耦合敏感性分析与两阶段马尔科夫链蒙特卡洛算法的地下水污染溯源辨识

为高精度地开展地下水污染溯源辨识,在对污染源参数进行敏感性分析的基础上,研究应用两阶段马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法辨识确定污染源参数;同时,探索应用多层感知机(Multi-layer Perceptron,MLP)方法构建地下水污染运移数值模型的代理模型,用以提高地下水污染溯源辨识的效率。为验证上述方法的有效性和可行性,开展了两个数值算例研究。结果表明:采用MLP方法构建的代理模型对地下水污染运移数值模型的逼近精度高,不仅能够有效提升地下水污染溯源辨识效率,还能保持良好的计算精度;所提出的耦合敏感性分析与两阶段MCMC算法能够显著提升低敏感性污染源参数的辨识精度。

海平面上升对黄浦江1000年一遇高潮位影响研究——基于马尔科夫链蒙特卡罗法

为了研究海平面上升对黄浦江1000年一遇高潮位的影响,以吴淞站为代表,采用马尔科夫链蒙特卡洛法预测模拟了500组吴淞站未来30年年最高潮位序列,在序列生成过程中逐年考虑海平面上升的影响,根据生成的序列对其影响进行计算分析。结果显示,采用马尔科夫链蒙特卡洛法预测的多组吴淞站30年后1000年一遇高潮位符合P-Ⅲ分布;海平面上升能显著改变预测1000年一遇高潮位的频率分布,主要为增加较高高潮位出现的概率,降低较低高潮位出现的概率,整体上提升分布的均值。总体上,海平面上升引起吴淞站未来30年6.6 m以上1000年一遇高潮位出现的概率增加14%,1000年一遇高潮位均值抬升约4 cm。

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。

基于马尔科夫链蒙特卡罗模拟的金融极值风险测度

2015年底,中央经济工作经济会议首次在金融领域提出了去杠杆的要求。2017年一行三会展开了对金融领域快速去杠杆的工作,影子银行与股票市场首当其冲。影子银行概念最早由美国华尔街基金经理提出,美国学术界很多观点认为次贷危机中美国影子银行与美国股市的极值风险都很显著。在新常态之前,中国的影子银行高速增长,货币超发与资金脱实向虚显著。国内学术界对中国的影子银行与股票市场的关系也进行了一定的探索,但并没有通过建模研究二者的极值风险。本文基于马尔科夫链蒙特卡罗模拟比较了两个金融时间序列的极值风险,结果发现A股市场的极值风险大于影子银行,并提出相关建议。

马尔科夫链蒙特卡罗方法浅析

介绍了马尔科夫链蒙特卡罗方法的基本过程,该方法试图直接从复杂的分布中获取模拟的样本。在当前机器学习算法中具有广泛的应用。

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。

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。

MCMC算法在数值模拟中的应用

MCMC算法是一种基于随机采样的统计计算方法,通过构建马尔可夫链,从而实现对复杂系统的抽样和模拟文章基于蒙特卡洛马尔可夫链的相关原理,重点分析蒙特卡洛马尔可夫链在数值模拟中的应用首先,介绍了MCMC算法及相关算法的原理,包括蒙特卡洛方法的原理和三种常用的采样方法—直接采样、接受拒绝采样和重要性采样、马尔可夫链的原理和平稳状态、MCMC算法的原理及两种经典的采样算法—Metropolis Hastings算法和Gibbs采样;其次,着重研究MCMC算法的应用,包括蒙特卡洛方法在拟合参数、求解不规则面积以及接受拒绝采样的应用,马尔可夫链在租车还车问题中的应用以及使用MCMC算法估计回归系数的应用;最后,文章指出MCMC算法的改进方向,促进MCMC算法更广泛的应用。

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。

基于马尔科夫机制转换的中国黄金期货价格波动研究

针对中国黄金期货市场波动的结构变化特征,运用MRS-ARCH模型对其波动率进行建模,同时运用马尔科夫蒙特卡罗算法来克服极大似然估计法对模型参数估计时所存在的局限,并运用损失函数等方法对波动率模型拟合性能进行评价.实证结果表明:中国黄金期货市场的波动率存在显著的聚集性和时变性,但不具有非对称性;黄金期货市场存在波动性结构突变,呈现出显著的高、低两波动状态;低波动状态持续时间长于高波动,并且低波动状态的平均收益率高于高波动状态.

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.

一种基于改进MCMC算法的模型修正方法

标准马尔可夫链蒙特卡罗(MCMC)算法不易收敛、拒绝率高,使其应用受到限制。在贝叶斯方法中引入最大熵值法来估计参数的后验概率密度函数最大值,进而将布谷鸟算法中新鸟巢更新的思想融入Metropolis-Hasting(MH)抽样算法得到改进的MH抽样算法,同时使用支持向量机(SVM)建立待修正参数与有限元模型输出之间的代理模型,以提高模型修正的计算效率。分别使用三自由度线性系统和平面桁架模型来验证本文方法的有效性,结果表明:修正后样本的马尔可夫链混合性能好,停滞概率低,修正后参数相对误差均小于2%。

Volterra积分方程的蒙特卡罗数值求解方法

本文讨论了第一类、第二类以及具有奇异核的Volterra积分方程的数值解问题.利用重要抽样蒙特卡罗随机模拟方法获得积分方程解的近似计算结果.通过对文献中算例的实现表明文中所提方法扩展了Volterra型积分方程的数值求解方法,

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。

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MCMC的无线传感器网络目标定位算法

为解决基于时延和多普勒频率的无线传感器网络运动目标定位问题,提出一种基于马尔科夫链-蒙特卡罗(Markov-chain Monte-Carlo,MCMC)的直接定位算法。基于最大似然准则从各传感器节点接收信号模型中推导目标位置和速度估计的优化函数;针对该优化函数难以得到闭式解的问题,将优化函数转化为马尔科夫链的稳态分布,利用MCMC方法对目标位置和速度参数分布进行抽样,得到目标位置和速度参数的样本,通过统计样本均值得到目标位置和速度的估计值。实例仿真计算结果表明,该算法比现有算法具有更高的定位精度、稳健性和计算效率,在一般信噪比条件下,性能逼近克拉美罗界。