Y因子法测量天线噪声温度的不确定性分析

介绍了Y因子法测量天线噪声温度的原理方法,分析了常温负载和低噪声放大器噪声温度的不确定性对天线噪声温度测量的影响,推导了天线噪声温度测量的绝对误差计算公式,研究了低噪声放大器噪声温度对天线噪声温度测量精度的影响,提出了改善天线噪声温度测量精度的方法。最后,给出了65 m射电望远镜天线L波段、C波段和X波段噪声温度测量结果。测量结果的误差分析表明:65 m射电望远镜天线噪声温度测量的绝对误差≤±2.48 K。

考虑电价不确定性的发电企业电能量-辅助服务市场报价策略

为适应国内电力市场发展,灵活应对电价不确定性,文中以国内电力市场建设现状为基础,重点围绕发电企业在日前市场下的交易展开研究。综合考虑由于日前出清电价存在不确定性而造成的影响以及碳排放权交易成本,构建了在参与日前电能量市场与辅助服务市场时发电企业的联合报价模型。日前电价的不确定性通过获取典型电价场景并基于Kantorovich距离的向前选择方法进行场景削减。基于条件风险价值(conditional value at risk,CVaR)将发电企业选择竞价策略时的风险偏好进行量化并建立模型,再对所提模型进行计算求解得到相应的报价策略。算例分析结果表明,所提模型可以为发电企业提供有效的报价策略,灵活应对电价波动。相较于不参加二次调频辅助服务市场时发电企业收益得到提升,且企业可根据自己的风险偏好更改模型中的风险因子,以得到理想报价策略。

基于神经元统计建模分析的模型不确定性度量

神经网络的不确定性反映模型对自身预测结果的置信水平,能在决策不可靠时促使及时的人工干预,提升系统安全性.然而,现有度量方法常需要对模型或训练过程进行显著修改且实施复杂度高.为此,本文提出一种基于神经元统计建模分析的不确定性度量方法.该方法充分利用模型单次前向传播过程中的激活值,首先以改进的核密度估计技术构建神经元的激活分布,模拟神经元的正常工作范围.接着采用邻域加权密度估计方法计算异常因子,用以量化测试样本与神经元激活分布的偏离程度.最终通过统计方法综合各神经元的异常因子作为样本的异常统计量,为模型不确定性的评估提供新的视角.实验结果涵盖多个公开数据集和模型,通过可视化特征图直观展示本文方法在区分域内外样本方面的显著效果.此外,本文方法在域外检测任务中表现出卓越性能,AUROC指标在多种实验设置下均超越其他现有方法,验证提出方法的通用性和有效性.

中小型企业商业模式创新对企业绩效的影响——基于环境不确定性的调节效应

随着全球经济一体化,企业环境日益复杂,商业模式创新成为企业提升绩效的有效途径。为了深入探索商业模式创新对中小型企业绩效的影响,本文提出了商业模式创新、企业绩效和环境不确定性的关系假设,通过对2018~2022年中小型上市公司的财务数据进行实证分析和假设检验,析法和逐步回归法成功地揭示了这五年间公司财务状况的演变趋势和潜在问题。商业模式创新如同为企业注入新的活力,使得企业在竞争激烈的市场环境中得以焕发新的生机。同时,环境不确定性如同阴霾的天空,在其中起到了关键的调节作用,使得商业模式创新的效果更加显著。这一发现为商业模式创新理论注入了新的活力,它以丰富的视角重新诠释了企业绩效关系,使这一领域的研究更加深入。

基于确定性因子模型的区域地面沉降敏感性研究

以天津市滨海新区为例,结合确定性因子模型,分析研究区内渗透系数、地下水埋深、压缩层厚度、压缩模量4个诱发因子对地面沉降敏感性的影响,并绘制了地面沉降敏感性区划图.精度检验表明:基于确定性因子模型生成的沉降敏感性综合指数对研究区内已发生的沉降具有较好的“诊断”作用,AUC值达到了0.851 6,从而证明该方法对于区域地面沉降的评价和预测是非常有效的,其分析结果可以广泛应用于地面沉降敏感性区划、灾害预测预警的分析决策当中.

