期刊文献+
共找到77篇文章
< 1 2 4 >
每页显示 20 50 100
Bayesian Segmentation of Piecewise Linear Regression Models Using Reversible Jump MCMC Algorithm
1
作者 Suparman Michel Doisy 《Computer Technology and Application》 2015年第1期14-18,共5页
Piecewise linear regression models are very flexible models for modeling the data. If the piecewise linear regression models are matched against the data, then the parameters are generally not known. This paper studie... Piecewise linear regression models are very flexible models for modeling the data. If the piecewise linear regression models are matched against the data, then the parameters are generally not known. This paper studies the problem of parameter estimation ofpiecewise linear regression models. The method used to estimate the parameters ofpicewise linear regression models is Bayesian method. But the Bayes estimator can not be found analytically. To overcome these problems, the reversible jump MCMC (Marcov Chain Monte Carlo) algorithm is proposed. Reversible jump MCMC algorithm generates the Markov chain converges to the limit distribution of the posterior distribution of the parameters ofpicewise linear regression models. The resulting Markov chain is used to calculate the Bayes estimator for the parameters of picewise linear regression models. 展开更多
关键词 Piecewise linear regression models hierarchical bayesian reversible jump MCMC.
下载PDF
Robust Linear Regression Models:Use of a Stable Distribution for the Response Data
2
作者 Jorge A.Achcar Angela Achcar Edson Zangiacomi Martinez 《Open Journal of Statistics》 2013年第6期409-416,共8页
In this paper, we study some robustness aspects of linear regression models of the presence of outliers or discordant observations considering the use of stable distributions for the response in place of the usual nor... In this paper, we study some robustness aspects of linear regression models of the presence of outliers or discordant observations considering the use of stable distributions for the response in place of the usual normality assumption. It is well known that, in general, there is no closed form for the probability density function of stable distributions. However, under a Bayesian approach, the use of a latent or auxiliary random variable gives some simplification to obtain any posterior distribution when related to stable distributions. To show the usefulness of the computational aspects, the methodology is applied to two examples: one is related to a standard linear regression model with an explanatory variable and the other is related to a simulated data set assuming a 23 factorial experiment. Posterior summaries of interest are obtained using MCMC (Markov Chain Monte Carlo) methods and the OpenBugs software. 展开更多
关键词 Stable Distribution bayesian Analysis linear regression Models MCMC Methods OpenBugs Software
