基于马尔可夫蒙特卡罗算法的孤岛模式混合储能微网下垂平坦控制方法

孤岛状况是造成混合储能微网下垂的主要因素,为使混合储能微网正常运行,提出基于马尔可夫蒙特卡罗算法的孤岛模式混合储能微网下垂平坦控制方法。使用马尔可夫蒙特卡罗算法对缺失光伏数据进行填补。依据填补后的微网光伏数据计算微网自身荷电状态,并依据该荷电状态数值建立混合储能微网超级电容和蓄电池功率控制模型,实现孤岛模式混合储能微网下垂平坦控制。结果表明:所提方法填补光伏数据时的效率高于0.99,具备良好的下垂平坦控制能力。采用所提方法可对孤岛模式混合储能微网下垂进行良好控制,可有效保证混合储能微网的平稳运行,具有一定应用价值。

X射线体元蒙特卡罗算法计划统计不确定度对直肠癌容积旋转调强放射治疗计划的影响

目的:研究Monaco放射治疗计划系统X射线体元蒙特卡罗(XVMC)算法中计划统计不确定度(SUpC)对直肠癌容积旋转调强放射治疗(VMAT)计划优化与剂量计算的影响。方法:回顾性选取2018年1-12月广西医科大学第一附属医院收治的10例直肠癌患者放射治疗资料,在Monaco放射治疗计划系统中采用XVMC算法,分别设置SUpC为0.25、0.50、0.75、1.00、1.25和1.50,设计6种VMAT计划(SUpC_(0.25)、SUpC_(0.50)、SUpC_(0.75)、SUpC_(1.00)、SUpC_(1.25)和SUpC_(1.50))进行优化和计算,比较6种不同VMAT计划中靶区最大剂量(D_(max))、平均剂量(D_(mean))、均匀性(HI)和适形度(CI)的差异,以及危及器官(OAR)的膀胱、小肠、股骨头和正常组织剂量差异,分析SUpC值对VMAT计划的控制点SUpC(SUpCP)、损失值loss、历史密度(HD)、优化计算时间(Time)、子野数(Segment)、机器跳数(MU)、出束时间(DT)等参数的影响。结果:随着SUpC增大,与SUpCP_(0.25)相比,其余5种计划靶区D_(max)、D_(mean)及HI分别增大,CI分别降低,差异有统计学意义(F=45.62、13.83、24.94、15.79,P<0.05),OAR膀胱的D_(max)、D_(mean)和正常组织的D_(max)、50 Gy剂量体积百分比(V_(50))分别增大,差异具有统计学意义(F=26.54、0.87、45.52、7.05,P<0.05)。与SUpCP_(0.25)相比,其余5种计划优化计算时间Time随SUpC增大分别减少,差异具有统计学意义(F=329.69,P<0.05)。SUpC≤1时,靶区D_(max)相比于SUpC_(0.25)时剂量偏差≤3%;SUpC≥1时,优化计算时间<10 min。结论:随着SUpC值增大,高剂量区域的D_(max)增多,靶区剂量被高估,靶区HI和CI变差,加速优化计算效率。针对Monaco计划系统进行直肠癌VMAT计划设计时推荐使用SUpC值为1,可以在保证计划质量最好的情况下有效提高直肠癌VMAT计划的优化效率,为直肠癌VMAT临床计划设计提供理论依据。

基于蒙特卡罗算法的海上目标搜索研究

海上目标搜索是指使用各种技术和设备在海洋中寻找、追踪、识别和定位特定的目标,由于海洋环境的复杂性,一般难以精确预测。为此,本文通过分析搜索目标的受力特征,基于蒙特卡罗算法,模拟出多种可能的情景和轨迹,提高对搜索区域预测的准确性。

基于辅助变量马尔可夫链蒙特卡罗方法的RBM学习算法

文章给出了一种训练受限玻尔兹曼机(RBM)的有效方法。提出基于辅助变量的马尔可夫链蒙特卡罗方法(MCMC),利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率,进而得到混合率更高的Gibbs链,从而使其更好地逼近对数似然梯度。最后,通过数据实验给出辅助变量MCMC的抽样效果和RBM模型在数据集下的对数似然,证实基于辅助变量的MCMC方法在学习RBM方面有良好效果。

基于马尔可夫链蒙特卡罗采样的双密钥盲水印算法

为了更好地提高水印算法的安全性,提出了一种基于两种形式密钥的强鲁棒盲水印算法。首先对水印加密,然后将每块载体的第一个奇异值组成矩阵Q再分块离散小波变换(DWT)获得四个子带,通过对四个子带进行马尔可夫链蒙特卡罗(MCMC)采样决定第k个水印位量化嵌入到矩阵Q的第k块低频、水平、垂直和高频子带中的一个并记录当前嵌入子带的密钥位,这样做不仅使水印位随机分配,而且提高了水印算法的安全性。实验结果表明,所提算法在满足不可见性的条件下,不仅对常规的图像攻击具备较强的鲁棒性,而且在水印嵌入过程中通过MCMC采样实现了用不同的密钥嵌入,提高了水印算法的安全性。

基于马尔可夫链蒙特卡罗算法的无线电定位

为实现在多媒体舞台剧中真实空间的目标与多媒体背景的虚拟空间元素间的互动,进行无线电测向定位建模,利用马尔可夫链蒙特卡罗算法进行仿真.实际应用表明,该方法可通过驱动多媒体舞台背景的虚拟场景元素的位置和形态的变化,实现真实空间与虚拟空间的互动.

