共查询到19条相似文献,搜索用时 296 毫秒
1.
为了弄清楚多管火箭射程和密集度的分布特征,应用多元正态分布和矩阵分析理论,研究了多管火箭落点样本均值和方差的分布模型和它们相互独立的条件。得出的结论是:样本均值服从正态分布,样本方差由若干个服从卡方分布的随机变量的线性之和组成;样本均值的期望等于各管落点期望的算术平均值,方差为各管方差的算术平均值;样本方差是各管落点总体平均方差的无偏估计,方差与各管落点散布的差异相关;样本均值与方差相互独立的充要条件是:各管落点属于独立同分布样本。 相似文献
2.
3.
4.
针对当前空战装备效能评估数据呈现出的非线性、多维性和耦合性等特征,将Elman神经网络与Copula函数相结合,提出了一种多维装备效能的评估模型。基于现代化空战特点建立效能评估指标体系的同时,结合战场环境与信息化空中对抗体系的仿真数据,利用Elman神经网络的权值参数自学习能力以及对非线性数据的良好拟合性,得到了边缘分布的预测模型及分布类型;针对分布数据之间的强耦合特征,选取Gumbel Copula函数、Clayton Copula函数、T-Copula函数、Frank Copula函 数、Joe Copula函数5种常用Archimedean Copula函数对变量间的相关性进行构造,通过对参数辨识和拟合优度结果进行对比,发现基于T-Copula函数所构建的联合分布模型与原始数据分布最为契合。以概率统计指标为评估依据,将该方法与传统方法进行了对比验证,得出了该方法的预测精度及适用范围均有所提升的结论。 相似文献
5.
6.
捷联惯组历次测试数据样本总体分布及其参数是未知的,提出了"二次统计法"研究捷联惯组历次测试数据样本总体分布形式,根据捷联惯组误差系数的稳定性要求,确定了其样本总体分布的方差。在此基础上,根据验前信息的不同来源,以及验前信息与历次测试数据之间的统计关系,分4种不同情况确定其样本总体均值的验前分布。以验前分布为基础,利用贝叶斯方法获得其验后分布。验后分布集中了3种有用信息(总体信息、验前信息和样本信息),是对总体分布参数的最终认识,因此基于验后分布的统计推断是更为有效,也是最合理的。最后通过稳健性分析检验验前、验后分布的稳健性。 相似文献
7.
8.
9.
10.
11.
12.
13.
14.
基于Bayes混合验前分布的成败型产品可靠性评估 总被引:1,自引:0,他引:1
针对小子样成败型产品可靠性评估问题,引入混合验前分布构造方法,推导了Bayes混合验前分布下成败型产品可靠度参数的验后概率分布函数,研究了验前分布参数对于验后估计的影响,并总结了验前分布参数选择的一般性原则。分析对比了传统Bayes方法和混合验前分布方法的参数验后估计,其结果表明后者能够有效避免验前信息淹没现场信息的问题。对验后均方误差的分析表明混合验前分布方法能够一定程度上改善估计的效果。与幂验前方法的对比结果表明,当验前样本容量较大时,混合验前分布方法的估计效果优于幂验前方法。 相似文献
15.
基于层次Bayesian网络及后验风险准则的故障样本量确定方法 总被引:1,自引:0,他引:1
针对现有测试性验证方法对装备系统结构考虑不足,且在双方风险约束条件下所确定的故障样本量过大问题,提出一种基于层次Bayesian网络和后验风险准则的故障样本量确定方法。根据装备系统结构建立测试性验证方法的层次Bayesian网络模型,并以故障检测率作为Bayesian网络 的传递参数;提出Bayesian网络不确定性推理算法,充分融合各层次测试性先验信息,同时基于偏度-峰度检验的拟合分布选取方法推导出系统故障检测率联合先验分布;进一步结合系统成败型数据确定其后验分布,基于后验样本数据集和Bayes后验风险准则设计故障样本量确定算法,通过实例进行分析。结果表明,与经典验证方法、传统Bayesian方法相比,所提方法在相同双方指标约束下能有效降低样本量。 相似文献
16.
17.
针对在高速飞行器建模及动力学特性分析过程中,用多项式拟合方法求解飞行器小子样复杂规律建模问题的不足,提出了基于混合优化算法的高速飞行器数据拟合的新思路,即将建模中气动、动力小子样参数拟合问题转化为最短路径的优化问题,要求拟合出来的函数经过各数据节点的同时,走最短的路径,从而将数据拟合问题转化为非线性优化问题。该方法突破了传统多项式拟合阶次小于节点数的限制,获得了能够准确反映模型特性的平滑曲线。鉴于混合优化算法(仿生优化算法与序列二次规划的局部优化算法相结合)收敛半径大、优化精度高等优点,以某型高速飞行器小子样气动参数点为例,采用混合优化算法进行优化,在飞行器建模及动力学特性分析中用拟合得到的模型计算气动参数,可大大提高计算精度,仿真试验亦取得了满意的效果。 相似文献
18.
19.
基于信息散度的补充样本加权融合评估 总被引:2,自引:0,他引:2
小子样试验评估时,为避免大量先验信息湮没实际飞行试验的信息,融合先验补充样本时通常会根据工程经验对补充样本量作一定限制,对补充样本量的选取并没有量化的理论准则。分析了先验分布与实际试验样本服从分布的差异,通过分布差异进行信息散度计算,用信息散度确定先验样本权重。提出了考虑先验信息可信度的加权方法,以进行Bayes估计。最后提供了正态逆Gama分布参数的加权Bayes估计方法。理论分析和仿真说明,本文的加权方法是合理的。 相似文献