非线性Bayes动态模型预测的数值算法

本文用一阶样条函数分段逼近密度函数的方法给出了非线性

非线性Bayes动态模型的研究

对正态误差下的非线性Bayes动态模型进行了处理 .对模型分观测误差已知和未知常数两种情况进行了研究 ,利用Taylor展开来近似参数分布 ,并引入E -M算法 ,完成了模型的修正。

非线性动态模型的迭代滤波及Bayes预测

就观测误差方差V_t已知和V_t=V常数未知两种情况,对于非线性动态模型,利用新获得的观测值y_t及滤波公式重新对t—1时刻的状态进行估计,改进了均值与随机状态向量的接近程度,然后重新对非线性函数进行线性化,之后再进行滤波,直到均值和方差没有显著的改善为止,由此再进行下一步的递推和预测。

多过程动态线性模型及Bayes预测

本文讨论了多过程动态线性模型.根据结构和应用目的的不同,将多过程模型分为两类.第一类是由动态线性模型离散概率混合而成的,主要用于模型选择;第二类在不同的时刻用不同的模型来拟合序列,然后再离散混合,它主要用于变化较大或有突发事件的序列预测.

单变量Bayes正态动态线性模型及其预测

Bayes预测和动态模型是20世纪70年代发展起来的一套新的时间序列分析方法,其中单变量Bayes正态动态线性模型(UBNDLM)在实际应用中最为常见和重要。在UBNDLM应用中,通常假定观测误差方差是未知常量,其值在建模的开始由估计给出。一般的做法是对具体的问题通过专家经验给出,并没有一个统一有效的办法。文章针对这一情形,给出了观测误差方差值一种简单易用的估计方法。同时也提供了数值试验说明新方法是有效的,这就给该类UBNDLM的应用带来了方便。

基于力学机理的贝叶斯动态线性岩质边坡变形预测模型研究

考虑岩质边坡变形的力学机理,将边坡变形分解为弹塑性损伤变形、粘弹性变形、周期波动及观测误差等分量,以Bayesian动态线性模型理论为基础,建立了基于力学机理的边坡变形动态演化预测模型。模型以边坡岩体力学参数为系统控制变量,应用Bayesian推断,通过观测数据及相关信息,估计其动态演化规律,并以此预测边坡变形。通过对某水电站边坡位移监测数据分析表明:监测点处边坡变形主要为弹塑性损伤蠕变,监测初期,岩体迅速损伤,变形15天后进入加速蠕变阶段,与现场巡查结果一致。

基于高斯混合模型的抗差Bayes滤波在动态导航中的应用

在动态环境下导航定位受到很多因素影响,且异常噪声会严重影响导航滤波结果。通过研究Bayes滤波的抗差方法,在导航观测方程中采用高斯混合模型,对混合模型不确定度参数采用层次模型实时估计。借助指示变量进行模型变换,削弱导航过程中异常噪声的影响。并采用Rao-Blcakwellized粒子采样方法,求取复杂、非标准形式的状态后验分布。最后通过卫星导航以及组合导航实验算例,分析验证了基于高斯混合模型的Bayes滤波在动态导航定位中的抗差性能。

线性模型中回归系数和误差方差的同时Bayes估计的优良性

在线性模型中回归系数与误差方差具有正态-逆Gamma先验时,导出了回归系数与误差方差的同时Bayes估计.在均方误差矩阵准则和Bayes Pitman closeness准则下,研究了回归系数的Bayes估计相对于最小二乘(LS)估计的优良性,还讨论了误差方差的Bayes估计在均方误差准则下相对于LS估计的优良性.

混合线性模型效应参数的Bayes局部影响分析

该文研究混合线性模型效应参数的 Bayes局部影响评价问题 .导出了混合线性模型在各种扰动下效应参数的 Bayes局部影响度量 ,并给出了平衡单向分类随机效应模型下的一些结果 .最后通过实例分析 。

正态线性单方程计量经济模型的Bayes统计推断

该文研究了如何利用Bayes方法来建立正态线性计量经济模型 :Y =Xβ+U ,U ～N( 0 ,σ2 In) ,分别讨论了在二次损失函数下σ2 已知时 ,β的Bayes估计和σ2 未知时 ( β ,σ)的Bayes估计。与 β或 ( β ,σ)的经典统计估计相比较 ,由于Bayes方法融合了样本信息和参数的先验信息 ,其Bayes估计的精度更高。

线性混合模型中方差分量的经验Bayes估计的收敛速度

在加权平方损失下导出了含有2个方差分量的线性混合模型中方差分量的Bayes估计.利用多元密度函数及其混合偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,在某些条件下获得了该估计的收敛速度.

