基于非Gauss风载的高耸结构风振可靠性分析

基于风载非Gauss模型推导了Davenport谱下结构脉动风载的五阶统计矩表达。通过响应概率特征函数和Fourier变换,求得Gram-Charlier级数形式的振形位移和速度响应联合概率统计分布。利用Rice公式和Poisson假设,研究了不同风载模型对高耸结构风振可靠性分析结果的影响。算例分析表明:高耸结构风振可靠性分析需要采用风载非Gauss模型;模态位移和速度响应的联合概率统计分布在截断于五阶Hermite多项式时具有较好精度;可以引入模态位移与速度独立性假设以简化高耸结构风振可靠性分析,计算结果是偏于安全的。

高耸结构非Gauss风载响应分析

考虑风载中脉动风速平方项的影响,推导了非Gauss风载的前四阶矩函数;基于Fourier变换由风载谱密度求得结构风振响应的四阶中心矩,通过Gram-Charlier渐进展式来确定结构响应的一维概率密度分布;利用时域分析的相关函数检验了位移和速度响应相互独立性假设的合理性,进而构造出响应的联合概论密度,给出了一种非Gauss风载下分析高耸结构风振响应的方法;对Gauss和非Gauss风载模型下高耸结构风振响应及其动力可靠性受阻尼、地貌类别的影响进行了参数研究。

非Gauss分布随机波浪力对海洋平台的非线性作用

为避免求解决定Markov过程转移概率密度的Fokker-Planck方程,基于尺度分离的假设导出了一组描述非线性海洋平台受非Gauss分布随机波浪载荷作用所产生响应的矩量的常微分方程组。矩量方程清楚地反映出分别对应随机载荷和结构响应的两种不同统计特性的相互关系。由于矩量方程不依赖载荷的概率分布的具体细节,以它来模拟随机激励作用下的非线性系统将免于MonteCarlo方法所面临的正确模拟载荷概率分布的困难任务。将摄动法用于矩量方程可使线性化不再需要,这样就不会因为线性化而产生不可预料的误差。

Gauss白噪声与非Gauss白噪声

讨论了工程中经常遇到的两种随机过程,即Gauss过程和非Gauss过程,以及与此相关的两类随机积分,Ito积分与Stratonovich积分.对于Gauss过程Ito积分与Stratonovich积分之间存在着Wong-Zakai修正项;而对于非Gauss过程Ito积分与Stratonovich积分之间是否存在修正项,目前尚存争议.

非Gauss随机特性下的结构首次失效时间研究

提出了一个基于结构响应矩的解析方法,用来计算具有非Gauss特性结构的首次失效时间.在该方法中,首先采用其系数可通过结构反应矩(偏态系数和峰度系数等)计算的幂级数,将非Gauss结构反应变换为标准Gauss过程.然后,利用变换的标准Gauss过程计算原结构反应过程关于某临界界限的平均超越率、平均群超尺度和初始超越概率.最后,在修正超越率为独立的假定下,建立了首次超越时间的计算公式.Gauss过程激励下非线性单自由度振动系统的分析,不仅说明了该方法的应用过程,也通过与Monte Carlo模拟和传统Gauss模型方法的对比分析,证明了该方法的精确性和效率.

泛函积分方法与非Gauss随机散射通道模型中传递函数的概率分布计算

根据泛函积分方法研究随机散射通道模型中传递函数的概率分布,通过引入复空间上的散射振幅密度和非Gauss型分布函数,给出概率分布中特征函数的泛函积分表示,借助于散射振幅密度的Shift变换和微扰展开技术推导概率分布矩阵元的修正表达式.这些矩阵元对应的方差和协方差,可分别描述随机变量的涨落和关联效应.另外,当散射振幅密度的关联函数取为Dirac-δ函数形式时,并且振荡指数和外源作用系数确定后,计算修正矩阵元和相关系数的具体数值,讨论这些矩阵元的物理含义和变化趋势,还分析外源作用下随机变量的关联性质.结果表明修正矩阵元均呈振荡变化趋势,Gauss型和非Gauss型传递函数中随机变量可以具有不同的关联趋向,当衰减函数振荡变快时,那么传递函数中随机变量关联程度也将提高.

