煤层底板岩体参数概率分布及Bayes优化

正确确定煤系岩体力学参数的概率分布是承压水上采煤底板稳定可靠性分析的关键。以淮北矿区部分煤矿下组煤底板砂岩强度参数为例,以K-S检验法对数据进行概率分布拟合,获取参数分布类型及统计量。以此大样本概型为先验函数,具体工作面底板岩体小样本参数的概型为似然函数,基于Bayes方法对其优化,得到验后分布的概型参数。计算结果表明,下组煤底板砂岩强度参数全部接受正态分布和对数正态分布,优化后的方差有所下降,可以提高底板采动稳定可靠性分析结果,从而达到优化目的。     

基于贝叶斯方法的实时洪水校正模型

简述了实时洪水校正方法的研究进展,提出并建立了基于贝叶斯方法的实时洪水校正模型. 该模型用先验分布考虑水文资料的不确定性,用似然函数描述模型结构和参数的不确定性,将两者综合得到预报流量的后验分布. 选用江西省白云山水库的雨洪资料对模型进行探讨与检验,采用可变遗忘因子最小二乘递推算法估计先验分布和似然函数的参数,以后验分布密度函数的均值作为结果发布. 结果表明该法不仅可显著的提高洪水预报精度,还给出预报区间估计值,实现了预报与决策的有机耦合.     

既有建筑砌体抗压强度的贝叶斯推断

基于贝叶斯理论推断既有建筑砌体抗压强度,将现场原位轴压法测试的砌体抗压强度作为先验信息,同时利用块体和砂浆回弹法检测强度的推定值,按照《砌体结构设计规范》(GB 50003-2011)中的砌体抗压强度计算公式构造似然函数,联合先验信息和似然函数,推导既有建筑砌体抗压强度的后验分布,研究结果表明:通过后验分布可得到综合各...     

基于推广Bayes方法的软土变形参数的估计和优化

岩土参数具有很大的离散性,故对其进行概率统计分析,并加以估计和优化是非常必要的。以本地区软土的变形参数—压缩模量为例,介绍在获得大样本参数的条件下,进行概率分布拟合的χ2检验法,并以此为先验分布,用推广Bayes法对具体工程小样本进行处理,得到后验分布的参数。计算结果表明,后验分布的参数合理有效,达到了估计和优化的目的。     

基于共轭分布的洪水过程动态估值

将洪水过程的实际流量与原始预报流量的比值Rt视为随机变量，并选定其概率分布为正态分布，把其中所含参数均值与方差视为随机变量，按贝叶斯法则中的共轭分布法确定均值与方差的先验与后验分布，由后验分布可推得比值Rt的概率分布函数.将各预报时刻流量实时观测值与原始预报值的比值Rt作为抽样，据样本值对均值与方差的后验分布进行滚动更新，进而得到后续各时刻实际流量的概率分布及分位数的动态修正与估值.     

基于指数分布混合治愈模型的客观贝叶斯分析

提出基于指数分布的混合治愈模型,通过引入隐变量,利用完全似然函数比较容易计算Fisher信息矩阵,推导出参数的Jeffreys先验和reference先验,并验证后验分布的恰当性.研究结果表明,客观贝叶斯方法对参数的估计效果很好,特别是在样本量小时比较明显.     

基于共轭分布的洪水过程动态估值

将洪水过程的实际流量与原始预报流量的比值圮视为随机变量，并选定其概率分布为正态分布，把其中所含参数均值与方差视为随机变量，按贝叶斯法则中的共轭分布法确定均值与方差的先验与后验分布，由后验分布可推得比值R的概率分布函数．将各预报时刻流量实时观测值与原始预报值的比值咒作为抽样，据样本值对均值与方差的后验分布进行滚动更新，进而得到后续各时刻实际流量的概率分布及分位数的动态修正与估值．     

混合噪声下移动受限水声传感器网络自定位算法

现有的水声传感器网络定位算法需要信标节点辅助定位,测距噪声服从高斯分布,定位成本高,精度低,对此,提出一种混合测距噪声下基于最大后验概率的自定位算法. 首先对受限移动节点的移动模式进行建模以获取节点位置的先验信息,测量节点间距离并基于加性和乘性混合噪声构建似然函数,在贝叶斯框架下将节点位置的先验与似然信息进行融合,通过最大化后验概率得到定位目标函数;然后利用BFGS拟牛顿法对目标函数进行优化求解. 仿真结果表明,相比同类定位方法,所提方法无需信标节点,定位精度高,收敛速度快,且对测距噪声的变化具有鲁棒性.     

