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.

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。

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。

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。

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。

基于克隆选择算法和马尔可夫链蒙特卡尔方法融合隐马尔可夫随机场的脑部核磁共振自动分割研究

针对脑部磁共振(MR)图像分割问题,提出了一种基于克隆选择算法(CSA)和隐马尔可夫随机场(HMRF)的融合方法。首先,采用马尔可夫链蒙特卡尔(MCMC)算法对类标签进行估计,进行体素分类;然后,对分割结果进行偏场校正;最后,利用CSA的统计学进行HMRF模型参数估计,并利用迭代优化算法获得最终的分割结果。由于MCMC和CSA都是全局优化技术,所以HMRF-CSA算法能够克服传统HMRF方法的局部收敛以及较低分割精度的缺点。在仿真脑部MR图像集BrainWeb上的实验结果表明,对于主要脑部结构,算法的分割精度高于其他几种算法;且对图像伪影具有鲁棒性。

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。

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。

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。

基于马尔可夫链-蒙特卡洛法的碳酸盐岩三维数字岩心模型重构

数字岩心技术起源于储层岩石微观孔隙结构建模研究,基于岩石的二维统计特征信息或三维扫描成像,是利用一系列图像处理算法或数学方法实现三维数字岩心的模型重构,并在此基础上进行岩心微观表征及物理特性分析的方法。目前常用的三维数字岩心数学建模方法分为随机法和过程法两大类,其中马尔可夫链蒙特卡洛法(MCMC法)是一种随机方法,其以计算速度快、适用范围广和可体现各向异性等优势被广泛使用。以碳酸盐岩为研究对象,利用MCMC法建立了不同图像尺寸的碳酸盐岩三维数字岩心,并对建模结果进行了分析。结果表明,由于MCMC法中选取用于计算转移概率的邻域模板的长度有限,重构结果受其图像尺寸影响较大;当图像尺寸较小时,重构三维数字岩心模型切面的孔隙度与原始二维图像切面的孔隙度符合度较高,建模结果较为理想;图像尺寸较大时,重构三维数字岩心模型切面的孔隙度与原始二维图像切面的孔隙度差异较大,建模效果不佳。因此,利用MCMC法重构三维数字岩心模型时,应选择合适的图像尺寸,尽可能建立最接近真实岩心的三维数字岩心模型。

基于马尔可夫链蒙特卡洛(MCMC)方法的GARCH模型实证研究

在对GARCH模型进行探究的基础上,分别对马尔可夫链蒙特卡洛方法中的Gibbs抽样和Metropolis-Hasting抽样进行了讨论,并使用蒙特卡洛方法对上证指数进行GARCH建模,最后,通过对所得模型数据结果的分析得出了结论,即我国的上证指数收益率序列具有显著的异方差特征,且收益率波动的大小与其自身过去的波动大小有非常明显的关系,因此说,我国的大盘指数也可以采用GARCH模型来进行拟合和解释。

马尔科夫链蒙特卡洛算法并行化设计与性能分析

马尔科夫链蒙特卡洛MCMC(Markov Chain Monte Carlo)算法广泛应用于地球系统模型中参数不确定性分析和模拟。由于地球环境科学数据的高维度、大容量特性,迫切需求高性能的MCMC算法满足应用需求。采用数据分治法实现该算法的多核并行化。利用静态和动态分配策略将算法中的多个输入链分配到各CPU;独立计算并通过共享内存实现进程间通信;主进程回收各单元计算结果,合成最终的马尔可夫链输出矩阵。采用控制变量法分析不同样本和马尔可夫链数量下的算法加速情况。结果表明在计算规模较大、动态负载均衡的条件下易于获得较好的加速比,在4个CPU以内时效果显著,之后随着CPU增加加速效果出现波动或趋于稳定。研究表明并行化MCMC能够利用多核CPU硬件设施获得加速效果,更多核数的加速性能存在进一步优化的空间。