Monto Carlo方法在测量不确定度评定中的应用

测量不确定度的评定决定了测量结果的可靠程度,而测量中的测量不确定度分量往往是服从各种分布的随机变量,当随机变量是非正态分布时,测量不确定度的计算公式的误差较大。本文借助于Monto Carlo(MCS)方法对测量不确定度分量进行分析处理并加以评定。仿真结果表明,该方法在测量不确定度的模型建立上具有较好的效果,且适用范围更加广泛。

GPS向量网粗差探测的Bayes方法

应用现代Bayes统计理论和方法,提出了GPS向量网中多个粗差定位和定值的Bayes方法,并设计了相应的算法。对某GPS向量网的计算验证了该方法的有效性。

模型多孔炭中吸附过程的Monte Carlo研究

利用Monte Carlo(MC)方法构造了一种新型的多孔炭模型.该模型是由许多大小相等的"石墨球"构成的,模型中的孔来自球与球之间的空隙.通过巨正则系综Monte Carlo(GCMC)方法,模拟了这个多孔炭模型的氮气吸附实验.得到了多孔炭模型的比表面积、孔径分布等参数.该模型的比表面积约为400m2/g,孔径大小在0.8～1.0nm之间,说明模型中孔径分布处于微孔范围.

Bayes统计模型在出山月均径流极小值研究中的应用

数理统计方法在解决全球气候变化引起的洪水、干旱等极端水文事件中获得了越来越广泛的应用。选取乌鲁木齐河1958—2006年枯水期的月平均出山径流资料,采用广义Pareto极值分布(GPD)模型,并运用Bayes统计模型估计GPD的参数,最后对乌鲁木齐河枯水期月均出山径流极小值变化进行了估算。研究表明:1.参数的初始值、先验分布的均值分别取其极大似然估计值,先验分布的标准差取较小值,随机游走项分布的标准差取较大值,这种方法能使Markov链快速收敛;2.基于Bayes参数估计值的GPD在拟合月均径流量的极小值时具有很高的精确度,与传统的极大似然估计方法相比,Bayes统计模型的推断效果较好;3.乌鲁木齐河重现期为10 a、25 a、50 a和100 a的枯水期月均径流极小值分别约为0.60 m3/s、0.44 m3/s、0.32 m3/s和0.20 m3/s;4.100 a重现水平的95%置信区间的下限为-0.238 m3/s,说明当乌鲁木齐河在枯水期遇上百年一遇的极小值时,有可能出现断流的情况。

基于贝叶斯推断的裂纹梁损伤参数识别

针对在结构损伤诊断过程中存在的不确定性和对称结构损伤参数难以识别的问题,以梁损伤前后两阶频率变化平方比为基础损伤指标,采用对基础损伤指标进行积分处理的方法,构建新的损伤指标。基于贝叶斯结构损伤诊断理论,建立损伤参数的后验概率分布。采用马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法解决贝叶斯方程中存在的高维积分问题。仿真和算例分析说明,该方法可实现对损伤参数的有效估计。

电子束辐照GaN基LED的能量沉积研究

利用基于Monte Carlo方法模拟实际物理过程的CASINO程序,研究Ga N基LED受不同能量电子辐照时电子运动和能量沉积情况等变化,得出不同能量入射电子的能量沉积情况差别较大,且入射能量较低的电子束对Ga N材料的影响较大,这与实验所得结果相符。同时还研究了低能电子束辐照时碰撞能量沉积,将介质层化合物等效为带有一定原子序数的原子,利用解析方法模拟辐照Ga N时的能量沉积。结果表明,每种化合物的传输效率都与传输深度成反比,也与化合物等价原子序数成反比;等价原子序数越小的材料,电离能量损失的峰值越小;利用有效层方法得到电子在材料内部的能量沉积规律,即由于介质之间的差异使不同介质层之间存在明显的能量传输界线。

散度偏大计数数据回归模型的变量选择与模型比较

讨论了具有散度偏大特征计数数据的建模与拟合问题.针对导致数据散度偏大的原因和常用的几类候选模型的结构,分别给出了关于嵌套模型的模型与变量同时选择的Bayes方法和关于非嵌套模型的模型检验与比较方法,并在此基础上进一步完善,提出了较为系统完整的模型与变量选择方法.实际例子说明了方法的具体实现过程和有效性.

对一组种子数据的统计分析

Crowder曾经研究过一组种子数据,这组数据所对应的模型为二项线性混合效应模型.本文运用EM算法对模型进行参数估计,并利用“点删除”方法探测到了数据中的强影响点.

周期单变点Poisson过程及参数Bayes估计

根据某商场内累计逛街总人数,建立具有周期单变点的Poisson过程模型,研究周期等参数的满条件分布,并分别在绝对损失和平方损失作为损失函数的条件下,利用Gibbs与Metropolis-Hastings算法,讨论未知参数的Bayes估计.对给出的结果进行随机模拟与实例分析,表明两种损失函数下的Bayes估计均具有较好的精度.