下载PDF
基于贝叶斯线性回归的造价预测模型
3
作者 袁剑波 郭平 曾恬宁 《武汉理工大学学报(信息与管理工程版)》 CAS 2024年第1期90-94,共5页
为在项目前期准确快速地预测高速公路造价,运用贝叶斯线性回归方程对造价进行预测。首先,识别高速公路造价影响因素,建立造价预测指标体系;其次,对收集的高速公路造价数据统一处理后,基于贝叶斯线性回归方程建立造价预测模型,并与BP神... 为在项目前期准确快速地预测高速公路造价,运用贝叶斯线性回归方程对造价进行预测。首先,识别高速公路造价影响因素,建立造价预测指标体系;其次,对收集的高速公路造价数据统一处理后,基于贝叶斯线性回归方程建立造价预测模型,并与BP神经网络预测模型进行预测效果对比;最后,利用Matlab进行仿真训练和预测。结果表明:相较于BP神经网络模型,贝叶斯线性回归模型具有更高的预测精度和稳定性,其预测值误差控制在5%以内,MAPE为2.29%,决定系数为0.925,可见贝叶斯回归模型的拟合度高、预测效果好,具有良好的可行性和适用性,可以应用于高速公路项目的造价预测。 展开更多
关键词 造价预测 高速公路 贝叶斯线性回归 BP神经网络 MAPE
下载PDF
城市路内违章停车时空特征及影响因素作用模型 被引量:1
4
作者 刘柯良 陈坚 +3 位作者 邱智宣 张迪 唐祯 彭倩 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第2期234-248,共15页
为揭示城市路内违章停车的时空模式及影响机理,结合持续两个月共10396条电子警察违停抓拍数据,从土地利用、停车供给与道路设计这3个维度选取16个影响因素进行分析。利用标准椭圆方法、层次聚类法及皮尔逊相关性检验等方法,分析路内违... 为揭示城市路内违章停车的时空模式及影响机理,结合持续两个月共10396条电子警察违停抓拍数据,从土地利用、停车供给与道路设计这3个维度选取16个影响因素进行分析。利用标准椭圆方法、层次聚类法及皮尔逊相关性检验等方法,分析路内违停时空特征并进行影响因素筛选,进一步根据因变量特征构建贝叶斯分位数回归模型,解析早晚高峰违停数量与影响因素的关系。研究结果表明:从违停数量的时间特征来看,工作日违停数量明显高于周末违停数量,且主要集中在周中,工作日违停数量按小时聚类结果显示,违停数量分为3个时间模式,分别为早晚高峰时间段(8:00-10:00和17:00-19:00)、早晚高峰汇聚时间段(10:00-11:00和15:00-17:00)与其他时间段;从违停数量的空间特征来看,工作日违停数量的整体空间分布主要集中在商业和居住密度较高的区域,其在一天内的空间变化趋势呈现“扩撒-稳定-收缩”的态势;分位数回归结果显示,土地使用、停车供给及道路设计这3个维度因素对路内违停存在非线性影响与阈值效应,且早晚高峰违停产生机制具有差异,路内违停治理需要考虑时空特征进行差异化治理。 展开更多
关键词 城市交通 非线性关系 贝叶斯分位数回归 违章停车 时空特征
下载PDF
基于Bayesian方法的参数估计和异常值检测 被引量:6
5
作者 尚华 冯牧 张贝贝 《重庆邮电大学学报(自然科学版)》 CSCD 北大核心 2016年第1期138-142,共5页
异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下... 异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于Bayesian方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于Gibbs抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。 展开更多
关键词 线性回归 识别变量 参数估计 异常值 bayesian方法 GIBBS抽样
下载PDF
部分线性变系数模型的贝叶斯分位数回归 被引量:1
6
作者 李灿 杨建波 李荣 《湖南文理学院学报(自然科学版)》 CAS 2024年第1期7-13,19,共8页
针对部分线性变系数模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,并基于Gibbs抽样推导出所有未知参数的后验分布,通过数值模拟比较分析了贝叶斯分位数回归与分位数... 针对部分线性变系数模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,并基于Gibbs抽样推导出所有未知参数的后验分布,通过数值模拟比较分析了贝叶斯分位数回归与分位数回归参数估计的优劣,结果表明,在均方误差准则下,贝叶斯分位数回归的估计效果更优。最后,通过实例分析说明了所提方法的有效性。 展开更多
关键词 部分线性变系数模型 B样条 贝叶斯分位数回归 均方误差 GIBBS抽样
下载PDF
基于贝叶斯模型的冗余报警识别技术
7
作者 刘宏宇 彭运洪 胡立生 《热力透平》 2024年第1期20-25,共6页
目前电厂主要通过故障树分析法来识别冗余报警,但故障树模型在描述报警变量之间的相关关系的不确定性方面具有局限性。为了弥补故障树模型分析法的不足,提出了一种基于贝叶斯模型的冗余报警识别技术。在故障树模型基础上,建立电厂报警... 目前电厂主要通过故障树分析法来识别冗余报警,但故障树模型在描述报警变量之间的相关关系的不确定性方面具有局限性。为了弥补故障树模型分析法的不足,提出了一种基于贝叶斯模型的冗余报警识别技术。在故障树模型基础上,建立电厂报警系统的贝叶斯图,得到报警变量之间的关联关系。利用贝叶斯线性回归,建立底层报警变量与故障报警变量的线性模型,并使用马尔科夫蒙特卡洛采样算法学习模型参数。最后,根据模型参数确定了底层报警与故障报警之间的关联强度,识别冗余报警。采用该方法对电厂实际报警数据进行了仿真模拟,结果验证了该方法在工程应用领域的可行性。该研究对报警系统优化实践具有借鉴意义。 展开更多
关键词 报警系统 冗余报警 贝叶斯图模型 贝叶斯线性回归 马尔科夫蒙特卡洛方法
下载PDF
免微分非线性Bayesian滤波方法评述 被引量:12
8
作者 程水英 邹继伟 汤鹏 《宇航学报》 EI CAS CSCD 北大核心 2009年第3期843-857,876,共16页