基于多输入多输出-正交频分复用系统的动态马尔可夫链蒙特卡罗检测算法

在多输入多输出-正交频分复用系统中,基于马尔可夫链蒙特卡罗方法的贝叶斯多用户检测算法可以有效地抑制多径衰落、载波频偏以及相位噪声干扰,但因收敛速度较慢导致实时性较差.针对这一问题,提出一种动态马尔可夫链蒙特卡罗检测算法.该算法利用系统状态样本间的相关性和所设定的收敛阈值门限,实现动态选取系统状态采样值的迭代收敛区间,以求在确保算法检测性能的同时,进一步提高检测估计运算的实时性.仿真结果表明,该算法具有收敛速度快、误码率低等优点.

结合源偏倚和权窗的蒙特卡罗全局减方差方法

全局计数问题在反应堆pin-by-pin模型蒙特卡罗模拟和多物理耦合计算中动态粒子输运蒙特卡罗模拟等重大研究领域中都有广泛的应用场景.大量的全局减方差算法研究立足于全局计数误差分布的展平,由此提高全局计数的整体效率.本工作针对两种高效全局减方差算法,即均匀计数密度算法(属于源偏倚算法的一种)和权窗算法的结合展开研究,提出利用均匀计数密度算法的偏倚因子调整权窗下限,由此实现两种算法的有机结合.基于Hoogenboom-Martin压水堆全堆基准题中开展了一系列对比测试,验证了混合全局减方差算法更优于单一权窗算法或均匀计数密度算法,尤其是在降低最大误差方面.同时,基于新的指标,验证了均匀计数密度算法较经典的均匀裂变源算法具有更好的表现.研究结果表明,本文提出的混合全局减方差算法能高效求解全局计数问题,进一步促进了相关领域的研究.

基于马尔可夫链蒙特卡罗方法的电力系统暂态稳定概率评估

研究了一种电力系统暂态稳定概率评估方法,提出了利用马尔可夫链蒙特卡罗方法模拟负荷水平,考虑随机序列之间的相关性;模拟过程中,提出以故障信息作为输入特征、基于AdaBoost-DT的暂态稳定评估方法。新英格兰39节点测试系统的仿真表明,本文提出的马尔可夫链蒙特卡罗方法比传统的蒙特卡罗方法更快速收敛,同时AdaBoost-DT大幅减少仿真时间,且能有效预测暂态稳定性。

结构物理参数识别的贝叶斯估计马尔可夫蒙特卡罗方法

从结构动力特征方程出发,以结构主模态参数为观测量,推得结构物理参数线性回归模型。对该模型应用贝叶斯估计理论得到物理参数后验联合分布,再结合马尔可夫蒙特卡罗抽样方法给出各个物理参数的边缘概率分布和最优估计值,而提出了基于结构主模态参数的结构物理参数识别贝叶斯估计马尔可夫蒙特卡罗方法。对五层剪切型结构的数值研究表明,此方法能够利用少数主模态参数给出结构质量和刚度参数的概率分布和最优识别值,而且在主模态参数较准确时识别误差很小。

基于马尔可夫蒙特卡罗子集模拟的可靠性灵敏度分析方法

在小失效概率可靠性分析子集模拟法的基础上,提出基于马尔可夫蒙特卡罗(Markov Chain MonteCarlo,MCMC)子集模拟的可靠性灵敏度分析方法。在子集模拟的可靠性分析中,通过引入合理的中间失效事件将概率空间划分为一系列的子集,从而将小的失效概率表达为一系列易于模拟求解的较大条件失效概率乘积的形式,然后利用MCMC抽取条件样本点来估计条件失效概率。基于MCMC子集模拟的可靠性灵敏度分析,是将失效概率对基本变量分布参数的偏导数转化成条件失效概率对基本随机变量分布参数的偏导数。给出了偏导数通过MCMC模拟的条件样本点进行估计的原理和步骤,推导得出可靠性灵敏度分析的计算公式。利用简单数值算例和工程算例验证所提方法,算例结果表明:基于MCMC子集模拟的可靠性灵敏度分析方法有较高的计算效率和精度,对于高度非线性极限状态方程问题亦有很强的适应性。

马尔可夫跳变系统的蒙特卡罗仿真

针对跳变系统理论研究中缺少有效的仿真方法,提出了一种适用于跳变系统的蒙特卡罗法。跳变系统蒙特卡罗仿真的关键是马尔可夫链的仿真实现,研究了两种生成马尔可夫链的方法,即利用MATLAB函数randsrc和基于unifrnd函数产生均匀分布的随机数,提出了根据转移概率矩阵P对随机数设置不同的阈值来形成马尔可夫链的算法。根据仿真的结果对转移概率进行了验证,该方法概念清晰,简单易行,可用于切换系统等一般随机系统的研究。

