基于检测数据更新的混凝土碳化深度预测

混凝土碳化深度预测模型及模型参数的选择均存在不可忽略的主观不确定性和随机性,应用于实际工程时存在显著的误差,而实际检测数据往往样本数量少、缺乏足够的完备性而不能用于实际工程中混凝土碳化深度的预测。以几个碳化深度预测模型计算结果的加权平均值来预测混凝土碳化深度,用贝叶斯方法结合检测信息和先验预测模型,更新预测模型权重的概率分布和相应模型分布参数的概率分布,采用更新后的模型权重和参数后验分布,可以更加准确地对结构的碳化规律进行评估和预测。以一个10 a期自然碳化试验结果为例,验证了本方法的有效性。     

基于DLM的桥梁结构承载力的贝叶斯预测

为结合检测信息和承载力的先验模型来对桥梁结构性能进行预测,认为结构性能随时间变化的动态测量为一个时间序列,然后引入了动态线性模型(DLM)对结构性能进行预测.考虑到桥梁结构性能的时变特性,运用贝叶斯动态模型建立了退化抗力的状态方程和观测方程,并通过贝叶斯因子来对检测信息进行监控,然后结合参数的先验信息,对退化抗力的状态参数进行贝叶斯后验概率推断,建立了一个动态线性模型来对结构抗力短期的变化趋势进行预测.为了结构性能线性模型的贝叶斯动态修正,确定了一步向前预测分布和滤波分布.基于检测信息,考虑到变量估计主观认识的不确定性,引入折扣因子来确定状态误差方差矩阵.最后,通过算例论证了本文方法的适用性.     

基于微分等价递归算法的桥梁体系耐久性可靠度动态评估

结构耐久性可靠度评估应以体系为对象,并且要体现结构性能的自身特征及动态时变特性。基于贝叶斯动态更新技术,以混凝土碳化深度为随机变量,利用体现结构个性特征的实桥检测信息对传统静态碳化模型进行修正。以可靠度指标为评价标准,引入能计入构件间相关性的微分等价递归算法,并将其嵌入到贝叶斯动态更新框架中,构造出体系碳化耐久性动态评估模型和计算流程,形成了复杂体系碳化耐久性动态可靠度计算方法,采用MATLAB平台开发了计算程序。利用碳化试验模拟实桥检测数据,对钢筋混凝土拱桥进行了体系动态耐久性评估,发现模型更新后拱圈和立柱的碳化耐久性可靠度比更新前有所增大,而桥面板则有所降低,体系耐久性可靠度低于构件可靠度。     

基于BDNM的桥梁结构可靠度预测

为了结合监测极值应力和应力参数(平均值)的先验模型来对桥梁可靠度进行预测, 认为极值应力随时间变化的动态测量为一个时间序列, 并考虑到贝叶斯动态线性模型(BDLM)的局限性, 引入贝叶斯动态非线性模型(BDNM)对时变极值应力进行预测. 运用BDNM建立了极值应力的状态方程和监测方程, 通过泰勒级数展开技术,将其近似转化为贝叶斯动态线性模型(BDLM), 并通过贝叶斯因子来对应力信息进行监控, 然后结合应力参数的先验信息, 对极值应力的状态参数进行贝叶斯后验概率推断, 建立动态模型对极值应力变化趋势进行预测. 基于监测信息, 考虑到变量估计主观认识的不确定性, 引入折扣因子来确定状态误差方差. 最后利用建立的BDNM和一次二阶矩(FOSM)可靠度方法, 对结构可靠度进行预测, 并通过实例验证了所建模型的合理性和适用性.     

组合预测的贝叶斯估计方法

运用贝叶斯估计方法 ,利用先验信息、预测信息和样本信息 ,导出了先验分布、预测信息下的后验分布、拟合信息下的后验分布 ,从而给出了待预测量在t时刻值yt0 的六种组合预测方法 ,并进行了对比 .最后分析了主观参数对模型结果的影响 .     