非线性测量误差模型的Bayes估计

讨论了非线性测量误差模型在未知参数具有正态先验分布时的参数Bayes估计,并对这种估计进行了影响分析,证明了删除模型(CDM)和均值漂移模型(MSOM)具有相同的参数Bayes估计,同时给出了参数Bayes估计的影响函数.

具有测量误差的非线性模型的Bayes估计

测量中大量的函数模型都是非线性回归模型.当回归变量含有一定的测量误差时,我们得到非线性测量误差模型.本文讨论了这种模型中未知参数具有正态先验分布时的参数Bayes估计方法,并对这种估计进行了影响分析,证明了删除模型与均值漂移模型中参数的Bayes估计相同,利用Cook统计量给出了删除模型下参数的Bayes估计的影响度量.

EV回归的半参数部分线性模型的Bayes估计

考察部分线性模型y=Xβr+g(t)+ε,ε-N(O,σ2),其中回归变量X可以精确测量,而t具有测量误差.用光滑样条估计非参数函数g(t),结合光滑样条的Bayes解释及Bayes的线性回归,将模型中的未知参数赋以一定的先验,运用Gibbs抽样方法从后验分布中抽样,用后验样本的均值来估计未知参数.MCMC模拟的另外一个好处是容易从后验样本中构造后验样本区间估计.最后,提供了一个模拟例子来说明Bayes方法的估计效果.

分块线性模型中Bayes线性无偏估计的可加性

得到了βi在线性模型M=(y,X1β1+X2β2,T)下的Bayes线性无偏估计与其在小模型Mi=(y,Xiβi,T)下的Bayes线性无偏估计相等的充分必要条件,i=1,2;并考虑了Xiβi在小模型Mi下的Bayes线性无偏估计之和与Xβ在全模型M下的Bayes线性无偏估计之间的相等关系.

线性模型中回归系数和误差方差同时的经验Bayes估计及其优良性

在线性模型中,当先验分布中超参数部分未知时,构造了回归系数和误差方差的同时参数型经验Bayes估计(PEBE).在均方误差矩阵(MSEM)准则下,讨论了回归系数的PEBE相对于最小二乘估计(LSE)的优良性;在均方误差(MSE)准则下讨论了误差方差的PEBE相对于其LSE的优良性.当先验分布中超参数全部未知时,重新构造了回归系数和误差方差的同时PEBE,并给出了它们在MSE准则下相对LSE优良性的模拟结果.

一类线性模型中参数的经验Bayes检验问题

本文对一类线性模型构造了其参数的经验Bayes（EB）检验函数．在适当的条件下证明了所提出的EB检验函数是渐近最优的，其收敛速度可任意接近O（n-1/2）．最后讨论了EB检验问题在线性回归模型、方差分析模型和协方差分析模型中的应用。

非线性模型中方差和协方差分量的Bayes估计

本文采用Bayes方法从有逆gamma先验信息出发,得到了非张性模型中方差和协方差分量的估计,本文中的方差和协方差分量包含相关系数,而其他学者提出的线性模型中方差和协方差分量的Bayes估计只是本文的特殊情况.

网格环境下一种基于Bayes信任模型的动态级调度算法

提出了一种基于信任机制的任务调度模型,该模型通过借鉴社会学中的信任机制,建立网格节点间的信任关系,利用Bayes方法对节点的可信度进行评估,将节点的可信度并入DLS算法得到可信动态级调度(Trust-DLS)算法.仿真结果证实,提出的Trust-DLS算法能有效提高应用任务在可信方面的服务质量需求.

线性模型中参数向量的线性经验Bayes估计

本文利用线性经验Ｂａｙｅｓ估计的思想，对线性回归模型中未知参数向量构造了一类线性经验Ｂａｙｅｓ估计，并在一定条件下证明了其具有的ａ．ｏ．收敛速度．