基于支持向量回归的Bootstrap数据扩充方法及其在小子样可靠性评估中的应用

针对航空发动机小子样特性下的可靠性评估问题,提出一种基于支持向量回归(Support Vector Regression, SVR)的Bootstrap数据扩充方法:建立并训练SVR模型,采用邻域抽样法构造输入集,输入训练好的模型中获得扩充样本。仿真结果表明,采用该方法获得的扩充样本较传统Bootstrap方法更接近真实分布,且有效拓展了样本取值区间。以某航空发动机涡轮盘小子样疲劳寿命试验数据为例:(1)非参数方法,采用两种方法获得的平均疲劳寿命十分接近,但新方法获得的置信区间更大,这与样本取值区间的拓展相关;(2)参数方法,对新方法扩充的样本进行参数估计得到的结果与参考值更为接近,最大相对偏差为-1.290 2%,而传统方法的最大相对偏差达到了29.477 6%,两种方法下计算得到的平均疲劳寿命与参考值均较接近,但新方法得到的置信区间与参考区间更为接近。综合来看,所提出的方法能够有效实现样本扩充,具有一定的应用价值。

基于Bootstrap方法的多组配对数据风险差的一致性检验

在Dallal模型下构建3个统计量,研究小样本多组配对数据风险差的一致性检验问题.通过Monte-Carlo数值模拟,比较小样本下渐近方法和Bootstrap方法在检验过程中的性能.研究发现,Bootstrap方法在第一类错误率和功效上表现更优;特别地,基于Score检验的Bootstrap方法的第一类错误率较稳健,且有较高的功效,检验性能最优.

基于Bootstrap方法和LSSVM模型的滑坡位移区间预测

针对滑坡预测中的不确定性和传统点位移预测无法对预测结果的可靠程度进行有效描述这一问题,本文提出了一种区间预测方法,通过Bootstrap方法和最小二乘支持向量机来构建滑坡位移预测模型。并以三峡库区秭归县树坪滑坡为例,选取ZG85监测点在2007年1月—2012年12月期间的位移、降水量及库水位数据进行研究。研究结果表明,滑坡位移区间预测模型相比于传统的确定性点预测模型,能够同时兼顾准确性和可靠性,为滑坡灾害预测提供了一种新思路。

基于Bootstrap方法和灰色关联分析法的企业原材料订购方案与运输策略

基于企业生产经营的现实情况,文章使用Bootstrap及灰色关联分析等方法对企业过去的原材料订购情况、供应商供应情况和转运商运输情况的相关数据进行了处理,并对供应商的供货特征和转运商的运输损耗特征进行了量化分析。其中,建立并应用了一种评价供应商重要性的评估体系,在不同条件下给出了企业最优订购方案和运输方案,分析了企业如何通过技术改造来提高产能的潜力。

Bootstrap方法的仿真实现及其在系统偏差估计中的应用

该文研究Bootstrap方法与Bayes Bootstrap方法的原理及在小样本情况下的应用问题。分析了这二种统计方法的原理,给出了总体分布中未知参数的点估计方法和区间估计方法,后采用非参数抽样法,编写C语言程序,实现了Bootstrap方法与Bayes Bootstrap方法的计算机仿真。通过实例分析,给出了射击系统偏差在Bayes Bootstrap方法、Bootstrap方法和经典统计方法下的具体偏差值,得到Bayes Bootstrap方法优于其它二种方法的结论。

基于OS-ELM和Bootstrap方法的超短期风电功率预测

提出了一种基于在线序贯极限学习机(OS-ELM)的超短期风电功率预测方法。利用OSELM学习速度快、泛化能力强的优点,将批处理和逐次迭代相结合,不断更新训练数据和网络结构,实现了对数值天气预报风速的快速实时修正和风电机组输出功率的快速预测。随后,采用计算机自助(Bootstrap)法构造伪样本,给出了预测功率的置信区间评估。实例和研究结果表明,该预测方法与反向传播(BP)网络、支持向量机(SVM)方法相比,在计算时间上更能满足在线应用需求,而且预测精度相当,有较好的应用前景。

基于Bootstrap方法的小子样试验评估方法研究

Bootstrap方法是一种小子样试验评估方法。该方法在产生随机样本方面有不足之处,即产生的随机样本受到原始样本范围限制。因此本文在研究了用指数分布函数、Boltzm ann函数和三次多项式函数拟合修正样本经验分布函数的可行性之后,讨论用修正的样本经验分布函数替换传统Bootstrap方法中的经验分布函数,提出了基于Bootstrap方法的小子样试验评估方法。结论表明:采用Boltzm ann和三次多项式函数拟合修正样本经验分布函数后可使产生的随机样本不受原始样本范围限制,提高试验评估结果的精度,并附有算例说明所提出的方法。

