Met S的健康体检者,其中男1 020例、女545例,选择12个体检指标,包括基于Met S的传统诊断标准选取BMI、收缩压（SBP）、舒张压（DBP）、空腹血糖（FBG）、甘油三酯（TGL）、高密度脂蛋白（HDL-C）,其他与Met S相关体检指标血红蛋白（Hb）、红细胞比容（HCT）、白细胞计数（WBC）、淋巴细胞计数（LC）、中性粒细胞计数（NGC）、年龄。分别采用BMA-MSP法、向后逐步回归法预测1 565例患者5年代谢综合征的患病风险,ROC曲线分析BMA-MSP法、向后逐步回归法对5年代谢综合征患病风险的预测效能。结果 BMA-MSP法得出的女性纳入者5年Met S患病风险的影响因素结果为,BMI、DBP、FBG对Met S具有极强的效应（后验概率〉99%）,其余9项指标具有极弱效应（后验概率〈50%）。向后逐步选择回归法结果可见BMI对Met S具有极强的效应（P〈0.001）;其余11项指标具有极弱效应（P均〈0.05）。BMA-MSP法得出的男性纳入者5年Met S患病风险的影响因素结果为,可见BMI、SBP、FBG对Met S具有极强的效应（后验概率〉99%）,NGC对Met S具有正的效应（75%〈后验概率〈95%）,TG具有弱效应（50%〈后验概率〈75%）,其他体检指标具极弱效应（后验概率〈50%）。向后逐步选择回归法结果可见BMI、SBP、FBG对Met S具有极强的效应（P〈0.001）。BMA-MSP法及向后逐步选择回归法对女性纳入者的5年Met S患病风险预测的ROC曲线下面积（AUC）分别为87.24%（95%CI：0.799 3~0.945 6）、83.4%（95%CI：0.749 5~0.918 5）,二者比较,P〈0.05;约登指数分别为64%、59%,对应的最佳灵敏度分别为80.7%、83.7%,特异度分别为83.4%、74.7%。BMA-MSP法及向后逐步选择回归法对男性纳入者的5年Met S患病风险预测的ROC曲线AUC分别为82.46%（95%CI：0.787 9~0.861 3）、81.42%（95%CI：0.776 7~0.851 8）,二者比较,P〈0.05;约登指数分别为52%、48%,对应的最佳灵敏度分别为70.8%、60.2%,特异度分别为81.1%、87.4%。结论与向后逐步选择回归法相比,BMA-MSP法对男女5年Met S的患病风险具有更好的预测效能。

基于贝叶斯模型加权平均方法的水文模型不确定性分析

贝叶斯模型加权平均(BMA)方法是通过综合几个模型预报值的后验分布来推断预报量的更可靠概率分布分析工具。它不仅能提供一个综合的预报值,还能提供一个综合的预报区间。本文采用3个水文模型,统一用SCE-UA算法率定参数,得到3组不同的预报值用于BMA方法的综合,着重分析比较BMA和单个模型的预报不确定性区间,来检验贝叶斯模型加权平均方法是否能提高预报的可靠性。结果表明,BMA方法不仅能提高预报精度,还能推求出性质更为优良的预报区间,提高预报的可靠性。

一种新的模型平均法:基于贝叶斯模型概率分析

本文提出了一种新的模型平均法,其权重的计算方式是将传统方法的权重与贝叶斯方法的模型概率相结合。先用模拟数据验证了该方法的有效性,再用Fama-French三因子的数据进行实证,结果显示该模型平均法可进一步提升模型的预测精度。

基于气候因子的川中柏木人工林直径分布预测模型

构建含气候因子的柏木人工林径级分布模型,分析林分直径分布的规律性及其对气候变化的响应,为气候变化下人工林经营决策提供科学依据。利用川中柏木人工林样地调查数据,应用极大似然法估计Weibull分布参数,采用贝叶斯模型平均法(BMA)构建柏木人工林径级分布模型,并以此模拟气候变化对直径分布的影响。结果表明,极大似然法均较好地估计柏木人工林的直径分布;基于BMA构建包含坡度、腐殖质层厚度、年龄、每公顷株数、林分断面积、最热月平均温和年降水量的径级分布模型,五折交叉验证得到的参数b的平均绝对偏差、决定系数和均方根误差分别为0.78、0.78、0.92,参数c分别为0.26、0.67、0.32,预测精度较好;随着最热月平均温和年降水量的增加,直径分布逐渐右移。采用BMA构建的径级分布模型具有较好的精度,且最热月平均温度和年降水量的增加会促进林分生长。