基于混频数据的日度经济不确定性测度及其应用

经济不确定性主要反映经济系统的不可预测程度,可以通过经济指标的实际值和预期值之间的偏差进行测度。为及时测度我国的经济不确定性,本文提出一种同比形式的日度混频动态因子模型,将金融市场的日度数据和传统的宏观低频数据信息相结合,构建我国日度经济意外指数和经济不确定性指数,用于反映我国宏观经济运行的非预期成分和不确定性程度。进一步地,本文基于日度数据分别讨论经济意外指数对人民币汇率的影响,以及经济不确定性对我国股市波动率的影响,研究结果表明经济意外指数的正向变化使人民币对美元升值,经济不确定性的增加将加剧股市波动。

Knight不确定性环境下资产定价的均衡数值试验研究

资本资产定价理论的核心在于均衡价格——瓦尔拉均衡价格的存在,其关键假设是"经济行为人总能对未来的不确定自然状态做出确切的概率估计"。最近的研究不断突破这个假设,强调经济人对未来的不确定状态的概率估计应该有Knight不确定性。构造一个能够直接进行数值模拟的Knight环境下资本资产定价模型,基于该模型进行多个经济人的均衡数值试验,可以获得一些有启发意义的结果。

基于确定性系数模型的地质灾害多因子权重计算方法

地质灾害影响因子权重的确定是区域地质灾害评价和预警模型研究的关键。本文采用确定性系数模型（CF）实现复杂多因子数据的同区间量化,基于CF值直接代表着各因子对地质灾害的贡献这一物理基础,提出了一种基于CF的多因子叠加确定权重法。该方法通过三步完成权重计算：（1）基于CF的地质灾害各影响因子量化,使得各影响因子取值均介于0-1;（2）所有影响因子逐级叠加计算,计算所有因子的相对贡献值;除某计算因子外,其他所有影响因子的逐级叠加计算,得到除某计算因子外的其他所有因子的相对贡献值;（3）通过相减的方法,得到某计算因子的相对贡献值。同样方法分别得到所有因子的相对贡献值,最后归一化处理分别得到所有因子的权重。最后,以区域显式统计预警模型中潜势度计算为例,分区计算确定了地质灾害各影响因子的权重,并以潜势度计算结果进行效果检验,验证了基于CF的多因子叠加确定权重法的有效性和实用性。

基于确定性系数的降雨型滑坡影响因子敏感性分析

本文选择东南沿海地区具有典型降雨型滑坡的淳安县作为研究区,在完成全县地质灾害详细调查的基础上,选取高程、坡度、坡向、曲率、工程地质岩组、距断层距离、距道路距离、土地利用和植被等9个滑坡影响因子,利用GIS技术与确定性系数分析方法,对这9个影响因子开展敏感性分析。研究结果表明:(1)寒武、震旦、石炭和白垩系是滑坡易发地层,侵入岩组、紫红色砂岩、碳酸盐岩夹碎屑岩、碳酸盐岩为主的岩组是滑坡高敏感性岩组;滑坡受断层影响总体上随着距离断层由近及远逐渐降低;(2)坡度范围10°~35°是滑坡的易发坡度,30°~35°滑坡数量达到峰值;SE和S等朝南坡向是滑坡最易发坡向;高程范围为100~200m是滑坡最易发区间;凹坡最易发生滑坡,而凸坡则滑坡敏感性最差;非林地、茶叶、竹林和经济林等是滑坡高敏感植被类型;(3)住宅用地、耕地、园地等与人类活动密切相关的用地类型是滑坡易发地类;距道路距离因子对滑坡敏感性低,相关性不明显。上述各滑坡影响因子最利于滑坡发生的数值区间确定,将为研究区进一步开展降雨型滑坡区域易发性评价及预测奠定基础。