快中子照相在武器质量检测中的可行性研究

为研究快中子照相技术(FNR)在武器质量检测中的可行性,以公开的武器模型数据建立模拟模型,利用Monte Carlo(MC)方法对快中子照相在武器质量检测中的安全性进行评估,由评估数据得出在14.1 Me V快中子累计照射2×10~8n条件下,铀、钚两种裂变材料损伤极小。同时,参考国外研究模型和预设缺陷,设计加工了类比模型实验样品,通过实验和模拟相结合的方式对武器检测中可能出现的内部狭缝、圆孔和中心位移等问题进行研究。实验结果表明FNR可以识别5 mm钢包裹条件下的1 mm的狭缝缺陷。模拟结果显示FNR可以实现对特定厚度的特殊材料进行中心位移缺陷诊断,模拟评估和实验结果表明快中子照相技术在武器质量检测中具有可行性。

Cu/γ-Al_(2)O_(3) SCR催化剂的脱硝性能及机理:实验与理论模拟

以Cu/γ-Al_(2)O_(3)催化剂为研究对象,采用实验、蒙特卡罗(Monte Carlo,MC)及量子化学相结合的方法,探究该催化剂的脱硝性能及机理。结果表明,8-Cu/γ-Al_(2)O_(3)催化剂在573K时脱硝效率可达到98.8%,是一种高效的SCR催化剂。CuO作为Cu/γ-Al_(2)O_(3)催化剂的主要活性组分,对NO的还原起重要作用。NH_(3)在CuO表面的吸附强于NO,这两种气体在催化剂表面的吸附均随压力的增大而增强,随温度的升高而减弱。NO还原过程中,NH_(3)分子首先吸附在CuO表面,Cu位点为吸附活性位点,相应的化学吸附能为-74.88kJ/mol。吸附的NH_(3)进一步与烟气中的NO反应,生成N2和H2O分子。

基于dropout-MC递归神经网络的锂电池剩余寿命预测

为保障电动车辆的可靠性和安全性,提出了一种dropout Monte Carlo(dropout-MC)递归神经网络的锂离子动力电池系统的剩余寿命(RUL)预测方法。以等电压充电时间间隔作为间接健康因子,考虑外部干扰和容量再生现象的影响,以变分模态分解(VMD)来获得电池退化趋势。以改进的递归神经网络模型——长短时间序列(LSTM)来获得剩余寿命预测。以dropout-MC采样方法来表征锂离子电池剩余寿命的不确定性,并获得锂离子电池RUL的95%置信区间。结果表明:相较于传统的极限学习机(ELM)方法和非线性自回归神经网络(NARX)方法,该文方法的剩余寿命预测性能指标均低于2.4%。因而,该方法具有优越的预测性能,且获得预测的置信区间。

舰船尾流气泡后向光学检测方法研究

为探索舰船尾流后向光学检测方法,研究了尾流气泡对水中激光脉冲后向散射特性的影响。首先基于Fournier Forand体积散射函数,利用蒙特卡罗(Monte-Carlo)方法理论分析了近距离尾流气泡对激光脉冲后向散射特性的影响。然后,采用蓝绿激光脉冲作为光源,实验研究了模拟尾流气泡对激光脉冲后向散射信号的影响。研究表明,尾流气泡的存在会使得激光脉冲后向散射信号前沿位置在时域左移,后沿位置在时域右移,信号时域宽度增加,能量增强,峰值增大且位置在时域左移。最后根据研究结果提出了一种基于激光脉冲后向散射信号特征变化的舰船尾流气泡后向检测方法。

涨落后的城市道路交通拥挤蒙特卡洛预测

阐述了城市道路交通系统涨落和触发的数学描述,建立出现涨落后城市道路交通系统的自组织过程动态数学模型;依据最大交通流导致路段最大饱和度原理将模型简化,并利用蒙特卡洛(MonteCarlo)方法,将模型应用于出现涨落后道路拥挤预测.

华北农田土壤水分运动参数的Bayes估计

为了估计具有垂向空间异质性的田间尺度土壤水分运动参数,提出利用原位多点土壤含水率观测数据反演多层土壤持水和导水特征参数的Bayes方法。该方法基于Hydrus-1D模拟模型建立Bayes推断模型,采用Markov Chain Monte Carlo(MCMC)方法求解Bayes联合概率分布,得到参数的后验边缘分布。将该方法应用于华北平原一典型农田土壤剖面,参数反演结果反映了空间变异性,与室内试验值具有较好的一致性,相应的土壤水分运动模拟具有较高精度,从而验证了该方法的有效性。

壁面与气体分子间作用力对微尺度气体润滑性能的影响

当微尺度气体润滑轴承的间隙达到数nm时,固体表面与气体分子间的Van der Waals力对气体轴承的性能会产生不可忽视的影响。该文假设轴承壁面对气体分子存在Van der Waals作用力,并利用DSMC(direct simulation Monte Carlo)方法结合分子在表面力作用下的运动算法,研究了该作用力的强度和作用范围对微尺度气体润滑的影响。结果表明:气体轴承中分子密度的分布与不考虑表面力时相比发生了改变,与表面力的作用强度和作用距离有关;壁面的吸引力加剧了分子在壁面附近的聚集,排斥力则相反。