基于贝叶斯模型平均的全球洪水中长期预报评估研究

筛选全球5839个水文站逐日径流数据,采用超阈值采样法提取洪水发生频率及时间,将各季节最大日流量作为季节洪水量级,以优选的多个大尺度气候因子的最佳前置月份序列作为潜在预报因子,基于贝叶斯模型平均法构建全球尺度洪水中长期预报模型,并利用均方误差技术指数(MSESS)评价模型的预报效果。结果表明:全球范围内,洪水量级和频率模拟预报效果合格(0.6>MSESS>0.2)的水文站点占比分别为48%和28%;利用前置季节气候因子数据,驱动所构建的洪水中长期预报模型,有效预报了2020年鄱阳湖流域洪水量级将异常偏高。

基于贝叶斯方法的积极资产组合决策模型研究

利用贝叶斯模型平均法提高预测准确性,并在权重设计中考虑预测准确性,以改进积极资产组合决策模型。在中国市场条件下对决策模型进行检验,结果显示:基于该模型构造的积极组合在任何市场条件下都能够获得超越基准组合的收益;在决策模型中考虑超额收益预测准确性是必要的,提高超额收益预测的准确性有利于提高组合超额收益,同时降低组合积极风险;在允许卖空的市场条件下决策模型依然成立,组合超额收益水平未发生显著变化,但积极风险加大。在考虑交易成本的情况下,超额收益仍然存在。

基于单一和集合土壤转换函数模型对土壤含水量的模拟性能分析

以海河流域3个实验场地(密云站、大兴站、馆陶站)为研究区,采用7种常用的单一土壤转换函数(soil pedotransfer function,PTF)模型预测土壤水力参数作为HYDRUS-1D的模型参数,求解Richards方程获得土壤含水量,并与实测土壤含水量进行比较,评价了常用单一PTF模型预测的土壤水力参数对土壤含水量的模拟性能。此外,采用3种方法构建集合PTF模型,评价了集合PTF模型对土壤含水量的模拟性能。结果表明:基于van Genuchten方程构建的单一PTF作为模型参数模拟土壤含水量的均方根误差最小;而其中Rosetta3模型表现更优。在集合PTF模型中,基于贝叶斯平均法构建的模型表现最好。集合PTF模型预测土壤水力参数可以较好地捕捉多个单一PTF预测土壤水力参数的整体趋势,弥补单一PTF在某些情况下模拟误差较大的不足。

贝叶斯多模型分析方法的对比研究

多模型分析能够考虑模型本身存在的不确定性,在决策分析和风险评估中具有越来越重要的作用。对具有严谨统计分析理论基础的贝叶斯模型平均法和极大似然贝叶斯多模型平均法做了详细介绍,并改进了传统极大似然贝叶斯多模型平均法不能考虑参数不确定性的不足,使极大似然贝叶斯多模型平均法对贝叶斯模型平均法近似得更为准确。地质统计多模型对地层渗透系数的预测分析结果表明,2种多模型分析方法在参数空间确定、模型后验权重和渗透系数预测方面都具有很好的一致性。极大似然贝叶斯多模型平均法能和水文学现有的参数估计方法很好结合,且计算量小。

基于贝叶斯模型平均法的分布式水文模型集合模拟

基于分布式水文模型的研究现状,分析了分布式水文模型不确定性的影响,以暴雨洪水管理模型(SWMM)为例,介绍了过程集合运用于分布式水文模型以提高模型模拟可靠度的方法,并利用这一方法模拟深圳市龙岗区的两场降雨过程。结果表明,采用纳什效率系数(NS)衡量模型的模拟结果准确度时,选择不同的产流模型会有较大差异,在2018年8月11日场次降雨中,采用Horton模型、Green-Ampt模型、基于贝叶斯模型平均法的集合模拟时NS值分别为0.849、0.834、0.855;在2018年8月15日场次降雨中,采用上述3种模拟方法时NS值分别为0.875、0.879、0.891。集合模拟结果明显优于单一模型,集合模拟结果与实测值的“契合程度”较单一模型有明显提升。