特小子样试验下导弹精度评定的Bootstrap方法

针对特小子样下导弹精度评定的需求,提出了利用验前信息来弥补现场试验信息不足的改进Boot-strap统计方法。首先介绍了Bootstrap方法的基本概念;其次分析和比较了特小子样下验前信息与现场试验信息的若干种相容性检验方法的性能,并根据相容性检验水平确定了各类信息源的权重。然后,基于重要度抽样的思想,分别针对非参数Bootstrap方法和参数Bootstrap方法讨论了验前信息在导弹精度评定中的运用。最后,根据工程经验提出了一种改进的权重分配方案。仿真结果表明,KS相容性检验方法在特小子样下更为适用,考虑相似验前信息的Bootstrap精度评定结果更为合理。

有限数据条件下边坡可靠度分析的Bootstrap方法

基于Bootstrap抽样技术提出了有限数据条件下边坡可靠度分析方法。简要介绍了传统的边坡可靠度分析方法。采用Bootstrap方法模拟了抗剪强度参数概率分布函数的统计不确定性。以无限边坡为例研究了抗剪强度分布参数和分布类型不确定性对边坡可靠度的影响规律。结果表明:基于有限数据估计的样本均值、样本标准差和AIC值具有较大的变异性,这种变异性进一步导致了抗剪强度参数概率分布函数存在明显的统计不确定性。在考虑抗剪强度参数概率分布函数的统计不确定性时,边坡可靠度指标应为具有一定置信度水平的置信区间,而不是传统可靠度分析中的固定值。边坡可靠度指标的置信区间变化范围随安全系数的增加而增大,同时考虑分布参数和分布类型不确定性计算的可靠度指标具有更大的变异性和更宽的置信区间变化范围。Bootstrap方法为有限数据条件下抗剪强度参数概率分布函数统计不确定性的模拟以及边坡可靠度的评估提供了一条有效的途径。

基于Bootstrap方法的岩土体参数联合分布模型识别

小样本容量岩土体参数最优联合概率分布模型的识别是一个富有挑战性的问题。基于Bootstrap提出了小样本容量岩土体参数最优边缘分布函数和最优Copula函数识别方法。简要介绍了岩土体参数联合概率分布函数构造的Copula方法,采用AIC准则识别最优的边缘分布函数和Copula函数。将识别结果表示为不同备选边缘分布函数和Copula函数为最优边缘分布和最优Copula的权重系数集合,以基桩荷载-位移双曲线参数试验数据为例证明了所提方法的有效性。结果表明:基于小样本容量岩土体参数试验数据估计的样本均值、标准差和相关系数具有较大的离散性,这种离散性进一步导致了统计量AIC值存在较大变异性。提出的基于Bootstrap的最优边缘分布函数和最优Copula函数识别方法不仅可以有效地考虑统计量AIC值的变异性,而且能够综合地反映不同备选边缘分布函数和Copula函数为最优边缘分布和最优Copula函数的概率,为小样本容量岩土体参数最优边缘分布函数和最优Copula函数的识别提供了一条有效的途径。

小子样下的Bootstrap方法

基于密度估计和学习过程的逼近定理 ,说明用Bootstrap方法构造的随机变量去逼近另一随机变量是有偏差的 ,特别在小子样下这种偏差不可忽略 .指出小子样情况下 ,要慎用Bootstrap方法进行仿真 .并给出了导弹试验鉴定的基于正态分布的应用实例 。

利用Bootstrap统计方法探讨体长-体重关系中的幂指数对小黄鱼产卵期的指示作用

利用2004年在29°N以北、127°E以西海域所采集的小黄鱼近全年的生物学数据,在日、周、半月、月4个不同时间尺度下,对小黄鱼体长与体重关系中幂指数的周年变化特征进行了分析。利用Bootstrap统计方法,把小黄鱼产卵期内的幂指数与年内其他时期的进行比较。研究结果显示,全年当中,小黄鱼在产卵期内的幂指数显著偏小(P<0.05)。研究发现,根据平均b值来判断产卵期与非产卵期,采用周、或者比周更长的时间尺度所得到的数据是比较可信的;根据单个采样b值判断,采用半月、或比半月更长的尺度所得到的结果才可信。对全年各时期的幂指数进行分析发现,在4～5月份之间,幂指数出现一个低谷;在11～12月之间,出现一个高峰。且随着时间尺度的提高,这一变化特征更加显著。