计及光伏不确定性和低碳需求响应的工业园区光-储分布鲁棒规划模型

在双碳背景下,工业园区能通过配置光-储发电系统,减少外部购电量,从而降低碳排放水平,但光伏的不确定性给工业园区最优规划带来了一定挑战。基于此,建立了计及光伏不确定性和低碳需求响应的工业园区光-储鲁棒规划模型。该模型以园区年综合成本最小为优化目标,基于碳排放流理论,将动态碳排放因子作为需求响应的实时电价的定价依据,其次,利用光伏出力的历史数据,通过场景聚类,建立典型出力场景和其概率分布,构建基于数据驱动的两阶段分布鲁棒光-储规划模型。最后,利用Cplex商业求解器对某工业园区进行算例仿真,验证了所提模型的有效性。

路网机动车排放因子测算与不确定性分析

为分析交通指数和排放因子的测算机理,选择以速度为衔接点,首先研究交通指数下的速度分布测算方法和速度对排放因子的修正关系;其次,研究交通指数下的路网机动车排放因子测算方法,并分析排放因子的不确定性量化方法;然后,以北京为例,测算交通指数下的路网交通排放因子.结果表明:当路网交通指数位于2~8之间时,CO_2排放因子随交通指数的增长而平稳增加,但交通指数在(0.6,2]和(8,9.4]时,CO_2排放因子随交通指数的增长而快速增加.最后,统计了不同聚类方法下的排放因子偏差率,发现按工作日节假日和上下午分类后,交通指数下的CO_2、CO、HC、NOx排放因子平均偏差率分别从3.48%、6.67%、6.08%、6.68%下降至2.65%、5.35%、5.20%、5.36%.

Knight不确定性与一般风险资产的动态最小定价

文章研究了具有Knight不确定性的金融市场,利用倒向随机微分方程(BSDE)的重要理论以及时间-风险折现方法,探讨了一般风险资产的动态定价公式,求出了一般风险资产在Knight不确定性控制集合上的动态最小定价。最后通过研究某种风险资产的动态最小定价公式,借助于数值分析,揭示了Knight不确定性对风险资产定价的重要影响。

基于比例边界有限元法计算应力强度因子的不确定量化分析

应力强度因子是预测荷载作用下结构中裂纹产生和扩展的重要参数。半解析的比例边界有限元法结合了有限元和边界元法的优势,在裂纹尖端或存在奇异应力的区域不需要局部网格细化,可以直接提取应力强度因子。在比例边界有限元法计算应力强度因子的框架下,引入随机参数进行蒙特卡罗模拟(Monte Carlo simulation, MCS),并提出一种新颖的基于MCS的不确定量化分析。与直接的MCS不同,采用奇异值分解构造低阶的子空间,降低系统的自由度,并使用径向基函数对子空间进行近似,通过子空间的线性组合获得新的结构响应,实现基于MCS的快速不确定量化分析。考虑不同荷载状况下,结构形状参数和材料属性参数对应力强度因子的影响,使用改进的MCS计算应力强度因子的统计特征,量化不确定参数对结构的影响。最后通过若干算例验证了该算法的准确性和有效性。

基于确定因子的不确定性推理的仿真实现

针对传统的基于确定因子的不确定性推理模型在实际应用中出现的几个问题,提出了一种新型的以数理统计理论为基础、通过采用计算机模拟的方法来实现不确定性推理模型中相关参数的算法模型,并对基于确定因子的不确定性推理模型的相关知识作了详细叙述。根据所给出的算法模型,以地震预报专家系统中某条知识表示的规则强度CF的值的得出为例,完成了对CF的模拟,详细阐述了方法的实现过程并对模拟出的值的可信程度进行了检验,结果证明模拟技术为人工智能研究领域的不确定性推理的应用提供一种新的方法。

土壤可蚀性因子制图及其不确定性研究进展

土壤可蚀性因子是评价土壤对侵蚀敏感程度的重要指标,也是进行土壤侵蚀预报的重要参数。为促进今后相关研究的发展,较为系统地阐述了土壤可蚀性因子、土壤可蚀性因子的空间预测以及土壤可蚀性因子制图中的误差和不确定性的国内外研究现状。分析指出,准确地制作土壤可蚀性因子空间分布图具有重要的现实意义,然而,影响土壤可蚀性因子的因素相当复杂,将土壤类型、高程、遥感等辅助信息融入空间预测,量化、分析空间预测过程中的不确定性,降低制图误差、提高精度、控制风险,成为今后研究的方向。