多维组合预测的贝叶斯极大似然估计

为了实际预测的需要,提出了多维组合预测问题,即若干单项多维预测的变权组合预测.在各单项预测无偏且服从正态分布前题下,求出了p时刻预测向量Xp的先验分布密度和后验分布密度.利用主观先验信息、预测信息和样本信息,运用贝叶斯估计方法,得到了Xp的贝叶斯极大似然估计,其权重随时刻p的改变而改变.本方法充分利用了多维变量间的相关信息,进一步提高了预测的科学性和有效性,体现了对样本信息和预测信息的进一步综合应用.     

应用高斯粒子滤波器的桥梁可靠性在线预测

为采用实时监测信息对桥梁结构构件的可靠性进行动态预测分析,应用健康监测系统的长期大量监测数据,建立了基于监测数据的动态模型(监测方程与状态方程),引入混合高斯粒子滤波器(MGPF),基于粒子滤波方法、贝叶斯方法以及动态模型,对监测信息状态变量的后验分布参数和监测值的一步向前预测分布参数进行预测分析.混合高斯粒子滤波方法通过重抽样技术,提高了动态模型的预测精度.基于实时监测信息可以不断修正抽样粒子的权重,进而解决粒子退化问题.最后基于实时预测的分布参数,结合一次二阶矩(FOSM)方法,对桥梁结构构件的可靠性进行在线动态预测分析.     

基坑开挖参数反分析贝叶斯方法比较研究

根据基坑开挖过程中获取的现场监测数据可以反分析现场土层的土体参数.贝叶斯方法为充分利用现场监测数据分析土体参数提供了一条有效的途径.实现贝叶斯更新一般有两种方法:一是各开挖阶段的观测值依次对土体参数进行更新,即分步更新,更新过程中需假设后验分布类型,如正态分布;二是将多阶段的观测值作为整体对土体参数进行更新,即整体更新.为了研究贝叶斯更新方法对更新结果的影响,在先验分布为正态或均匀分布时分别采用这两种方法对台北国营企业中心开挖工程的土体参数进行更新.结果表明:当先验分布为正态分布时,假设后验分布为正态分布进行分步更新,得到的参数分布基本合理,能够准确预测开挖引起的最大沉降和失效概率;相反,当先验分布为均匀分布时,假设后验分布为正态分布进行分步更新,不能够准确预测开挖引起的最大沉降和失效概率,此时应采用整体更新方法.     

混凝土结构的碳化模式与碳化寿命分析

利用我们近几年对旧建筑物检测积累的资料和国内外的有关资料，建立了根据混凝土立方体抗压强度预测碳化深度的数学模型和碳化深度标准差的经时变化模型，分析了混凝土构件的碳化控制可靠度，并给出了估计混凝土构件碳化寿命的方法。     

Bayes DLM递推方程中未知参数分布假定的理论证明

贝叶斯动态线性模型（简称为Ｂａｙｅｓ ＤＬＭ）是一种特殊的预测方法,它以一个动态方程组的先验信息为基础,通过一组递推修正方程预测指标的变化情况。本文给出递推修正方程的一个假定前提的理论证明,从而说明Ｂａｙｅｓ ＤＬＭ的合理性和严密性。     

数据库信息分类中贝叶斯网络模型的应用

数据库信息分类中 ,朴素贝叶斯分类模型是一种简单而有效的分类方法 ,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系 ,影响了它的分类性能 .而一般贝叶斯网络模型则由于能表达属性变量之间的依赖关系而越来越受到人们的重视 ,但一般贝叶斯网络分类模型结构的学习算法是一个NP完全问题 .本研究在一种简化的贝叶斯网络分类模型的基础上 ,利用其多项式时间复杂度的结构学习算法 ,将其应用于数据库信息分类 ,实现了学习效率和分类精度的一种折衷 .实验结果表明 ,这种分类方法有着比较高的数据库信息文本检索性能 .     