马尔可夫链蒙特卡罗容积粒子滤波器

针对非线性、非高斯系统状态估计问题,提出了一种基于重要密度函数的改进粒子滤波器—马尔可夫链蒙特卡罗容积粒子滤波器。在状态转移概率的基础之上综合考虑了当前的量测信息,利用容积卡尔曼滤波对每个采样粒子进行估计,使得重要密度函数更加贴近于真实后验;同时为避免粒子贫乏,在重采样后加入马尔可夫链蒙特卡罗步骤。理论分析和实验仿真表明:马尔可夫链蒙特卡罗容积粒子滤波器的性能要优于容积粒子滤波器以及其他参照滤波器。

基于马尔可夫链蒙特卡罗的实时可靠性预测方法研究

针对一般的非线性性能退化轨道模型中误差项方差未知的情况,研究基于贝叶斯方法的实时性能退化可靠性预测问题。为了处理未知的误差项方差,引入相应的标准差的无信息先验分布,并进一步结合退化轨道模型中随机参数的先验分布,利用马尔可夫链蒙特卡罗方法得到随机参数及误差项标准差的联合后验分布的采样值,进而实时预测产品在未来一段时间内的可靠度。基于疲劳裂纹增长数据的数值仿真实验表明,该方法可以有效地预测到产品可靠性的下降,从而可以为预测维护提供依据。

基于马尔可夫链蒙特卡罗方法的统计过程调整技术研究

建立了统计过程调整问题模型,研究了基于马尔可夫链蒙特卡罗方法的统计过程调整技术,并通过吉布斯抽样实现了偏移量的参数估计。在参数未知及参数已知的条件下,通过与其他方法的实例对比研究,验证了该方法的可行性及性能优势,并对参数未知条件下基于该方法的统计过程调整技术进行了改进。

基于马尔可夫链蒙特卡罗方法的双边多议题协商模型

为了提高自动化双边多议题协商的成效,提出了建立贝叶斯后验模型,以协商历史数据为训练样本,学习对手的协商偏好,依据对手偏好制定双赢的协商反建议,进而提高协商成效。假设空间是复杂的多维连续函数,借助马尔可夫链蒙特卡罗方法对其进行抽样,提高了极大后验的计算速度。实验数据表明,新型协商模型能够提高协商效率,减少协商回合数,并提高协商总体效用。

缺失数据处理的期望-极大化算法与马尔可夫蒙特卡洛方法

缺失数据普遍存在于心理学研究中,影响着统计推断。极大似然估计(MLE)与基于贝叶斯的多重借补(MI)是处理缺失数据的两类重要方法。期望-极大化算法(EM)是寻求MLE的一种强有力的方法。马尔可夫蒙特卡洛方法(MCMC)可以相对简易地实现MI,而且可以适用于复杂情况下的缺失数据处理。结合研究的需要讨论了实现这两类方法的适用软件。

基于蒙特卡罗法优化GRU神经网络的热电联产负荷预测

负荷预测是热电联产系统提高能源利用率及优化调度的前提,预测精度在很大程度上影响系统运行的可靠性及热电厂经费开销。随着热电联产机组的大范围使用,单一的负荷预测很难精准反映热电负荷之间的耦合特征,对热电联产系统的精确运行产生一定影响。提出一种优化GRU神经网络模型,将两个门控循环单元神经网络并联,通过相应的dropout层和全连接层处理后合并结果。同时,结合蒙特卡罗算法修正误差,提高预测模型精度。利用实际热电厂数据验证所提出预测模型的可行性。结果表明:本文提出的模型可以充分学习热电负荷之间的耦合特征,提高负荷预测精度。

马尔可夫链蒙特卡罗模拟在储层反演中的应用

马尔可夫链蒙特卡罗(MCMC)方法是一种基于全局最优化技术进行地质统计学求解的方法。综合考虑地震数据、测井数据、岩性数据,对波阻抗、岩性概率分布的马尔科夫链进行蒙特卡罗模拟,从初始模拟结果出发,利用MCMC算法,模拟出多个波阻抗曲线,通过合成地震记录与实际地震记录剖面相关性,确定合理的储层参数,反演出空间上的波阻抗体及岩性体。最重要的质控手段是抽井检验,以保证模型的稳定性。MCMC方法在大芦湖油田樊18-3区块沙三中、沙三下亚段浊积砂体储层预测中取得了良好的效果。

马尔可夫链—蒙特卡罗方法与人口学研究

本文概略介绍了用于粒子物理学研究的马尔可夫链-蒙特卡罗方法(MCMC)移植到人口学这个复杂系统研究的思想和方法,同时还介绍了马尔可夫链-蒙特卡罗方法在人口学应用中的重要工具和手段,如随机数、人口分布函数、人口样本的随机抽样和用马尔可夫链-蒙特卡罗方法进行人口仿真研究的简略过程及标题式介绍了用此方法做过的一些工作。