供应链不确定性构面因子研究

供应链具有需求面、供给面、生产面三类不确定性。供应链这三个不确定构面涵盖11个因子、26个变量。对这一结构方程模型进行探索性因子分析与验证性检验,结果表明模型拟合度较好,发展了可供研究与运用的供应链不确定因素探讨模式。

基于广义灰色激励因子的多源不确定性指标动态综合评价模型研究

由于多数评价指标的数据来源多、存储方式不一、处理方法各异等,使得其具有多源不确定性(multisource uncertainty,MSU)特点,具体表现为指标评价值往往包括灰数、模糊数、区间值模糊数以及白数等。针对此类指标的评价问题,提出了新的基于广义灰色激励因子的多源不确定性指标(multi-source uncertain index,MSUI)动态综合评价模型,首先引入广义灰数的基本理念,将传统的灰色绝对关联模型扩展到评价指标为广义灰数的形式,由此得出各个时间段指标的广义灰色激励因子;然后根据指标信息不对称的特点,构建基于MSUI的广义灰色熵权模型,求解出各个指标的广义灰色熵权;接着在广义灰色激励因子与广义灰色熵权的基础上,建立基于广义灰色激励因子的MSUI动态综合评价模型;最后结合案例研究证明了模型的有效性与可行性。

考虑气象因子不确定性的参考作物蒸散量预报方法

参考作物蒸散量(ET0)的准确预测预报对于制定作物灌溉制度与实时灌溉调度具有重要意义,然而气象因子的不确定性极大的影响着ET0的预测精度。因此本研究采用马尔科夫蒙特卡罗模拟与自适应采样算法相结合的方法(AM-MCMC)对气象因子的不确定性进行修正,以气象站实测ET0作为标准值,利用径向基神经网络(RBF)模型建立气象因子与ET0的映射关系,建立基于气象因子不确定性的ET0不确定性预测模型(CU-RBF),并以华北平原农田下垫面为例进行验证。结果表明,与传统的RBF确定性预报结果相比,CU-RBF预测结果的各精度评价效果均有所提高,纳什系数提高了10%,均方根误差和平均绝对误差分别降低了16.94%、17.05%,且单独修正平均风速的CU-RBFWs预测模型效果比分别单独修正最高温度、平均相对湿度的预测模型效果好。考虑气象因子不确定性开展ET0的预报研究,减小了预测值与实际值的误差,可为农田下垫面的未来水分管理提供科学依据。

考虑气象因子的不确定性灌溉水资源优化配置

基于不确定性区间作物水分生产函数,选取春小麦、玉米、棉花和白兰瓜这4种典型作物,建立不确定性条件下灌溉水资源优化配置模型,并将气象因子(蒸发蒸腾量和相对湿度)的不确定性引入其中,以反映气候变化对灌区配水的影响.结果表明,在石羊河流域民勤地区,玉米单方水经济效益较低,故其优化灌溉定额相比现状灌溉定额变化较大.棉花是单方水经济效益最大的作物,其次是白兰瓜,所以当可用水量短缺时,在确保粮食安全的前提下,为降低因灌溉缺水而带来的经济损失,要优先保证棉花和白兰瓜灌溉用水.引入气象因子的灌区水资源优化配置模型区间优化配水定额范围更广,反映出气象因子对灌区配水的影响.本研究验证了不确定性方法在实际应用的可行性,可为灌区水资源合理分配提供更可靠的科学依据.

考虑认知不确定性的模型确认贝叶斯因子法

针对认知不确定性条件下计算机建模仿真所面临的模型确认问题,提出一种结合了二阶概率法与区间数排序的改进贝叶斯模型确认方法。该方法首先采用二阶概率法对模型的不确定性进行量化,量化结果被作为先验模型输出,再基于实验数据对模型输出的先验概率密度进行贝叶斯更新,最后通过区间数排序的方式对比模型输出的后验和先验概率密度。由此所得的贝叶斯因子能够在模型存在认知不确定性的情况下为模型确认提供可信的结果。算例分析结果显示了该方法的合理性。