以非线性递推Bayesian滤波问题的求解及其历史渊源为起点,分两类对各种免微分非线性Bayesian滤波方法或免微分方法的原理和算法进行了评述:一类是以线性最小均方误差最优估计子为特点的免微分高斯滤波,包括无味卡尔曼滤波、均差滤波器... 以非线性递推Bayesian滤波问题的求解及其历史渊源为起点,分两类对各种免微分非线性Bayesian滤波方法或免微分方法的原理和算法进行了评述:一类是以线性最小均方误差最优估计子为特点的免微分高斯滤波,包括无味卡尔曼滤波、均差滤波器、中心差分滤波器和Gauss-Hermite滤波器或积分卡尔曼滤波器;另一类是后验密度数值逼近免微分方法,包括栅格法(GBMs)与近似栅格法、矩近似法和以粒子滤波为代表的Monte Carlo方法。其中还包括了作者的一些最新研究成果,如迭代UKF算法、裂变自举PF算法和关于粒子滤波算法有限收敛界的概念等。之后从加权统计线性回归的角度对两类免微分方法进行了统一认识,统一为以数值方法为特点的广义PF。为了建立一个关于各种免微分算法性能的整体印象,论文还通过一个复杂的递推非线性滤波估计例子,用MonteCarlo仿真实验的方法对7种典型的免微分方法和和传统的EKF算法进行了比较研究。最后对两类免微分方法进行了简单的比较,并指出了进一步研究的方向。 展开更多
关键词 非线性估计 递推bayesian滤波 扩展卡尔曼滤波 高斯滤波 无味变换 无味卡尔曼滤波 均差 滤波器 中心差分滤波器 Gauss—Hermite滤波器 积分卡尔曼滤波器 迭代无味卡尔曼滤波 栅格法 近似栅格 矩近似法 Monte CARLO方法 粒子滤波 裂变自举粒子滤波 加权统计线性回归
下载PDF
部分线性变系数模型的贝叶斯复合分位数回归
9
作者 李灿 杨建波 李荣 《广西师范大学学报(自然科学版)》 CAS 北大核心 2024年第5期117-129,共13页
部分线性变系数模型由参数和非参数2部分组成,具有适应范围广和解释性强双重优点。针对该模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用复合非对称拉普拉斯分布实现贝叶斯复合分位数回归,并基于Gibbs抽样算... 部分线性变系数模型由参数和非参数2部分组成,具有适应范围广和解释性强双重优点。针对该模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用复合非对称拉普拉斯分布实现贝叶斯复合分位数回归,并基于Gibbs抽样算法推导出所有未知参数的后验分布,以获取参数的估计值。通过数值模拟对贝叶斯复合分位数回归与贝叶斯分位数回归、贝叶斯线性回归参数估计效果进行比较分析,结果显示:当误差服从非正态分布时,在均方误差准则下,贝叶斯复合分位数回归估计表现更优。基于上述3种方法对实例数据进行预测分析,结果表明:在平均绝对偏差和均方误差预测意义下,基于贝叶斯复合分位数回归的预测效果更好。 展开更多
关键词 部分线性变系数模型 B样条 贝叶斯复合分位数回归 均方误差 Gibbs抽样算法
下载PDF
NMAR机制下线性回归模型参数的Bayesian估计
10
作者 孙晓松 朱鹏程 《长春师范学院学报(自然科学版)》 2010年第2期15-17,共3页
当数据缺失机制为非随机缺失(NMAR)时,线性回归模型中的参数估计是一个复杂的问题.本文采用贝叶斯(Bayesian)方法,并利用MCMC方法、选择模型和Gibbs抽样方法,求得了参数的Bayesian估计,用一个模拟例子求得参数的估计均值和方差说明了此... 当数据缺失机制为非随机缺失(NMAR)时,线性回归模型中的参数估计是一个复杂的问题.本文采用贝叶斯(Bayesian)方法,并利用MCMC方法、选择模型和Gibbs抽样方法,求得了参数的Bayesian估计,用一个模拟例子求得参数的估计均值和方差说明了此种方法的可行性。 展开更多
关键词 缺失机制 线性模型 选择模型 LOGIT模型 GIBBS抽样 bayesian估计
下载PDF
Reliability‑Based Analysis of a Caisson Breakwater with the Application of Bayesian Inference
11
作者 Reza Ehsani Moghadam Mehdi Shafeefar Hassan Akbari 《Journal of Marine Science and Application》 CSCD 2021年第4期735-750,共16页
Caisson breakwaters are mainly constructed in deep waters to protect an area against waves.These breakwaters are con-ventionally designed based on the concept of the safety factor.However,the wave loads and resistance... Caisson breakwaters are mainly constructed in deep waters to protect an area against waves.These breakwaters are con-ventionally designed based on the concept of the safety factor.However,the wave loads and resistance of structures have epistemic or aleatory uncertainties.Furthermore,sliding failure is one of the most important failure modes of caisson breakwaters.In most previous studies,for assessment purposes,uncertainties,such as wave and wave period variation,were ignored.Therefore,in this study,Bayesian reliability analysis is implemented to assess the failure probability of the sliding of Tombak port breakwater in the Persian Gulf.The mean and standard deviations were taken as random variables to