多链MCMC有限元模型修正收敛判定方法研究

针对多链MCMC算法主要依靠设置较多迭代步以生成足量后验样本的问题,提出了算法收敛及所需后验样本数量的自动判定方法.在MCMC算法迭代初期引入最优竞争策略,通过定向差分代替原有随机差分,从而使多链样本快速向目标方向移动以提升计算效率;将当前迭代步多链带宽与预设精度指标相比较,自动判定由定向差分向随机差分的转换时机;基于抽样分布定理,采用一段区间内的样本构造t分布判定指标,对多链MCMC算法是否收敛进行自动判断,并在样本量满足统计要求后自动终止算法,以大幅减少算法平稳期的计算工作量.数值算例及实桥修正结果表明:在相同的计算精度下,所提判定方法可使多链MCMC算法燃烧期计算效率提高30%,考虑预设步长的情况下整个迭代过程可提速约50%,为基于贝叶斯的有限元模型修正在大型土木工程中的应用提供了方法支撑.

基于计算负荷预测的配用电终端算力供需动态均衡方法

配电网侧海量分布式对象的持续涌入令配用电终端基于确定边界配置转变为柔性资源配置,该转变是在终端有限资源的基础上适应更广泛对象接入的可行保障。为此,提出一种基于计算负荷预测的配用电终端算力供需动态均衡方法,在配用电终端柔性配置转变下最大限度地降低配用电业务与终端供需配合时的计算负担影响,提高终端针对计算负担的平衡能力与稳定能力,实现资源的充分挖掘利用,以适应未来更广泛的对象接入。根据配用电业务的时移特性与调整策略,建立计算负荷模型;基于配用电业务计算负荷曲线的“季节性”特征,构建结合三次指数平滑与迭代马尔可夫链修正的区段预测模型;根据算力资源的交互关系,并结合业务调整策略的划分特点与计算负荷曲线特点,建立配用电业务算力资源均衡模型。算例结果表明:所建预测模型所获区段标准差值满足预测精度要求,所提均衡方法有效降低了算力资源的不平衡度,表现出良好的计算负担削减能力。

马尔科夫残差修正灰色模型及其在公路网规划中的应用

指出灰色模型的残差是一种马尔科夫链,并在此基础上提出马尔科夫残差修正灰色模型,并将其应用于公路网规划中的运输量的预测.比较了该方法与灰色预测模型的精度,实例表明该修正模型不仅可以弥补马尔柯夫预测的局限,又可弥补灰色模型的不足,具有较高的预测精度.