基于Gaussian Copula-贝叶斯动态模型的桥梁构件时变可靠性分析

针对桥梁构件的各控制监测点之间存在失效非线性相关性的问题。首先考虑到非线性相关性对桥梁构件可靠性的影响,采用贝叶斯动态模型(BDMs),建立监测数据的动态预测模型;再结合Copula理论建立Gaussian Copula-BDMs,进而计算桥梁构件时变可靠性,同时与不考虑桥梁构件各控制监测点失效相关性得到的可靠性进行比较分析;最后通过算例验证所建模型与方法的合理性。本研究成果将为多元结构体系的可靠性分析提供参考。

考虑安全性的桥梁主梁体系可靠性动态藤Copula预测

为合理预测考虑安全性的在役桥梁主梁体系动态可靠性,利用危险监测点的动态极值应力信息,建立藤Copula技术与动态线性模型(DLM)贝叶斯递推过程相融合的贝叶斯动态藤Copula模型(BDVCM),并结合一次二阶矩(FOSM)方法,实现危险监测点失效时变非线性相关的在役桥梁主梁体系动态可靠性预测。采用某桥主梁5个截面的动态监测极值应力数据进行验证分析,研究表明,考虑安全性的监测点失效时变非线性相关的桥梁体系动态可靠性预测值较不考虑监测点失效相关性所得结果大,说明不考虑失效动态非线性相关性所得结果偏保守。

Copula相依结构下沪深股指波动及动态VaR计量

采用带三类不同噪音的ARMA-ARCH模型拟合沪深股指收益率分布,并通过随机模拟的方式进行拟合优度检验,结果显示,基于分形高斯噪音的ARMA-ARCH模型能够较好刻画沪深股指收益率波动的长相依性、厚尾性及波动性聚类特征。进一步通过两类不同Copula-ARMA-ARCH模型处理沪深股指相依性,并通过随机模拟进行拟合优度检验,模拟结果显示,基于分形高斯噪音的Student’st Copula-ARMA-ARCH模型能够较好刻画沪深股指收益率波动的VaR风险。

利用动态贝叶斯网构建基因调控网络的研究进展

构建基因调控网络是21世纪人类科学所面临的重要挑战之一。基因调控网络是一个基因组内基因相互作用而形成的关系网络,它从全基因组水平上以系统和全局的角度来研究复杂的生命现象及其本质。本文阐述了近几年来此领域的研究进展,着重介绍利用动态贝叶斯网络重构基因调控网络的若干模型,包括加权核l1模型,正则化模型、高斯混合贝叶斯网络模型和自回归时间变化模型。

应用高斯粒子滤波器的桥梁可靠性在线预测

为采用实时监测信息对桥梁结构构件的可靠性进行动态预测分析,应用健康监测系统的长期大量监测数据,建立了基于监测数据的动态模型(监测方程与状态方程),引入混合高斯粒子滤波器(MGPF),基于粒子滤波方法、贝叶斯方法以及动态模型,对监测信息状态变量的后验分布参数和监测值的一步向前预测分布参数进行预测分析.混合高斯粒子滤波方法通过重抽样技术,提高了动态模型的预测精度.基于实时监测信息可以不断修正抽样粒子的权重,进而解决粒子退化问题.最后基于实时预测的分布参数,结合一次二阶矩(FOSM)方法,对桥梁结构构件的可靠性进行在线动态预测分析.

粒子滤波及其改进算法的比较

针对非线性、非高斯问题,建立了动态状态空间模型,详细分析了贝叶斯滤波的原理。对于满足线性和高斯的状态空间模型,卡尔曼滤波性能是最优的。但是,真实世界的非线性、非高斯问题存在,使得人们不得不寻找一种更好的滤波方法。解决非线性滤波问题最普遍的方法就是扩展卡尔曼滤波。但扩展卡尔曼滤波只适合弱非线性系统,对于强非线性系统,容易导致滤波发散。因而介绍了适用于强非线性、无高斯约束的基于序列蒙特卡罗算法的粒子滤波波器及其改进算法规则化粒子滤波器。最后对上述几种滤波器进行了性能仿真及分析。

考虑适用性的大跨桥梁主梁动态可靠性融合预测

为合理预测考虑适用性的大跨桥梁主梁动态可靠性,利用主梁控制监测点的动态极值挠度信息,建立了多维Gaussian Copula技术、多变量贝叶斯动态线性模型(MBDLM)以及一次二阶矩(FOSM)方法相融合地考虑控制点变形失效非线性相关的大跨桥梁主梁体系动态可靠性预测方法。采用某大跨桥梁主梁3个控制监测点的动态监测极值挠度数据进行验证分析,研究表明:考虑适用性的控制监测点变形失效非线性相关的主梁动态可靠性预测值较不考虑控制监测点变形失效非线性相关性所得结果大,说明不考虑失效动态非线性相关性所得结果偏保守。