consider dismissed uncertainties.For this purpose,the frst-order reliability method(FORM)and the frst principal curvature cor-rection in FORM are used to calculate the reliability index.The performances of these methods are verifed by importance sampling through Monte Carlo simulation(MCS).In addition,the reliability index sensitivities of each random variable are calculated to evaluate the importance of diferent random variables while calculating the caisson sliding.The results show that the reliability index is most sensitive to the coefcients of friction,wave height,and caisson weight(or concrete density).The sensitivity of the failure probability of each of the random variables and their uncertainties are calculated by the derivative method.Finally,the Bayesian regression is implemented to predict the statistical properties of breakwater sliding with non-informative priors,which are compared to Goda’s formulation,used in breakwater design standards.The analysis shows that the model posterior for the sliding of a caisson breakwater has a mean and standard deviation of 0.039 and 0.022,respectively.A normal quantile analysis and residual analysis are also performed to evaluate the correctness of the model responses. 展开更多
关键词 Breakwater sliding First-order reliability method(FORM) Aleatory and epistemic uncertainty Monte Carlo simulation Sensitivity analyses bayesian linear regression(blr)
下载PDF
基于长短期记忆神经网络组合算法的短期电力负荷预测 被引量:11
12
作者 王子乐 王子谋 +2 位作者 蔡莹 谭晶 黄弦超 《现代电力》 北大核心 2023年第2期201-209,共9页
短期电力负荷具有不平稳、随机性强等特点,传统的负荷预测方法在建模中常表现出一定的局限性。为提高预测精度,提出了一种基于互补集合经验模态分解(complement-ary ensemble empirical mode decomposition,CEEMD)、长短期记忆(long sho... 短期电力负荷具有不平稳、随机性强等特点,传统的负荷预测方法在建模中常表现出一定的局限性。为提高预测精度,提出了一种基于互补集合经验模态分解(complement-ary ensemble empirical mode decomposition,CEEMD)、长短期记忆(long short-term memory,LSTM)神经网络和多元线性回归(multiple linear regression,MLR)方法组合而成的CEEMD-LSTM-MLR短期电力负荷预测方法。首先将电力负荷数据通过CEEMD分解为高频分量和低频分量;将复杂的高频分量通过经贝叶斯优化的LSTM神经网络进行预测,周期性的低频分量通过MLR方法进行预测,最后将各分量叠加重构得到最终预测结果。通过算例分析,一方面将不同分解方法进行对比,一方面将不同模型进行对比并探究贝叶斯调参对结果的影响,验证了所提模型更具可靠性与准确性。 展开更多
关键词 短期负荷预测 互补集合经验模态分解 长短时记忆神经网络 贝叶斯优化 多元线性回归
下载PDF
面向城市固废焚烧过程的缺失数据填充及应用 被引量:1
13
作者 汤健 徐雯 +1 位作者 夏恒 乔俊飞 《北京工业大学学报》 CAS CSCD 北大核心 2023年第4期435-448,共14页
针对城市固废焚烧(municipal solid waste incineration, MSWI)过程中存在的随机和连续数据缺失问题,提出了一种基于专家经验和约简特征集成模型的填充方法.首先,将过程数据缺失情况识别为随机分布、时间维度和特征维度缺失3种类型.接着... 针对城市固废焚烧(municipal solid waste incineration, MSWI)过程中存在的随机和连续数据缺失问题,提出了一种基于专家经验和约简特征集成模型的填充方法.首先,将过程数据缺失情况识别为随机分布、时间维度和特征维度缺失3种类型.接着,基于专家经验对前2种类型进行缺失填充后,面向第3种类型基于分布相似性和互信息相关性为缺失特征预测模型选择建模数据集和约简特征,建立具有互补特性的随机森林、梯度提升决策树和反向传播神经网络子模型对缺失值进行初步预测,利用贝叶斯线性回归(Bayesian linear regression, BLR)构建集成模型以获得最终填充值.最后,利用填充后的MSWI数据建立基于跨层全连接深度森林回归的二噁英排放浓度软测量模型.实验结果表明所提方法提高了MSWI过程数据的质量. 展开更多
关键词 城市固废焚烧(municipal solid waste incineration MSWI) 数据填充 专家经验 约简特征 集成模型 贝叶斯线性回归(bayesian linear regression blr)
