基于Monte Carlo法的极值分布类型及其参数估计方法比较

为探讨极值概率分布模型(极值Ⅰ型、Ⅱ型、Ⅲ型分布)在工程场地重现期内极值风速预测中的适用性,以工程上常用的风速分布模型为依据,采用Monte Carlo数值模拟法分别产生服从指数分布、正态分布、瑞利分布、威布尔分布、对数正态分布、广义极值分布的伪风速母样.基于以上伪风速母样分别使用极大似然参数估计法和概率权矩法对极值Ⅰ型、Ⅱ型、Ⅲ型分布模型中的参数进行估计,并与伪风速母样的理论极值分布进行对比分析.结果表明:极大似然参数估计法适用性较强,参数估计精度较高;重现期内极值风速的估算对风速母样分布类型敏感,服从不同分布的风速母样,应有针对性选用极值分布类型估算重现期内极值风速.     

冷贮备串联系统可靠性指标的估计

运用最大似然法和经验Bayes方法,研究冷贮备串联系统可靠性指标的估计问题,分别给出了该系统失效率、可靠度函数与平均寿命的点估计。最后利用随机模拟方法,对两种估计结果进行了比较,结果表明,经验Bayes估计优于最大似然估计。     

极值分布在无失效数据下的修正极大似然估计

给出了修正似然函数重要参数的Bayes估计 ,并给出在无失效数据下极值分布参数的修正极大似然估计。     

逐步增加II型截尾下指数分布简单步加试验的统计分析

步进应力加速寿命试验是一种经济实用的寿命试验方法,讨论了逐步增加Ⅱ型截尾指数分布简单步加试验的参数估计。利用Fisher信息阵获得了参数的Jeffreys无信息先验,并利用蒙特卡罗马尔可夫链方法给出了参数的Bayes估计。最后,通过Monte Carlo方法对Bayes估计和最大似然估计进行了模拟比较,统计表明Bayes估计是高效而实用的。     

GCU中欠压保护电路的可靠性评估

通过对欠压保护电路的分析,用极大似然法和经验Bayes法讨论了系统可靠性评估问题,给出了系统失效率、可靠度和平均寿命等可靠性指标的估计.最后利用Monte-Carlo随机模拟方法对可靠性指标的经验Bayes估计和极大似然估计进行比较后表明,经验Bayes估计优于极大似然估计.     

广义Pareto分布下风险值估计

采用适当的统计方法来估计广义Pareto的分布参数，对于计算基于极值理论的风险值(VaR)具有重要的理论和现实意义．一般采用最大似然法(MLM)对它的参数进行估计，作者采用和McNeil，Frey相似的方法选择域值后，分别采用最大似然法、概率权重矩法(PWM)和矩法(MoM)对广义Pareto分布的参数进行了估计．并对上证指数的VaR进行了相应计算，最后对结果进行后验比较分析，探讨了不同估计方法的适用规律．     

一种新的J-M模型参数区间估计工程算法

将Bayes统计方法应用于J-M模型参数的区间估计研究.首先给出J-M模型参数的基于杰弗莱原则的先验分布,在此基础上给出模型参数的Bayes后验分布密度,由此得出模型参数的Bayes点估计.然后,在点估计基础上,给出模型参数的Bayes区间估计方法.最后,分别将J-M模型参数的最大似然、最小二乘以及Bayes区间估计法应用于多组公开的失效数据集,求解模型参数的区间估计值.计算结果表明,Bayes区间估计算法的计算精度、适用性以及稳定性是三者当中最好的.     

