结构系统识别不确定性分析的Bayes方法及其进展

受测试误差、建模误差、数值离散化以及环境变异等因素的影响,结构系统识别过程不可避免地存在不确定性,因此有必要引入概率统计方法来提高其鲁棒性,为工程结构安全监测提供更为可靠的结果.近年来,Bayes(贝叶斯)方法因为其诸多优势在系统识别领域受到了广泛关注.该文梳理了Bayes系统识别的历史脉络和研究进展.从Bayes系统识别的理论框架出发,分析了量化系统识别不确定性两类方法的适用条件与局限性.此外,文章综述了Bayes方法在模态参数识别、有限元模型修正以及结构损伤识别方面进行不确定性分析的理论、实现及其应用.最后对基于Bayes方法进行系统识别研究的发展趋势做出了展望.     

逆 Dirichet 分布及其应用

Beta 分布在数理统计中,是一个非常重要而又相当基本的分布.Mitra 和 Khatri定义和研究了矩阵变量的 Beta 分布,得到了一些令人感兴趣的结果.众所周知,Beta 分布的多元推广是 Dirichlet 分布,虽然 Dirichlet 分布是 Beta 分布的多元推广,但是,它在统计中却占有独特的地位,特别是在椭球等高分布族理论中,显得更为突出,有许多统计工作者对它作过卓有成效的研究.进而,也有一些统计工作者考虑了矩阵变量的     

Poisson-Dirichlet分布及可逆测度值过程

Poisson-Dirichlet分布是定义在无穷维单纯形上的概率.它刻画了一个取值为离散概率的随机变量的分布.与Poisson-Dirichlet分布密切相关的随机测度包括GEM (Griffiths-Engen-McCloskey)分布、Dirichlet过程、两参数Dirichlet过程和两参数Poisson-Dirichlet分布等.构造与这些分布相应的测度值过程是近些年比较活跃的研究课题.本文介绍近年来这方面的发展状况,并给出一些待研究的问题.     

Dirichlet过程及其研究进展

非参数贝叶斯分析主要是将兴趣参数或潜变量的分布视为随机的并赋予一个先验分布.作为分布函数的分布,Dirichlet过程是目前非参数贝叶斯分析中最受欢迎的先验分布,并受到广泛的关注.本文对近几十年来Dirichlet过程的发展作了一下回顾和总结,并就Dirichlet过程在潜变量模型中的应用做了介绍.     

带有不可忽略缺失数据的半参数再生散度模型的贝叶斯分析

半参数再生散度模型是再生散度模型和半参数回归模型的推广,包括了半参数广义线性模型和广义部分线性模型等特殊类型.讨论的是该模型在响应变量和协变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题.在分析中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

带有不可忽略缺失数据的广义部分线性模型的贝叶斯分析

广义部分线性模型是广义线性模型和部分线性模型的推广,是一种应用广泛的半参数模型.本文讨论的是该模型在线性协变量和响应变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题,在分析过程中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

多级评分及其Bayes估计

对多级评分的测验题型 ,给出了其Bayes模型 ,在无信息先验分布或先验分布是Dirichlet分布情形下求出了参数的Bayes估计 ,并对后者在不同样本条件下给出了先验分布超参数的估计     

逐步增加首失效截尾样本下参数估计的优良性

在对称平方损失函数下, 利用逐步增加首失效截尾样本, 研究两参数Pareto分布族参数的一致最小方差无偏估计(UMVUE), Bayes估计和参数型经验Bayes(PEB)估计. 按照均方误差(MSE)准则, 比较UMVUE与PEB估计的优良性. 根据风险函数导出Bayes估计与PEB估计的渐近性, 并获得它们的收敛速度. 在相同的置信水平下, 研究参数分别在经典统计和Bayes统计中的区间估计, 并利用数值模拟说明Bayes区间估计的精度高于经典统计区间估计.     

基于Dirichlet分布有限混合模型的Bayes聚类

本文基于Dirichlet分布有限混合模型,提出了一种用于成分数据的Bayes聚类方法.采用EM算法获得模型参数的估计,用BIC准则确定类数,用类似于Bayes判别的方法对各观测分类.推导了计算公式,编写出程序.模拟研究结果表明,本文提出的方法有较好的聚类效果.     