装备研制中基于Bayesian网的数据挖掘

提出采用Bayesian网挖掘装备研制中的试验数据；采用列联表的方法，对独立性检验中基于信息论的方法进行了改进，使确定网络拓扑结构的过程更加客观；挖掘得到Bayesian网后．探讨了其在失效源判定和发现系统设计缺陷等方面的应用。     

静态贝叶斯博弈最优防御策略选取方法

针对现有基于博弈理论的网络防御策略选取方法没有考虑攻防双方策略选取能力差异对博弈过程的影响和以概率的形式给出最优防御策略导致可操作性不强的问题,提出了一种基于静态贝叶斯博弈的最优防御策略选取方法。该方法从不完全信息角度对网络攻防过程进行建模;通过收敛度对攻防双方策略选取能力的差异进行量化;在对混合策略贝叶斯纳什均衡分析的基础上,对防御效能进行量化;以防御效能为标准进行最优防御策略的选取。通过实例分析验证了所提方法的合理性和可行性。与传统基于博弈理论的策略选取方法相比,该方法更加紧贴网络实际,具有更强的可操作性。     

一种基于K2结构学习算法的石漠化数据特征选择方法

在石漠化信息的分类和提取过程中,冗余特征的存在影响分类器的性能,同时增加计算的复杂度。提出一种基于K2结构学习算法的石漠化数据特征选择方法,该方法通过BIC评分方法得到贝叶斯网络的结构,从中获得类节点的马尔可夫覆盖,继而进行特征选择。同时借用不同评分函数的等价性来确定结构学习时所需的样本数,并且给出了样本数的参考。实验表明,该方法由于结合了样本的分类信息,获得的特征子集是最优的,显著提高了分类精度,降低了计算复杂度。     

单层厂房考虑空间协同的简化动力分析方法

依据单层厂房结构的实际受力特点建立了其剪扭耦联振动分析模型，并提出了单层厂房结构考虑空间协同工作的动力分析方法。以某大型不等高单层厂房结构为算例进行了结构的地震反应分析，对地震反应的特点进行了讨论。     

基于Profibus和工业以太网的钢铁企业计量系统的实现

根据钢铁企业的自身特点,提出一种基于Profibus和工业以太网技术的综合自动化计量系统的实现方法,以达到节能增效,促进企业生产管理的信息化建设,提高企业竞争力的目的．系统所采用的网络结构,从逻辑上可分为现场设备层、控制管理层、生产管理层3种．经过一年多的现场实际运行表明该方案能很好地满足大型钢铁企业的内部计量要求．     

可视化电网基础信息平台的研究

针对当前国内电网企业实施信息化的实际情况，提出可视化电网基础信息平台的概念，并基于面向对象方法和国际电工委员会IEC61970的CIM分析了电网设备（设施）的数据模型，设计并实现了电网基础信息平台。实践证明了该平台的可行性，具有广阔发展前景。     

基于贝叶斯网络的公众参与PPP项目决策研究

目前PPP项目决策论证只注重项目的财务分析,探求公共部门与私人投资者的利益合作,忽视了PPP项目另一利益主体——社会公众的需求,从而造成了许多PPP项目最终的社会满意度不高、国民经济评价不佳等问题.本文在研究公众参与PPP项目决策的可行性和有效性的基础上,以贝叶斯网络为手段建立了一个多目标决策模型,辅助公众参与PPP项目规划决策.最后,通过对某商业性PPP项目决策模型的模拟运算,分析了该模型结果的获得过程.     

信息不完备情况下多因素工序质量诊断方法

为解决信息不完备情况下的多因素工序质量诊断问题,在工艺机理分析的基础上,提出基于贝叶斯网络模型构建与推理的问题溯源方法.在贝叶斯网络结构学习过程中,利用基于评分/搜索的思想对基于工艺的预先假设结构,通过互信息参量排序降低学习复杂度.针对生产过程中随机因素对诊断准确性的影响问题,结合Leaky Noisy-OR模型引入随机参量节点,对数据需求和推理进行降解优化.以沟道磨削表面形貌质量问题的诊断为例,给出模型构建与推理程序,并验证了所构建模型及优化方法的可行性和有效性.     

基于贝叶斯理论的不确定度评定

传统的测量不确定评定是A类、B类评定,与这两类评定方法不同,提出了一种基于贝叶斯理论的测量不确定度评定方法.此方法综合了历史信息和当前样本信息,通过建立贝叶斯模型得出后验分布,从而进行测量不确定度评定.通过实例说明,贝叶斯评定比A类评定更为合理.