下载PDF
A Bayesian hierarchical model for the inference between metal grade with reduced variance:Case studies in porphyry Cu deposits
14
作者 Yufu Niu Mark Lindsay +2 位作者 Peter Coghill Richard Scalzo Lequn Zhang 《Geoscience Frontiers》 SCIE CAS CSCD 2024年第2期304-314,共11页
Ore sorting is a preconcentration technology and can dramatically reduce energy and water usage to improve the sustainability and profitability of a mining operation.In porphyry Cu deposits,Cu is the primary target,wi... Ore sorting is a preconcentration technology and can dramatically reduce energy and water usage to improve the sustainability and profitability of a mining operation.In porphyry Cu deposits,Cu is the primary target,with ores usually containing secondary‘pay’metals such as Au,Mo and gangue elements such as Fe and As.Due to sensing technology limitations,secondary and deleterious materials vary in correlation type and strength with Cu but cannot be detected simultaneously via magnetic resonance(MR)ore sorting.Inferring the relationships between Cu and other elemental abundances is particularly critical for mineral processing.The variations in metal grade relationships occur due to the transition into different geological domains.This raises two questions-how to define these geological domains and how the metal grade relationship is influenced by these geological domains.In this paper,linear relationship is assumed between Cu grade and other metal grades.We applies a Bayesian hierarchical(partial-pooling)model to quantify the linear relationships between Cu,Au,and Fe grades from geochemical bore core data.The hierarchical model was compared with two other models-‘complete-pooling’model and‘nopooling’model.Mining blocks were split based on spatial domain to construct hierarchical model.Geochemical bore core data records metal grades measured from laboratory assay with spatial coordinates of sample location.Two case studies from different porphyry Cu deposits were used to evaluate the performance of the hierarchical model.Markov chain Monte Carlo(MCMC)was used to sample the posterior parameters.Our results show that the Bayesian hierarchical model dramatically reduced the posterior predictive variance for metal grades regression compared to the no-pooling model.In addition,the posterior inference in the hierarchical model is insensitive to the choice of prior.The data is wellrepresented in the posterior which indicates a robust model.The results show that the spatial domain can be successfully utilised for metal grade regression.Uncertainty in estimating the relationship between pay metals and both secondary and gangue elements is quantified and shown to be reduced with partial-pooling.Thus,the proposed Bayesian hierarchical model can offer a reliable and stable way to monitor the relationship between metal grades for ore sorting and other mineral processing options. 展开更多
