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。

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。

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。

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。

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。

基于MS-ARCH模型马尔可夫链蒙特卡罗模拟方法的我国房地产价格波动特征实证分析

文章在检验房地产价格增长率序列结构变化特征的基础上,通过构建MS(3)-ARCH(1)模型分析我国房地产价格增长率的波动特征。实证结果表明,我国房地产价格增长率波动存在明显的三区制特征,在房地产价格增长率低位徘徊阶段,房价增长率的波动性最弱,在房地产价格增长率快速下降阶段,房地产价格增长率的波动性居中,在房地产价格增长率急速上升阶段,房地产价格增长率的波动性最强。我国房价增长率序列处于中波动状态的平均持续期最长,处于高波动状态的平均持续期最短。

马尔可夫链蒙特卡罗方法在保险定价中的应用

预测最终损失是保险定价中最重要的组成部分,而马尔可夫链蒙特卡罗方法(MCMC方法)在这方面拥有独特的优势。通过建立模型进行实证,为利用马尔可夫链蒙特卡罗方法进行保险定价提供了思路。

大型电力系统可靠性评估中的马尔可夫链蒙特卡洛方法

提出大型电力系统可靠性评估的一种新的蒙特卡洛模拟方法—马尔可夫链蒙特卡洛方法(Markov chain Monte Carlo,MCMC)。MCMC方法是一种特殊的蒙特卡洛方法,它将随机过程中的马尔可夫过程引入到蒙特卡洛模拟中,实现动态蒙特卡洛模拟。该方法通过重复抽样,建立一个平稳分布与系统概率分布相同的马尔可夫链,从而得到系统的状态样本。由于MCMC方法考虑了系统各个状态间的相互影响,相比于随机采样的蒙特卡洛方法所得到的独立样本序列,更准确模拟了电力系统运行实际情况。IEEE-RTS 24节点算例表明,该算法可快速收敛,节省计算时间,提高计算速度。同时,由于每条马尔可夫链均收敛于同一个分布,即所谓平稳分布,所以算法具有良好的稳定性。对西北330 kV电网的可靠性评估再次表明了该方法的正确性和有效性以及该方法用于大型电力系统的可靠性评估的优越性和潜力。

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。

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。

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。

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.

计算维修不独立马尔可夫系统瞬态不可用度的六种蒙特卡罗方法

在马尔可夫可维修系统状态转移积分模型的基础上 ,给出了维修不独立马尔可夫系统瞬态不可用度的六种估计量 ,结合状态转移时间偏倚抽样技术 ,给出了计算维修不独立马尔可夫系统瞬态不可用度的六种蒙特卡罗方法。用两个实际算例考察了各种计算方法的效率随系统运行时间的变化。给出了各种算法适用范围的结论。

基于Hamiltonian马氏链蒙特卡罗方法的突变运动跟踪

在计算机视觉领域,由镜头切换、目标动力学突变、低帧率视频等引起的突变运动存在极大的不确定性,使得突变运动跟踪成为该领域的挑战性课题.以贝叶斯滤波框架为基础,提出一种基于有序超松弛Hamiltonian马氏链蒙特卡罗方法的突变运动跟踪算法.该算法将Hamiltonian动力学融入MCMC(Markov chain Monte Carlo)算法,目标状态被扩张为原始目标状态变量与一个动量项的组合.在提议阶段,为抑制由Gibbs采样带来的随机游动行为,提出采用有序超松弛迭代方法来抽取目标动量项.同时,提出自适应步长的Hamiltonian动力学实现方法,在跟踪过程中自适应地调整步长,以减少模拟误差.提出的跟踪算法可以避免传统的基于随机游动的MCMC跟踪算法所存在的局部最优问题,提高了跟踪的准确性而不需要额外的计算时间.实验结果表明,该算法在处理多种类型的突变运动时表现出出色的处理能力.

浅议马尔可夫链蒙特卡罗在实践中的应用

本文概括地介绍了马尔可夫链蒙特卡罗(Markov chain Monte Carlo——MCMC),一种随机模拟贝叶斯推断的方法。主要的抽样方法包括吉布斯采样(Gibbs Sampling)和Metropolis-Hastings算法。本文也对MCMC主题和应用的拓展进行了讨论。

基于马尔科夫链蒙特卡洛方法的光伏电站可靠性评估

为了对大型光伏电站进行可靠性评估,首先建立了光伏电站各主要元件的可靠性评估模型,然后定义了光伏电站可靠性评价指标体系,最后采用马尔科夫链蒙特卡洛(MCMC)方法对光伏电站可靠性进行了评估。在光伏阵列建模过程中,以误差作为限制条件采用向后场景削减技术对其状态进行了削减和划分,在保证一定精度的同时简化了抽样过程。通过对某大型光伏电站可靠性评估算例,对比分析了MCMC方法和蒙特卡洛(MC)法的指标计算结果、收敛速度和稳定性,结果验证了该方法的评估结果与MC方法结果一致,在相同的收敛条件下所需抽样次数更少,速度更快。