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。

基于马尔科夫链-蒙特卡洛法的债务抵押债券定价模拟

文章旨在通过马尔科夫链-蒙特卡洛法(MCMC)对债务抵押债券CDO进行定价模拟。以寻求CDO产品预期回收率与其预期违约率间的关系,并研究两者对债务抵押债券定价模拟的影响。研究发现,在CDO投资中,资产池中的个别资产违约,将会将违约信号和相应的信用损失传递给各个相关投资者。所以,理性控制CDO标的资产的违约风险,降低其违约概率是提升CDO资产定价的重要举措。

无线传感器网络中蒙特卡洛定位算法的研究

在无线传感器网络的节点定位领域,常用的以蒙特卡洛为基础的定位算法均存在定位误差大、采样效率低的问题。为了提高无线传感器网络中针对移动节点的采样效率和定位精确度,文中采用马尔科夫链进行抽样,提出了一种基于蒙特卡洛的改进算法。该算法在蒙特卡洛算法的基础上,结合马尔科夫链采集节点样本,随后对其进行过滤,再通过对得到的节点位置值进行加权计算,得到节点的准确位置。仿真实验结果表明,通过该算法得到的节点定位误差低于其他算法,提高了采样效率以及对移动节点的定位准确率。

基于贝叶斯理论及MCMC-MH算法推演地基土材料阻尼比的概率分布模型

浅层土壤的材料阻尼比参数分布可以通过多通道表面波(MASW)分析法提取的表面波衰减曲线来反演识别,但是衰减曲线对于较大深度和小空间尺度土壤性质的变化不敏感,反演的土壤材料阻尼比分布是非唯一的和不确定的。基于该研究建立了土体材料阻尼比随深度变化的先验概率分布模型,利用Nataf变换和Karhunen-Loeve将其分解为标准高斯变量与特征值及特征向量的乘积和;随后依据贝叶斯理论,以TLM-PML模型结合频率波数域-半功率带宽法对衰减曲线进行正演,并与试验数据联合构建似然函数,使用蒙特卡洛马尔科夫链(MCMC)-Metropolis(MH)算法得到土体材料阻尼比的后验概率分布模型;对马尔科夫链的收敛性和独立性进行检验获得了多组相互独立的后验样本数据;用独立的后验样本计算出自由场振动响应,利用核密度估计得到具有一定置信度的置信区间,并与试验数据进行比较,验证了该研究提出的土体阻尼比非确定性概率模型的合理性和可靠性。

基于GA-MCMC的粒子滤波图像恢复算法

针对粒子滤波的退化和贫化问题,提出一种GA-MCMC粒子滤波图像恢复算法.该算法引入遗传算法(GA)全局寻优和粒子总数多样性的特性,结合马尔可夫链蒙特卡罗方法(MCMC)的收敛性,将交叉、变异和选择操作融入到粒子滤波图像恢复中,提高了粒子滤波的鲁棒性、精确性和灵活性.实验结果表明,该算法能减少贫化和退化问题,且在对具有混合噪声的真实图像恢复效果方面显示了其优越性.

MIMO系统中低复杂度的MCMC迭代检测算法

针对多输入多输出(MIMO)系统中现行的马尔科夫链蒙特卡洛(MCMC)检测算法复杂度较高的问题,提出了一种SIC-MMSE算法辅助的MCMC检测算法,信号的预估计值和软信息均作为软输入软输出(SISO)检测器的输入,提高了吉布斯采样值的可信度,进而减少采样点数。仿真结果表明,同样的信噪比情况下,达到相同误码率时,与传统MCMC算法相比,改进MCMC算法的复杂度明显降低。

MIMO系统中MCMC检测算法的研究与改进

介绍了MIMO接收机模型,在分析LSD检测算法和MCMC检测算法基础上,提出了一种改进的MCMC检测算法.该算法通过在接收机中添加预判决模块,融合SIC-MMSE算法,有效利用信道译码器产生的软信息,辅助MIMO检测器中的吉布斯采样,减少了采样点数,降低了传统算法的复杂度.仿真结果显示,改进的MCMC算法性能上优于LSD算法,在相同的信噪比情况下降低了误码率,有一定的理论和实用意义.