用Monte Carlo方法计算非Gauss噪声的重整流和效率

为提高分子马达的流与效率,用Monte Carlo方法研究了非Gauss噪声驱动的布朗粒子在闪烁棘轮势场中的流和效率。在无势情况下,粒子向两边对称地自由扩散,其分布密度函数偏离Gauss分布,存在一个长拖尾或大随机力分布被截断;当势恢复后,不对称的棘轮势将无规扩散整流成定向输运流。结果表明:棘轮势整流非Gauss噪声驱动的布朗马达,能获得比Gauss噪声情况大很多的流和效率;而且随着噪声参数的变化,流能发生反向现象。

玻色场中量子态的非Gauss性

在连续变量的量子信息理论中,玻色场中量子态的非Gauss性是一种重要的资源.近十年来,人们引进了多种基于距离和相对熵的非Gauss性度量,用来刻画非Gauss性的不同侧面.由于Gauss量子态的集合在辛变换所对应的酉操作下具有不变性,因此,我们希望非Gauss性的度量也具有这种辛变换下的不变性.基于Gauss态正好是一类量子不确定性关系的最小不确定性态,本文提出一个具有辛不变性的非Gauss性度量并揭示其基本性质.对玻色场中的一些重要量子态,本文计算其非Gauss性.

基于回归M-估计的核磁测井数据反演

翁爱华 ,李舟波 ,王雪秋 ,陆敬安 ,莫修文 .基于回归 M-估计的核磁测井数据反演 .石油地球物理勘探 ,2 0 0 2 ,37(3) :2 5 8～ 2 6 1 通过对核磁共振测井数据分析 ,发现数据误差可能不服从正态 Gauss分布 ,为此采用回归 M-估计 (RME)进行弛豫谱反演 ,克服常规正则化反演弛豫谱受非 Gauss分布数据误差的影响。回归 M-估计通过对较大的离群数据误差赋较小权 ,对较小的数据误差赋较大权 ,从而压制较大数据误差对总误差的影响 ,并通过迭代过程进一步克服非 Gauss分布数据误差对弛豫谱反演的影响。在核磁测井数据反演中 ,首先采用回归 M-估计求取经过初步修正的误差数据集 ,接着利用正则化方法对修正后的误差数据进行弛豫谱反演计算。实际观测数据计算表明 ,回归 M-估计和常规正则化反演方法结合 ,能提高弛豫谱估计精度和孔隙率计算效果。

基于广义线性模型的地表臭氧浓度的预测

近几十年来,随着城市规模的扩大及工商业的发展,城市光化学烟雾污染越来越严重。作为光化学烟雾的几种重要组分之一,臭氧是表征其严重程度和危害性的一个重要指标。由于高浓度臭氧对人体健康和生态系统的严重危害,如何高效、准确地提前预报高浓度臭氧成为了至关重要的问题。根据臭氧浓度分布的非Gauss特点,该文采用广义线性模型(generalized linear model,GLM)来对地表臭氧浓度进行预报。使用美国休斯顿及旧金山地区的监测数据分别建立了基于非Gauss分布假设的GLM模型。与普通线性模型的结果对比表明:广义线性模型不仅能够提高超标臭氧天数的正确预报率,同时也能降低高浓度臭氧的预报误差。

迭代无迹Kalman粒子滤波的建议分布

对非线性非Gauss系统,粒子滤波是一种有效的状态估计方法。粒子滤波的关键是建议分布的选择,好的建议分布会改进粒子贫化和样本耗尽等粒子滤波存在的普遍问题。该文用迭代无迹Kalman滤波产生粒子滤波的建议分布,提出了一种新的粒子滤波算法——迭代无迹Kalman粒子滤波。给出的建议分布将最新的观测融入样本过程并修正该过程,从而改进了滤波性能。数值模拟结果表明,提出的算法与常用的无迹粒子滤波、扩展Kalman粒子滤波相比,具有数值稳定、估计结果精确的优点。