随机桥梁地震可靠度分析的改进最大熵方法

为了对复杂非线性桥梁结构进行随机地震作用下的动力可靠度分析,基于最大熵原理,构建了一种高效的桥梁非线性地震可靠度分析方法。首先阐述了桥梁结构地震可靠度分析与极值分布估计的关系,将桥梁结构的地震可靠度分析转化为对应的极值分布估计;然后建立了复杂桥梁结构非线性地震响应极值分布估计的最大熵方法,针对现有的最大熵分布求解过程受初值影响较大、不容易收敛等问题,提出一种基于似然函数的最大熵分布求解方法,从而实现了桥梁结构地震响应极值分布和地震可靠度的高效求解;最后以一座典型的高墩大跨连续刚构桥为例,通过蒙特卡洛模拟验证所提方法的精度和效率,并将结果与核密度估计和对数正态分布拟合的计算结果进行对比分析。结果表明:基于似然函数的最大熵分布求解方法不仅能够获得全局最优解,而且求解过程不受初值的影响、具有较好的数值稳定性,所提方法能够对随机地震作用下桥梁结构地震响应的极值分布和动力可靠度进行精确估计;核密度估计和对数正态分布无法对小失效概率水平下结构地震响应的极值分布进行估计,建议采用最大熵方法对桥梁结构进行地震可靠度分析。     

最大似然估计在GPS定位中的应用研究

讨论了基于ｎ个伪距测量值的最大似然定位原理和定位误差分析，并给出了根据可见卫星个数，自适应调整定位而数目的最大似然估计定位的算法。精度分析中，将标准的利用四颗卫星信号定位，利用五颗卫星信号的最大似然定位同利用所有可见卫星信号的自适应最大似然定位进行了比较，分析表明，与标准的四颗卫星定位相比，ＧＰＳ自适应最大似然定位可改善定位精度１２ｍ。     

一种高精度空间多载波测距新算法

根据空间精密测距的需求,由多载波最大似然传输时延估计算法的表达式,推导了其克拉美罗界;根据似然函数的形式,提出了一种迭代最大似然时延估计算法．计算机仿真结果表明,所提出的迭代时延估计算法收敛速度快,与使用穷搜索的最大似然方法相比,具有复杂度低的特点; 在信噪比为-10dB的恶劣条件下,同基于相位的多载波测距方法相比精度至少提高了2倍; 随着信噪比的增加,性能趋于克拉美罗界．     

极值风浪联合概率模型参数估计的简化方法

介绍了多变量极值理论及在其基础上建立风速和有效波高的极值联合概率分布参数估计过程复杂，而且对工程师有较高的要求，因而不便于工程应用。通过相关系数估计该分布的相关模型参数的方法，推导了相关样本产生及其相关系数的检验方法；通过该方法产生相关样本，分析得到了风速和有效波高间相关系数对其极值变量的Logistic相关模型参数的影响规律，建立了它们之间的函数关系式。根据该公式可大大简化风速和有效波高极值联合概率分布的参数估计，使基于多变量极值理论的极值风浪联合概率模型实用化。     

基于误差修正的极端天气下风速预测

精确地预测极端天气下的风速能为配电网防灾抗灾提供重要的指导作用.本文提出基于时间卷积网络（Temporal Convolutional Network,TCN）与双向长短期记忆网络（Bi-directional Long Short-Term Memory,BiLSTM）和误差修正的组合模型对极端天气下的风速进行预测.首先对天气数据进行预处理,用TCN提取多特征数据的时间序列特性,将提取信息输入到BiLSTM中进行风速预测.为进一步提高预测精度,引入变分模态分解（Variational Mode Decomposition,VMD）对误差序列进行分解,分别对分解后的误差子序列构建BiLSTM模型进行误差预测,用误差预测值对风速预测值进行误差修正.结合河南省某地实测天气数据进行实验,仿真结果验证了所提方法能有效预测风速,并在极端天气发生时,对风速具有较高的预测精度.     

基于Copula函数的杭州地区多风向极值风速估计

为了合理确定建设场地的结构抗风设计风速,提出多风向极值风速估计方法.以杭州地区日极值风速风向为统计样本,采用核密度-广义帕累托混合模型来描述各风向下的极值风速边缘分布,提高了Up-crossings法估计极值风速的准确性.基于严格选择的Copula函数建立杭州地区风速风向联合分布模型.采用该联合分布模型计算得到了不同重现期下考虑风向相关性的多风向极值风速,并与不考虑风向相关性的极值风速估计值进行对比.结果表明,具有给定重现期的设计风速估计应考虑风向相关性的影响.在不考虑风向相关性的情况下,容易给出偏于风险的极值风速估计值.     