基于拉丁超立方抽样的改进型多链DRAM算法求解地下水污染反问题

针对运用贝叶斯统计方法求解地下水污染反问题时,经典MCMC算法(Metropolis算法)求解结果受样本初始点影响且计算效率低的问题,提出了一种基于拉丁超立方抽样方法的改进型多链延迟拒绝自适应Metropolis算法(DRAM)。将贝叶斯统计方法与二维水质对流-扩散方程相耦合,建立地下水污染源识别模型。构建一个污染物在地下水含水层中瞬时排放的算例,分别运用Metropolis算法、多链Metropolis算法以及改进型多链DRAM算法对污染源信息(污染源强度、排放位置(x,y)和排放时长)进行反求。算例研究表明,Metropolis算法受样本初始点影响,容易出现反演结果局部最优或者反演结果难以收敛的问题;多链Metropolis算法虽然显著提高了反演结果的准确性,但是反演效率相对低下;改进型多链DRAM在保证反演准确性的条件下,可显著提高反演效率(相对于多链Metropolis算法提高68%),实现反演结果准确性与效率的双提高。

基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明:MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。

基于运动补偿和MCMC算法的视频目标跟踪

针对视频目标跟踪领域摄像头运动等问题,提出一种基于二次观测模型的马尔科夫链蒙特卡洛(MCMC)粒子滤波算法。第1次观测通过计算相邻2帧的光流场对运动模型实时修正使其逼近真实的运动方程,第2次观测MCMC粒子滤波步骤。二次观测模型利用图像中的光流信息进行运动补偿实现跟踪。时变的运动模型可以有效提高MCMC方法的效率,减少无效的粒子点数,使其能更快速地收敛到真实值。实验表明对MCMC进行运动补偿可以有效处理摄像头运动问题。

一种基于混合MCMC的时域波达方向估计算法

基于马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法的时域波达方向估计算法通过构造马尔科夫链的方式来对波达方向进行估计,但是现有的算法在马尔科夫链的收敛速度和结果上并没有表现出很好的鲁棒性。为了优化算法的性能,采用多(短)链并行的方式代替原来的长链生成方式,提高了算法收敛的稳定性;并对特定模型下的构造过程进行分析,优化了状态空间,提高了算法的搜索效率;同时结合多混合的MCMC方法,进一步提高了算法估计的精确度和收敛速度。仿真结果表明,改进后的算法对波达方向估计的准确性和实时性都有很大提升。

冷链温度在线计量的不确定度动态评定

温度测量过程具有时变性、随机性以及自相关性的特点,传统的不确定度评定方法并不适用。针对冷链温度在线计量的不确定度动态评定这一难点,提出一种结合马尔科夫链蒙特卡洛的数据融合贝叶斯估计方法。按历史数据设定先验分布,对当前样本数据应用最大似然估计方法获得似然函数,以先验分布和似然函数的联合概率密度函数为状态转移函数构造马氏链,并使用Metropolis-Hastings算法进行抽样,以抽样后的结果作为该次评定结果及下次评定的先验信息,实现信息的继承与更新。分别使用GUM法、传统贝叶斯不确定度评定方法和所提方法对冷库工况下温度测量数据进行评价。结果表明所提方法较传统贝叶斯方法改善了41.67%,且精准度更高、稳定性更好,有助于提高测量结果价值和实现动态不确定度评定。

基于SMC-PHDF的部分可分辨的群目标跟踪算法

提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter,SMC-PHDF)的部分可分辨的群目标跟踪算法.该算法可直接获得群而非个体的个数和状态估计.这里群的状态包括群的质心状态和形状.为了估计群的个数和状态,该算法利用高斯混合模型(Gaussian mixture models,GMM)拟合SMC-PHDF中经重采样后的粒子分布,这里混合模型的元素个数和参数分别对应于群的个数和状态.期望最大化(Expectation maximum,EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法分别被用于估计混合模型的参数.混合模型的元素个数可通过删除、合并及分裂算法得到.100次蒙特卡洛(Monte Carlo,MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标.相比EM算法,MCMC算法能够更好地提取群的个数和状态,但它的计算量要大于EM算法.

基于马蒙算法的反演及其在储集层预测中的应用

论述了基于马尔科夫链-蒙特卡洛算法反演的主要原理,重点阐述了该方法的3个关键环节,即测井资料均一化处理、地震子波提取及合成地震记录和构造建模约束马蒙算法反演。应用结果表明,该方法能够提高砂泥岩薄互层条件下砂体识别的准确程度,更丰富地显示断层两侧砂体发育的细节。同时该方法也有助于准确定位河道砂边界和明确主力砂体之间的接触关系,从而为后期剩余油挖潜和井网结构调整提供依据。

贝叶斯复合分位回归的Gibbs抽样算法（英文）

大多数基于传统均值回归的建模方法都对非正态误差表现出不稳健的估计结果.和传统均值回归相比,复合分位回归(CQR)可以产生稳健的估计.基于一个复合反对称Laplace分布(CALD),我们建立了加权复合分位回归(WCQR)的贝叶斯分层模型.Gibbs抽样算法被发展用于WCQR的后验推断.最后,我们提供了一些模拟研究和一个实际数据分析来验证所提方法.