BIC与MCMC基准剂量估计模型的比较研究

目的比较BIC估计法与MCMC近似法两种后验概率法在贝叶斯基准剂量估计中的稳健性,并为山西省洪洞县儿童羟基代谢物可接受剂量的制定提供参考建议。方法首先介绍基于BIC估计法和MCMC近似法计算后验权重的原理,模拟研究选用Integrated Risk Information System数据库中不同剂量-反应数据集共30个,分析比较两种方法的优劣,并在实例研究中采用权重法进行数据整合。结果模拟研究结果显示在所研究的30个数据集中BIC估计法在BMR为0.01时有4个数据集出现BMDL预测失败的情况,在BMR为0.001时有1个数据集出现BMD预测失败的情况,以及6个数据集出现BMDL预测失败的情况。MCMC近似法计算的BMD/BMDL在每一种模型都有70%以上的数据集高于BIC估计法得到的BMD/BMDL。实例分析表明符合洪洞县儿童体内羟基代谢物剂量-反应关系的模型有linear(P=0.13,β=14.3%)、logistic(P=0.06,β=9.5%)、Weibull(P=0.14,β=10.6%)、multistage(P=0.15,β=31.1%)、Hill(P=0.21,β=34.6%)。在BMR为0.001的情况下,洪洞县儿童体内八种羟基代谢物(2-OHN、1-OHN、9-OHF、2-OHF、2-OHphe、1-OHphe、1-OHBaP、3-OHBaP)的可接受剂量(μmol/mol)依次为0.577μmol/mol、1.546μmol/mol、8.135μmol/mol、0.359μmol/mol、0.120μmol/mol、0.098μmol/mol、0.044μmol/mol、0.003μmol/mol。结论MCMC近似法在BMD估计中具有较好的稳定性和鲁棒性。

清江流域降水的多模式BMA概率预报试验

基于TIGGE资料中的ECMWF、UKMO、JMA、CMA四套模式的2016年6月1至7月31日逐日降水集合预报资料,结合清江流域10个国家基准站观测数据,建立了流域贝叶斯模型平均(BMA)概率预报模型,开展流域多模式集合BMA技术的概率预报试验与评估。结果表明,在清江流域多模式集合的BMA模型最佳滑动训练期长度为40 d,BMA模型预报比原始集合预报有更高预报技巧,比四个原始集合预报MAE平均值减少近11%左右,而对于CRPS除了CMA中心无订正效果外,较其他三个模式平均值提高近15%左右。多模式集合BMA技术能预报降水全概率PDF曲线和大于某个降水量级的概率,同时能给出确定性降水预报,对于极端强降水(大暴雨一特大暴雨量级),BMA 75~90百分位数预报效果较好,对于强降水(暴雨量级),BMA 50~75百分位数预报效果较好,对于一般性降水(小雨一大雨量级),BMA确定性预报结果或50百分位数预报效果较好。

半湿润流域水文模型比较与集合预报

选择7种水文模型分别在中国北部3个半湿润流域做模拟对比,分析不同水文模型在各流域的适用性,并使用贝叶斯模型平均法对不同模型集合,比较各种集合方法的优势,研究贝叶斯模型平均法的应用效果.研究结果表明,以蓄满产流模式为主的模型在半湿润流域应用效果较好,针对不同流域特点对传统模型进行改进可以提高模拟精度.贝叶斯模型平均法能提供较好的确定性预报结果和概率预报结果,仅对少数模拟效果好的模型进行集合,并不能有效提高预报精度,适当增加参与集合的模型数量能使贝叶斯模型平均法更好地综合各模型优势,提高预报结果的精度.

基于校准窗口集成与耦合市场特征的可解释双层日前电价预测

随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在工程应用中可信度偏低。针对上述问题,该文提出一种考虑校准窗口集成与耦合市场特征的可解释双层日前电价预测框架。内层框架为基于改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMDAN)的择优预测,首先分解原始电价序列,然后应用Lasso估计回归(lassoestimated autoregressive,LEAR)、长期和短期时间序列网络(long-term and short-term time-series networks,LSTNet)、卷积神经网络-长短记忆神经网络(convolutionalneuralnetworks-longshort termmemory,CNN-LSTM)、移动平均(autoregressive integrated moving average,ARIMA)和核极限学习机(kernel extreme learning machines,KELM)模型预测子序列并选择最优预测算法。外层框架为基于贝叶斯模型平均(bayes modelaveraging,BMA)的校准窗口集成预测,针对每个不同校准窗口长度数据集下的预测分配权重并集成得到预测电价。最后,通过可解释方法沙普利加性解释模型(shapley additiveexplanations,SHAP)分析耦合市场特征如何影响预测电价。该文通过北欧电力市场数据集的算例分析证明了所提算法的优越性和校准窗口集成方案的有效性。