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.     

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．     

失效概率的估计及其性质

E—Bayes估计法在无失效数据情形给出了失效概率的E-Bayes估计的定义,并在此基础上给出了失效概率的E—Bayes估计。文章在E—Bayes估计法基础上,给出了失效概率的另外两个E—Bayes估计,并给出了失效概率的E—Bayes估计的性质。最后,给出了数值算例,结果表明E-Bayes估计法可行且便于应用。     

逐步增加定数截尾下Weibull 分布恒加试验的Bayes估计

基于逐步增加定数截尾样本,对累积失效模型(简称CE模型)下,Weibull分布恒定应力加速寿命试验(简称恒加试验)进行了Bayes统计分析,利用Gibbs抽样给出了该模型的Bayes估计。最后,通过模拟例子表明Bayes估计有效而实用。     

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。     

纵向数据线性混合效应模型方差分量的Bayes估计

为了估计基于纵向数据的线性混合效应模型的2个方差分量,利用Bayes统计方法,在加权二次损失下得到模型中方差分量的Bayes估计.同时通过历史样本构造出方差分量的共轭先验即逆伽玛分布的部分超参数以及固定效应的估计量,最终得出方差分量的参数型经验Bayes(PEB)估计.     

指数分布无失效数据的Bayes点估计

通过对双指数分布无失效数据的失效率,在先验分布为Gamma分布时得到失效率的估计.并利用Bayes和多层Bayes估计,从而得到无失效数据可靠度的估计,并结合实际问题进行说明.     

运用基于Bayes估计的阈值模型计算VaR

为了克服用于计算金融风险VaR的阈值模型中数据匮乏的困难,将Bayes方法用于模型参数的估计,建立了基于Bayes估计的新的阈值模型,同时借助了MCMC方法计算Bayes估计值.最后对上证综指做了实例分析,结果说明新模型是有效的.     

线性模型中期望和方差分量的联立BAYES最优二次无偏估计

本文研究了线性模型中期望和方差分量的联立Bayes估计,得到了一种估计是待定参数函数的Bayes二次无偏估计(BAQUE)的充要条件,并给出了计算方法;还进一步讨论了最优二次无偏估计(BQUE);并利用BAQUE获得了局部最小方差无偏估计(LMVUE)。     

《无失效数据可靠性参数估计的研究与应用》简介

<正>宁波工程学院理学院教授、博士、硕士研究生导师、中国运筹学会可靠性专业学会理事韩明著,上海交通大学出版社2013年出版。该著对无失效数据(zero-failure data)问题,用经典方法、Bayes方法、多层Bay.es方法、E-Bayes估计法、MBayes可信限法等,给出了可靠性参数估计的研究与应用。主要包括:失效率(failure rate)的估计,失效概率(failure probability)的估计,分布参数的估计,可靠性参     

Cobb-Douglas生产函数经典参数估计模型的修正

根据LS估计理论,对Cobb-ouglas生产函数经典参数估计模型存在的问题进行了分析．通过变量变换对该模型中随机误差的方差进行了修正,建立了一个新的参数估计模型．新模型满足Gauss-Markov假定,具有LS估计的优良性质．实例分析表明,新模型的参数估计精确度明显高于经典模型．     

电液伺服系统参数自适应与信号综合自适应的等价结构

利用信号摄动与参数摄动的等价性关系，对电液伺服系统模型参考自适应控制问题进行研究，采用数学方法推导出参数自适应与信号综合自适应的等价关系式，从而建立了信号综合自适应与参数自适应的等价结构，通过计算机仿真对文中各种结论进行了验证。     

利用样本分位数的极值分布的参数估计

基于极值分布的若干个样本分位数,建立了分布参数的线性回归模型,得到了分布参数的渐近正态无偏估计,对分布参数进行了渐近置信估计. 通过变量代换,将具有形状参数和刻度参数的两参数Weibull分布变成极值分布,进一步得到这类两参数Weibull分布参数的渐近置信估计.     

具有积分特性系统的预测控制算法

针对具有积分特性工业对象的特点,建立了参数模型与非参数模型相结合的预测模型,在此模型基础上,提出了此类系统的预测控制算法,并对该算法进行计算机仿真控制研究。     

隔离开关电弧模型及参数对特快速暂态过电压仿真结果的影响分析

为了研究隔离开关电弧模型及其参数选取对特快速暂态过电压(VFTO)仿真结果的影响,以特高压单机、单变、单回线供电方式的气体绝缘组合电器(GIS)仿真试验回路为例,对隔离开关电弧模型及参数选取情况进行了分析,并采用不同参数的电弧模型对VFTO进行仿真计算,得到了相关模型及其参数对VF-TO仿真结果的影响规律。仿真结果表明,击穿过程对VFTO的陡度影响最大,击穿延时越短,VFTO的陡度越大;稳态燃弧电阻对VFTO的幅值影响最大,燃弧电阻越大,VFTO的幅值越小;熄弧过程会影响VFTO的衰减速度,熄弧时间越长,VFTO衰减的也越慢;为VFTO仿真中GIS隔离开关电弧模型及参数的选取提供了参考,对选取合理的模型及参数进而评估VFTO水平具有重要的意义。     

苏通长江大桥建桥后航线规划研究

通过建立水流和船舶运动基本方程,与实船静水操纵性能试验比较,船舶操纵性指数与实测基本一致。苏通长江公路大桥的修建将改变原河段船舶航线。本文论述了运用该数学模型重新规划航线,并比较了建桥前后操纵参数的变化,以保障建桥后船舶安全航行。     

基于数学模型与渗流模型研究薄壁混凝土防渗墙的防渗效果

根据工程地质资料,在相同的边界条件下建立渗流模型,经过计算、试验,验证了数学模型与渗流模型的一致性,在此基础上进行不同的洪水位的渗流试验,确定现场注水试验的有关参数后,在工程现场选择典型试验段进行注水试验.试验结果证明:各种洪水位情况下防渗墙的防渗效果满足设计要求.     

基于EM算法的混合线性回归模型的应用研究

研究了带有删失数据的混合线性回归模型的参数估计问题,利用EM算法建立了混合线性回归模型的参数估计程序．收集了2019年46个国家的人均国民生产总值和人均二氧化碳排放量的数据,建立了人均国民生产总值关于人均二氧化碳排放量的混合线性回归模型并且对数据进行了分析,为一些低国民生产总值国家的未来发展政策提供依据。     

充填浮选柱捕收区流体混合模型参数的估计

通过δ（０）脉冲示踪法，采用微机在线检测充填浮选柱捕收区的实验数据，应用一维轴向扩散模型（ＡＤＰＦ模型）和多级槽列模型（Ｔａｎｋｓ－ｉｎ－Ｓｅｒｉｅｓ模型），探讨了不同的参数估计方法拟合情况，并给出了捕收区混合模型参数的关联式。     

Unified plastic modulus in the bounding surface plasticity model

A unified plastic modulus parameter for the bounding surface plasticity model is introduced in order to maintain the identical responses of modeling for both the two-dimensional and three-dimensional stress space with the same model parameters. Also discussed are the influences of the plastic modulus parameter on the stress-strain relationship and the plastic modulus. The model is more sensitive in modeling the stress strain responses when the plastic modulus parameter is small. The plastic modulus parameter has a great influence on the magnitude of the plastic modulus, especially at the initial loading stage. The plastic modulus asymptotically tends to zero at the end of loading.