基于局部采样MCMC方法的时移探地雷达反演

马尔科夫链蒙特卡洛方法(MCMC)是一种启发式的全局寻优算法,可以用来解决概率反演的问题.基于MCMC方法的反演不依赖于准确的初始模型,可以引入任意复杂的先验信息,通过对先验概率密度函数的采样来获得大量的后验概率分布样本,在寻找最优解的过程中可以跳出局部最优得到全局最优解.MCMC方法由于计算量巨大,应用难度较高,在地球物理反演中的应用尚处于起步阶段.作者将MCMC方法应用到时移探地雷达(GPR)反演中,并结合双差法对时移的目标区域进行准确反演.在双差法时移反演的过程中,作者对目标区域使用拓展的Metropolis算法进行局部采样,减小了计算量的同时,进一步提高了目标区域的反演精度.最后对合成的数据进行了反演测试,对目标区域的反演误差进行了分析,说明了基于局部采样的MCMC反演方法的有效性,目标区域反演结果特征明显,反演效果好.

基于非接触磁特性参数的埋地管道可靠度MCMC定量评价模型

针对在役埋地管道可靠度评价的难题,建立了基于非接触磁特性参数的埋地管道可靠度马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)定量评价模型。试验材料为L245N钢管试件,预制有不同尺寸缺陷,对不同内压下埋地管件进行非接触磁记忆检测,并定量研究试验中缺陷变量与所获非接触磁特性参数之间的相关性,试验表明磁特性参数ΔH(y)和k(x,y)可分别敏感地反映并表征缺陷深度d、缺陷长度L的变化规律,建立了不同压力下ΔH(y)-d和k(x,y)-L非线性回归函数,经优化修正后的最大误差分别为6.07%和8.79%。进一步结合Modified B31G评价标准,在蒙特卡洛(Monte Carlo,MC)法基础上,引入能够反映管道损伤动态时变性的马尔科夫链,建立了基于非接触磁特性参数的埋地管道可靠度(MCMC)定量评价模型。通过算法对比与现场试验,验证了模型的有效性,为在实际工程中、不开挖条件下对埋地管道进行可靠度定量评价,提供了一种新的方法。

基于改进粒子滤波算法的锂离子电池状态跟踪与剩余使用寿命预测方法

针对标准粒子滤波算法在锂离子电池剩余使用寿命预测方面出现的估计精度不高、算法不稳定及计算效率低等问题,该文提出一种改进粒子滤波算法的状态跟踪与剩余使用寿命预测估计方法。选取电池容量衰退经验物理模型为基础,通过贝叶斯理论对历史样本进行状态跟踪建模,优化训练算法辨识物理模型参数与重采样策略。采用状态跟踪训练优化后最新量测信息取代序贯重要性采样过程中未考虑观测噪声的量测信息,指导产生新的提议分布更新粒子重要性权值计算的方法来改善粒子退化现象,同时基于马尔科夫链-蒙特卡洛(MCMC)方法中的M-H(Metropolis-Hastings)抽样算法丰富采样粒子多样性,改良重采样策略来解决由其引起的粒子枯竭问题,并通过仿真揭示出不同跟踪集S和粒子数M等模型参数对预测结果的影响规律,继而构建实时更新提议分布、MCMC方法与粒子滤波算法优化融合的状态跟踪与剩余使用寿命预测模型——基于MCMC的更新改进粒子滤波融合算法模型。仿真实验结果表明,该文提出的改进算法具有状态跟踪拟合度好、预测精度高及计算效率性能优良等特点,并通过设计出不同类型电池容量和算法模型等多种组合方案的仿真,验证了改进算法较强的稳定鲁棒性、泛化适应性和通用有效性。

基于滑动窗口均值先验的非同构动态贝叶斯网络转换点检测算法

为了放宽动态贝叶斯网络中的同构假设,提出非同构贝叶斯网络.基于此种情况,文中提出结合先验知识的可逆跳转的马尔可夫链蒙特卡洛算法(APK-RJ-MCMC).算法基本假设为如果一个时间点左右窗口中数据均值间的欧氏距离越大,则这个时间点作为转换点的可能性越高.基于上述假设,可得到关于每个时间点作为转换点可能性的粗略估计,将其作为先验知识调控可逆跳转的马尔可夫蒙特卡洛采样技术(RJ-MCMC)采样转换点时的生成、消除、转换动作的提议概率之比,进而调节状态跳转时的接受概率.在人工数据集和基因数据集上的实验表明,相比其它算法,APK-RJ-MCMC在转换点检测上具有更高的检测后验概率.

基于混合高斯模型的配电网负荷伪量测权重优化算法

提出一种基于高斯混合模型(Gaussian mixture model,GMM)的配电网负荷量测权重优化算法,包括对GMM参数的优化和权重确定。首先采用引力搜索算法(gravitational search algorithm,GSA)对数据的最佳聚类个数进行判断,利用K-means算法获取数据的初始聚类中心、方差和混合权重;然后通过组合马尔科夫链蒙特卡洛期望最大化(Markov chain Monte Carlo-expectation maximum,MCMC-EM)算法对GMM的参数进行估计;最后根据优化的GMM,提出负荷伪量测权重优化方法,确定负荷伪量测的权重。以改进IEEE-12节点系统对所提方法进行验证,结果表明其合理、有效。