具有饱和项的互惠系统的分歧与稳定性

运用谱分析和分歧理论的方法,在齐次Dirichlet边界条件下,对具有饱和项的互惠系统的非负定态解的分歧及其稳定性进行研究.一方面,分别以生长率作为分歧参数,讨论了发自半平凡解的分歧;另一方面,以两物种的生长率作为分歧参数,利用Liapunov-Schmidt过程,研究了在二重特征值处的分歧;同时判定了这些分歧解的稳定性.     

一类非线性方程的Dirichlet问题

设D为R~d(d≥3)中非空规则开子集.本文利用超布朗运动给出了一类非线性方程Dirichlet问题非负有界解的通式.在一定条件下证明了满足在无穷远处有规定极限非负有界解的存在唯一性,并给出了解的概率表达式,推广了Dynkin中的结果.     

基于不完全观测的生存函数的非参数估计

基于随机右删失数据,Tsai,Ferguson及Susarla等研究了一元生存函数的广义自相合估计及非参数Bayes估计。本文首先将其结果推广到了相依竞争风险场合,进一步探讨了将独立双边删失机制推广到相依双边删失机制的问题,并通过一个实例说明这种推广是有意义的。     

均匀分布族 U(0,θ)中经验 Bayes 检验的渐近特征

关于经验 Bayes 检验的研究,目前在文献上能见到一些结果,其中部分是讨论经验Bayes 检验的渐近最优性及其收敛速度,参见[1—4,6,7,9];最近 stijnen 讨论了连续型单参数指数族中经验 Bayes 检验的条件 Bayes 风险的渐近分布,从而得到了精确的收敛速度.本文我们将讨论均匀分布族{U(0,θ),θ>0)中经验 Bayes 检验的条件 Bayes 风险的极限分布,从而得到了经验 Bayes 检验的渐近最优性及其收敛速度.     

指数族刻度参数EB估计的渐近最优性

依据经验Bayes(EB)估计的思想方法,研究在LINEX损失函数下指数族刻度参数的EB估计问题.在这种损失函数下,求得参数的Bayes估计,利用密度函数的核估计方法,构造了总体X的密度函数估计,从而得到参数的EB估计,证明了这种EB估计是渐近最优的,并获得了它的收敛速度,最后将这种方法推广到多参数情形,并举例、模拟说明了它的应用.     

一类具有Dirichlet边界条件的振幅方程的稳定性与分岔研究（英文）

本文研究一个偏微分方程组的平凡稳态解(0,0)的稳定性和分岔的问题,所研究的方程组是一个定义在有界区域(0,L)上有着Dirichlet边界条件的振幅方程.文中区间长度L被看成是一个分岔参数.文章考虑平凡稳态解(0,0)处的渐近行为,利用扰动理论的方法,获得非平凡解分岔结果,进一步地分析了非平凡分岔解的稳定性及其渐近行为.     

半平面上随机Dirichlet 级数的增长性

在较弱的系数条件下证明了右半平面上Dirichlet级数增长性定理,并应用到随机Dirichlet级数上去,得到了在一定条件下,两类级数a.s.有相同的增长级,从而推广和改良一系列定理,使相关问题的研究变得方便简洁.     

一类 Markov 模算子半群与相应的算子值 Dirichlet 型刻画

本文基于Ⅱ_1-型因子把非交换对称Dirichlet型理论推广到算子值情形.在此框架下建立了算子值Dirichlet型,Markov模算子半群及Markov预解集之间的一一对应关系.     

一类数列极限问题的求解

主要研究了带有两个参数的数列的极限问题,并且根据参数的不同取值,利用极限的迫敛性求解出其相应的极限形式.其结果是多个已知数列极限的推广.     

定数截尾两参数指数——威布尔分布形状参数的Bayes估计

在不同的损失函数下,本文研究了两参数指数—威布尔分布(EWD)形状参数的Bayes估计问题.基于定数截尾试验,当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下的Bayes估计表达式,并求得了可靠度函数的Bayes点估计.最后运用随机模拟方法,将Bayes估计和极大似然估计进行了比较.结果表明,LINEX损失下Bayes估计的精度比极大似然估计高.     

刻度指数族参数的经验Bayes估计及收敛速度

本文在刻度平方误差损失函数下导出了刻度指数族分布中参数的Bayes估计.利用核估计的方法构造了参数的经验Bayes估计,在适当条件下得到了经验Bayes估计的收敛速度,推广了文献中的相关结果.