融合AR模型和MCMC方法的水文模拟不确定性分析

为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好。分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测。

基于误差修正的电线覆冰厚度贝叶斯模型及分析

通过对已有的电线覆冰厚度数据进行分析,建立了电线覆冰厚度时间序列模型,对覆冰厚度进行贝叶斯统计推断,然后运用基于Gibbs抽样的MCMC方法对推断模型进行参数估计,并对MCMC模型进行误差修正.在此基础上,运用WINBUGS软件,对Gibbs抽样得到的预测结果与极大似然估计的预测结果进行比较.比较分析结果表明:通过误差修正的贝叶斯推断方法在电线覆冰厚度预测上具有更高的准确性.

基于MCMC算法AR-GARCH模型中国出口集装箱运价指数波动性研究

我国是集装箱货物进出口大国,集装箱班轮运价的剧烈波动使货主和班轮公司面临巨大的风险.为研究我国出口集装箱运价波动风险,对中国出口集装箱运价指数(China Containerized Freight Index,CCFI)建立基于Griddy-Gibbs抽样MCMC算法的贝叶斯AR-GARCH模型.针对1998年4月至2013年12月的CCFI总指数的去均值周收益率数据,建立残差基于正态分布和T分布的AR-GARCH模型,运用Win Bugs软件和MH算法进行贝叶斯参数估计,发现AR(3)-GARCH(1,1)模型拟合效果最好;参数估计结果表明,波动具有较强的持续性,不存在'风险溢价'和'杠杆效应'.经对比,发现AR-GARCH-T模型拟合效果更好;对比ML方法,发现MCMC算法估计结果的样本内拟合优度较差,而样本外预测能力较强.

混凝土碳化深度的贝叶斯自回归预测分析

总结和分析了影响混凝土碳化的主要因素及碳化深度计算模型,讨论了参数随机性及不确定性对碳化深度预测计算结果的影响.根据贝叶斯分析的基本原理,研究了混凝土碳化深度预测的贝叶斯自回归方法.该方法根据马尔可夫链(Markov Chain)的概率密度演化,利用吉布斯(Gibbs)抽样及蒙特卡洛(Monte Carlo)数值模拟,建立了混凝土碳化深度的随时贝叶斯自回归模型.该模型形式简单,收敛性好,且具有较高的预测精度.利用该方法和实测的碳化深度结果,建立自回归模型,可以对混凝土碳化深度进行更新预测.

基于Griddy-Gibbs抽样的混合高斯AR-GJR-GARCH模型的贝叶斯估计

综合考虑波动率的尖峰厚尾性、杠杆效应等特点,作者提出了混合高斯AR-GJRGARCH模型,并用基于Griddy-Gibbs抽样的MCMC方法对模型的参数进行了贝叶斯估计,然后以新东方的股票数据为例用Matlab和R软件对模型进行了实现与检验.结果表明:模型对波动率的各种特性都有一定的体现,并且估计方法的收敛速度较快、自相关性弱、算法复杂度低、稳定性良好.

基于MCMC方法的公路客运量贝叶斯AR(p)分析

通过实证数据仿真分析来说明运用Win BUGS软件建模的分析过程。结果表明,以MCMC为基础的Win BUGS软件简化了贝叶斯AR(p)模型的实际应用。