基于ACTS风速预测模型的变电架构灾变特性数值模拟

根据预测理论,提出了ACIS(渐近变动时间序列)风速预测模型,利用已有的风速数据预测了未来时段的风速数据,通过建立变电架构的三维数值模型,对架构进行了风速时程分析.研究了变电架构在预测风速下的动力时程响应特性,得到架构的各项动力响应指标,研究成果可为变电架构防风减灾提供参考.     

基于支持向量机的短期风电功率预测

风电场风速及风电机功率预测的准确性对电力系统运行有着重要的意义。基于支持向量机理论,结合江西省某风电场的风速和功率历史数据,建立了支持向量机风速预测模型,预测未来4 h的风速和功率。仿真结果表明:该模型预测的风速和功率平均相对误差分别为6.35%,16.83%,要优于BP神经网络的25.37%,25.43%。     

应用台风风场经验模型的台风极值风速预测

为准确、高效地进行台风多发地区建筑结构设计风速的预测,利用中国东南沿海1949—2012年的台风历史数据进行了香港地区台风关键参数概率分布的研究,提出了基于新的Holland径向气压分布参数B表达式的台风风场经验模型.在此基础上结合Monte Carlo数值模拟技术,利用台风极值风速分析方法完成了不同重现期下香港地区台风极值风速的预测,并与观测数据、香港风荷载规范计算结果进行对比分析,验证了利用此台风风场经验模型进行台风极值风速预测的有效性.     

Characteristics for wind energy and wind turbines by considering vertical wind shear

The probability distributions of wind speeds and the availability of wind turbines were investigated by considering the vertical wind shear. Based on the wind speed data at the standard height observed at a wind farm, the power-law process was used to simulate the wind speeds at a hub height of 60 m. The Weibull and Rayleigh distributions were chosen to express the wind speeds at two different heights. The parameters in the model were estimated via the least square(LS) method and the maximum likelihood estimation(MLE) method, respectively. An adjusted MLE approach was also presented for parameter estimation. The main indices of wind energy characteristics were calculated based on observational wind speed data. A case study based on the data of Hexi area, Gansu Province of China was given. The results show that MLE method generally outperforms LS method for parameter estimation, and Weibull distribution is more appropriate to describe the wind speed at the hub height.     

基于Vine Copula函数的风浪要素联合概率分布模型

随着全球气候变暖的加剧,极端气候现象发生的频率和强度均可能加大,这对海岸和近海结构的安全不利。基于中国东海的连云港海洋观测站实测风浪数据和Vine Copula理论,建立风浪要素中风速、波高、波浪周期、风向和波向五维随机变量之间的联合概率分布模型。采用极大似然法确定各风浪要素边缘分布模型参数,通过AIC信息准则和均方根误差RMSE进行拟合优度评价,由此建立风浪要素的边缘分布。采用带有基于残差的高斯似然函数的贝叶斯框架估计二维Copula函数的参数,结合AIC信息准则进行拟合优度评价并确定最优Copula函数。绘制最优联合分布概率密度图,与二维频率直方图进行对比以评价模型效果。采用Vine Copula函数建立多维联合概率模型并结合AIC值评价其拟合优度。研究结果表明：建立的Vine Copula模型可以较好地刻画风速、波高、波浪周期、风向和波向五维随机变量之间的联合概率分布。     

风电系统风速预测算法的马尔科夫理论修正模型

针对风速的强时序性和强随机性,提出了一种新型的基于马尔科夫理论的改进风速预测算法,该算法利用小波分解与重构获取各层平稳风速信号,并分别对各层平稳信号进行时间序列建模预测。由于以上算法在风速剧烈变化时存在预测失真,依据风速的马尔科夫转移特性,利用时变马尔科夫一步转移概率矩阵修正各层加权叠加后的风速预测值。以风电系统为例进行了研究,仿真结果表明:该方法具有较高的预测精度。     

基于时间序列和神经网络法的风电功率预测

为克服风速与风电功率之间的非线性关系对预测精度的影响,建立了基于时间序列法和神经网络法的改进预测模型。用时间序列法建立风速预测模型;利用神经网络法建立风速-风电功率模型,并以风速预测数据为输入量预测风电功率。以某风电场为例,比较分析了该改进模型与传统预测模型的平均绝对误差和相关系数,结果表明该改进预测模型可有效提高预测精度。