Bootstrap方法及其在生物学研究中的应用

Bootstrap方法是以原始数据为基础的模拟抽样统计推断法,特别适用于那些难以用常规方法导出的参数的区间估计、假设检验等问题。本文介绍了该方法的基本思想及具体步骤,并附有生物学研究中应用的实例。生物科学中有许多数据总体分布信息往往很难确定,难以用常规的方法进行统计分析,因此Bootstrap方法在生物科学研究中具有很大的应用价值。

Bootstrap方法建立生物参考区间的研究

目的：探讨Bootstrap方法建立生物参考区间的可行性及最少样本量。方法选取120例健康者检测血清尿素（BUN），采用美国临床和实验室标准协会（CLSI）C28‐A3推荐参数、非参数方法及Bootstrap方法建立参考区间；计算参考区间上下限值、均方根误差（RMSE）、精密度比值（Id ）等指标，研究Bootstrap方法建立参考区间最少样本量。结果非参数、参数、Bootstrap百分位数、Bootstrap标准方法建立参考区间分别为3．00～7．39 mmol／L、3．05～7．33 mmol／L、3．12～7．18 mmol／L、3．10～7．33 mmol／L ，参考区间覆盖率大于95％，Bootstrap方法与C28‐A3推荐方法结果一致；进一步研究发现随着样本量减少，参考区间增宽、RMSE和Id 逐渐升高，样本量减少到60时结果稳定。结论 Bootstrap方法可应用于各种数据分布类型生物参考区间的建立，在小样本量时有一定优势，为临床实验室制订参考区间提供了新思路。

基于Bootstrap方法的VaR计算

介绍了非参数方法中的Bootstrap方法在估计样本分位点时的应用,其中在随机抽取子样时应用了MCMC方法,最后将该方法应用到了金融资产VaR的计算上.由于金融资产收益率的分布往往不能用参数方法准确的估计,Bootstrap作为非参数方法克服了这种局限,并改进了历史模拟方法.文章对欧元/人民币、日元/人民币两种汇率进行了VaR的计算的实证分析,计算了VaR的点估计和区间估计,并比较了几种计算方法,得到了一些有意义的结果.

参数和非参数Bootstrap方法的简单中介效应分析比较

采用数据模拟技术比较了(偏差校正和未校正的)参数和非参数Bootstrap方法在简单中介效应分析中的表现。结果表明,1)偏差校正的Bootstrap方法的总体表现优于未校正的Bootstrap方法,但在某些条件下会高估第Ⅰ类错误率,导致在ab=0时的置信区间偏差较大。2)参数Bootstrap方法优于非参数Bootstrap方法,偏差校正的参数百分位残差Bootstrap法的综合表现最优,且具有适用范围广,对原始样本依赖性小的优点,最具实用性。

中国高新技术产业技术创新效率的区域差异分析——基于三阶段DEA模型与Bootstrap方法

创新效率是影响高新技术产业技术创新能力的关键问题,本文将三阶段DEA模型与Bootstrap方法相结合,在控制环境因素影响的基础上测算了中国省际高新技术产业的技术创新效率,同时计算了效率的置信区间。研究表明,目前中国高新技术产业技术创新效率还比较低,且各省市之间差异较大。所有制结构、政府支持、企业规模和市场结构等环境因素,对于中国不同地区高新技术创新效率影响显著。纠偏后技术创新效率整体有所下降,但"东高西低"格局并未改变。

科技金融对技术创新的支持作用:基于Bootstrap方法的实证分析

有效的资金支持是技术创新进行的必要条件。从理论上分析了科技金融支持对技术创新的促进机制,并基于1994-2008年时间序列数据,采用小样本可靠的Bootstrap仿真方法,对我国科技金融发展与技术创新进行了Granger因果关系的实证检验,得到如下结论:科技金融体系框架中的财政科技投入、科技资本市场与风险投资支持均对技术创新具有促进作用,但银行科技信贷对技术创新的促进作用不显著。研究还发现,我国科技资本市场与风险投资发展间存在一定的相关性。基于上述结论,提出了促进我国科技金融体系发展的相关政策建议。

小子样场合下估算母体百分位值置信下限和可靠度置信下限的Bootstrap方法

将Bootstrap方法引入到小子样场合下母体百分位值置信下限的计算中,并与传统的单侧容限系数法和新单侧容限系数法进行了大量的对比计算,算例表明Bootstrap方法明显优于其他两种方法,在较高可靠度和置信度要求下母体百分位值置信下限不会出现负值的情况,而且计算得到的结果更接近真值。发展了一种半参数Bootstrap方法用于计算可靠度的置信下限,模拟计算表明半参数Bootstrap方法很好地克服了置信度较高时,新旧单侧容限系数计算出的可靠度置信下限过低的局限性,而且半参数Bootstrap方法的计算结果均有较高的精度。