某类分布参数MLE与Bayes估计相等的关系

为了在一个缩小的范围内探讨总体分布中的参数的任一经典估计都存在一个先验分布,使得其贝叶斯估计就是该经典估计这一命题的真伪,进行了多次试验,并通过试验法证明了某类单参数指数族分布中未知参数的最大似然估计,一定存在一个先验分布,使其贝叶斯估计就是该最大似然估计的结论．     

利用贝叶斯推理估计二维含源对流扩散方程参数

为了克服观测数据的不确定性给参数反演带来的困难,利用贝叶斯推理建立了二维含源对流扩散方程参数估计的数学模型.通过贝叶斯定理,获得了模型参数的后验分布,从而获得反问题的解.对于多参数反演问题,基于数值解计算得到的参数后验分布很难直观地表现出来,采用马尔科夫链蒙特卡罗方法对参数的后验分布进行采样,获得了扩散系数和降解系数的估计值.研究了观测点位置对计算结果的影响;同时研究了似然函数的形式对估计结果的影响,结果表明在异常值可能出现时采用Laplace分布型的似然函数可以获得稳健估计.对不同观测点数目下的估计值进行了对比,认为对于二维稳态对流扩散方程的双参数估计问题,至少需要两个观测点才有可能得到合理的解.     

岩土强度参数二维正态分布拟合研究

针对以往的岩土强度参数分布拟合中,将强度参数中的2个强度参数f,c分开来进行拟合,忽略了二者间高度相关性的问题,采用二维正态分布来对岩土强度参数进行联合分布拟合研究,并通过岩滩水电站中结构面抗剪强度参数的分布拟合验证了该法的可行性.     

一种服从威布尔分布装备的可靠性评估方法

在装备失效时间分布为威布尔分布的情形下,利用多层贝叶斯方法,选取贝塔分布作为先验分布,利用现有的试验样本来对威布尔分布的参数进行估计,然后对产品进行可靠性评估.通过算例分析得出当有真的先验信息加入时,采用贝叶斯方法得到威布尔分布的形状参数与尺寸参数的值优于最小二乘法得到的参数值.     

基于Bayes方法和模糊检验的年最高水位的概率模型研究

提出了年实测最高洪水位分布概率模型的模糊检验方法，并以此分布为先验分布，用Bayes方法得到验后分布的统计参数，以进一步修正概率模型的统计参数，得到更新的模型参数．计算实例中，以长江下游某市水文站实测的58年最高洪水位资料为样本，用K-S法和模糊检验法对年最高水位的分布规律进行检验，其结果表明：用K—S法检验，年最高水位概率分布对正态分布和极值I型分布都不拒绝，但通过模糊检验法可以证实正态分布更接近实际；再利用后10年的实测最高洪水位的小样本，对模型的分布参数进行了修正．提出的年最高洪水位的更新概率模型及参数计算方法，为现有堤防工程的加高设计方案决策提供了理论基础．     

极值-I型风速预测的Bayes方法

为提高极值-I型风速预测精度,在Jeffreys准则的基础上,采用Bayes估计中的Lindley近似方法推导极值-I型风速预测表达式.采用Monte Carlo法产生服从极值-I型分布的伪风速母样,基于伪风速母样分别采用基于Bayes理论和最大似然估计理论的极值-I型风速预测方法进行风速预测,并与伪风速母样的理论值进行对比分析.结果表明:与最大似然估计法相比,采用基于Bayes理论建立的极值-I型风速预测模型进行风速预测的精度更高,且精度随着伪风速母样样本量的增加而提高,位置参数先验样本数量的增加以及先验方差的增大对计算精度没有影响.     

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．     

基于三维不对称 Copula 函数峰量联合概率分布研究

基于三维不对称Gumbel Copula函数构建了洪峰、时段洪量联合分布,探讨了洪峰和时段洪量之间的概率特性。首先建立了洪峰、3 d洪量和7 d洪量的三维不对称Gumbel Copula联合分布函数,然后运用极大似然法估计了三维Gumbel Copula函数的参数,最后求得洪峰和时段洪量之间的条件概率分布,分析了洪峰、洪量间的概率特性。以大渡河流域大金川站1960—2013年间的洪峰、3 d洪量和7 d洪量为例进行了应用。研究成果为洪峰、洪量相关关系的研究提供了新途径。     

Application of profile likelihood function to the uncertainty analysis of hydrometeorological extreme inference

Profile likelihood function is introduced to analyze the uncertainty of hydrometeorological extreme inference and the theory of estimating confidence intervals of the key parameters and quantiles of extreme value distribution by profile likelihood function is described. GEV (generalized extreme value) distribution and GP (generalized Pareto) distribution are used respectively to fit the annual maximum daily flood discharge sample of the Yichang station in the Yangtze River and the daily rainfall sample in 10 big cities including Guangzhou. The parameters of the models are estimated by maximum likelihood method and the fitting results are tested by probability plot, quantile plot, return level plot and density plot. The return levels and confidence intervals of flood and rainstorm in different return periods are calculated by profile likelihood function. The results show that the asymmetry of the profile likelihood function curve increases with the return period, which can reflect the effect of the length of sample series and return periods on confidence interval. As an effective tool for estimating confidence interval of the key parameters and quantiles of extreme value distribution, profile likelihood function can lead to a more accurate result and help to analyze the uncertainty of extreme values of hydrometeorology.