关键词 bayesian hierarchical model Porphyry Cu deposit Ore sorting Metal grade linear regression
原文传递
基于贝叶斯-神经网络的动态回归建模与预测 被引量:6
15
作者 黄光球 贾颖峰 周静 《系统仿真学报》 EI CAS CSCD 北大核心 2005年第12期2904-2907,共4页
结合贝叶斯网络和神经网络,提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布,形式化各种各样的信息,结合贝叶斯方法,执行贝叶斯网络的持续学习过程;采用指数寿命型的连接权值改进径向基... 结合贝叶斯网络和神经网络,提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布,形式化各种各样的信息,结合贝叶斯方法,执行贝叶斯网络的持续学习过程;采用指数寿命型的连接权值改进径向基神经网络,优化输入数据,提高计算速度;采用改进的遗传算法,实现神经网络的动态自适应。基于上述方法,实现了线性回归系统动态建模与实时预测。仿真试验说明该方法是有效性。 展开更多
关键词 贝叶斯网络 神经网络 线性回归 遗传算法
下载PDF
人工神经网络在作物基因组选择中的应用 被引量:3
16
作者 束永俊 吴磊 +1 位作者 王丹 郭长虹 《作物学报》 CAS CSCD 北大核心 2011年第12期2179-2186,共8页
目前,基因组选择育种主要采用线性模型估计遗传育种值指导作物遗传育种的筛选过程,但是生物体内的基因以及遗传位点的关系主要是复杂的非线性调控。本研究将人工神经网络技术应用到作物基因组选择育种中,对现有的作物基因组选择育种模... 目前,基因组选择育种主要采用线性模型估计遗传育种值指导作物遗传育种的筛选过程,但是生物体内的基因以及遗传位点的关系主要是复杂的非线性调控。本研究将人工神经网络技术应用到作物基因组选择育种中,对现有的作物基因组选择育种模型进行优化,建立了高效的作物基因组选择预测系统,并与其他线性回归预测模型进行比较。通过分析小麦的育种数据发现,基于人工神经网络的遗传育种估计效果优于其他线性回归预测模型,预测育种值与实际育种值间的相关系数平均值达0.6636,相应的岭回归BLUP、贝叶斯线性回归模型和基于系谱信息的贝叶斯回归模型的预测能力分别为0.6422、0.6294和0.6573;最优预测效果达0.8379,远高于其他2种模型的最优结果。同时,基于人工神经网络的基因组选择模型的预测效果稳定,与传统的统计模型相近。因此,利用人工神经网络技术建立基因组选择是可行的。 展开更多
关键词 基因组选择 小麦 人工神经网络 岭回归BLUP 贝叶斯线性回归
下载PDF
基于BP神经网络的贝叶斯概率枯季径流预报研究 被引量:9
17
作者 鲁帆 蒋云钟 殷峻暹 《水电能源科学》 2008年第3期7-10,共4页
根据枯季径流的特点,采用多元线性回归模型模拟了先验分布和似然函数,建立了基于BP神经网络的贝叶斯概率枯季径流预报模型。与传统枯季径流预报方法相比,该方法预报精度高,能以概率分布形式定量描述预报的不确定性,为水量调度提供了科... 根据枯季径流的特点,采用多元线性回归模型模拟了先验分布和似然函数,建立了基于BP神经网络的贝叶斯概率枯季径流预报模型。与传统枯季径流预报方法相比,该方法预报精度高,能以概率分布形式定量描述预报的不确定性,为水量调度提供了科学的决策依据,实例应用表明,效果理想。 展开更多
关键词 BP神经网络 多元线性回归 贝叶斯分析 枯季径流预报
下载PDF
利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性 被引量:7
18
作者 苏晨博 刘崇茹 +1 位作者 徐诗甜 岳昊 《中国电力》 CSCD 北大核心 2021年第8期182-189,共8页
分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列... 分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。 展开更多
关键词 贝叶斯线性回归 相关性 混合Copula函数 风电功率 出力概率
下载PDF
打入桩承载力确定方法对安全系数的影响 被引量:8
19
作者 李典庆 《岩土力学》 EI CAS CSCD 北大核心 2006年第10期1733-1738,共6页
在传统的容许应力设计方法中桩基承载力安全系数取决于桩基承载力的确定方法,然而,基于经验选择的承载力安全系数缺少理论依据,为此,基于贝叶斯理论和线性回归方法提出了评价桩基承载力确定方法对承载力安全系数影响的方法,给出了现行... 在传统的容许应力设计方法中桩基承载力安全系数取决于桩基承载力的确定方法,然而,基于经验选择的承载力安全系数缺少理论依据,为此,基于贝叶斯理论和线性回归方法提出了评价桩基承载力确定方法对承载力安全系数影响的方法,给出了现行规范对于不同承载力确定方法采用不同安全系数的理论依据,阐明了桩基动力测试降低安全系数的理论依据,并以7种桩基设计方法为例,分析了承载力确定方法对安全系数的影响。结果表明,采用所提出的方法计算的安全系数基本上与现行的经验值相一致,表明精确的承载力确定方法可以有效地降低承载力安全系数,设计方法、承载力确定方法和水平都对安全系数有影响,但当承载力试验桩的数目足够多时,安全系数对于设计方法的精确性不敏感。 展开更多
关键词 打入桩 桩基承载力 安全系数 贝叶斯分析 线性回归
下载PDF
基于贝叶斯网络的一种牛奶产量预测研究 被引量:2
20
作者 徐计 张桂芸 《计算机工程与科学》 CSCD 2008年第10期15-18,共4页
本文运用贝叶斯网络对某农场的牛奶产量进行学习与预测,运用Chi2离散化方法的一种变形进行数据预处理,采用有启发规则指导的、带随机重启的贪心算法搜索网络结构;最后,将贝叶斯网络方法的结果与多元线性回归方法得到的结果进行了比较。
关键词 贝叶斯网络 Chi2变形 随机重启 贪心算法 线性回归
下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部