基于显示连通贝叶斯网络的机场塔台地震易损性分析

将基于性能的多维易损性分析方法,结合显示连通贝叶斯网络,应用于机场塔台的多维易损性分析。考虑地震激励的不确定性,通过非线性时程分析获得结构响应数据;将塔台结构分为三个层次,每个层次按包含的层数分为相应的子层次。根据功能特性确定子层次的评价指标和极限状态,建立服从多元对数正态分布的概率地震需求模型;考虑各种极限状态之间的相关性,建立极限状态方程,确定失效域,通过蒙特卡洛法求得构件的超越概率;建立塔台结构的显示连通贝叶斯网络模型,利用层次分析法获得中间节点的条件概率表,利用MATLAB进行贝叶斯网络的推理计算,实现从单一层次的易损性到整体易损性的推理。     

时变偏微分方程的贝叶斯稀疏识别方法

在数据驱动的建模中,通过测量或模拟得到时空数据,我们发现基于拉普拉斯先验的贝叶斯稀疏识别方法能有效地恢复时变偏微分方程的稀疏系数.本文将贝叶斯稀疏识别方法运用于各种时变偏微分方程模型(KdV方程、Burgers方程、Kuramoto-Sivashinsky方程、反应-扩散方程、非线性薛定谔方程和纳维-斯托克斯方程)的方...     

基于贝叶斯网络的船舶港口国监督检查滞留风险研究

针对港口国监督(Port State Control, PSC)检查的复杂性和不确定性, 基于贝叶斯网络理论构建船舶PSC检查滞留风险分析模型. 以东京备忘录(Tokyo MOU)中2014~2017年船舶PSC检查样本数据为基础, 运用R语言bnlearn包进行贝叶斯网络的结构及参数学习. 同时分别执行贝叶斯网络的正向、逆向推理, 定量表示各风险因素与滞留结果之间的相互作用关系, 找出导致船舶滞留的高风险因素, 实现不确定环境下船舶PSC检查滞留风险的全面动态分析. 实证表明, 模型具有较高的精确度, 可为检查人员的滞留决策及航运公司的安全风险管理提供有效依据.     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

基于贝叶斯参数优化的无模型自适应硅单晶直径控制

直拉硅单晶的生长过程涉及多场多相耦合与复杂的物理化学变化,其中工艺参数的波动是导致晶体直径不均匀的重要原因,如何实现工艺参数的控制以获得理想的、均匀的晶体直径具有重要的研究意义。本文分析现有控制方法存在不稳定以及控制效果不佳的问题后,提出基于贝叶斯参数优化的无模型自适应控制模型来控制硅单晶生长过程中的晶体直径。首先以坩埚上升速度与加热器的功率作为控制输入参数,晶体直径作为输出,搭建无模型自适应控制模型,并分析算法的稳定性。其次将控制模型进行仿真实验,发现硅单晶直径控制模型中不同的超参数设定会影响控制过程的迭代次数以及控制效果。最后,利用贝叶斯优化超参数的取值范围,并进行最终的仿真实验,结果表明,经贝叶斯参数优化后的控制模型计算快、迭代次数少,输出的晶体直径稳定,同时将生长工艺参数控制在实际生产要求范围内。因此,基于贝叶斯参数优化的无模型自适应控制实现了硅单晶直径均匀稳定的有效控制,具有结合工程背景的实际应用前景。     

中国经济随机前沿模型效率的贝叶斯统计推断

基于扩展的随机生产前沿模型,研究了区域生产效率的差异和其影响因素的作用效果,应用贝叶斯统计方法对中国各省份2010-2017的年度数据(不包含港澳台地区,下同)进行了实证研究.研究发现:生产效率总体呈逐渐下降的趋势,地区间生产效率有一定的差异,高等教育规模对生产效率具有显著的直接影响.人力资本能有效促进东部和中部地区的经济增长,西部地区主要依靠资本促进经济增长.环境污染对中部地区的经济增长具有一定的负向作用.     

广义变系数模型的Bayesian B样条估计

提出了广义变系数模型函数系数的一种新的估计方法．我们用B样条函数逼近函数系数,不具体选择节点的个数,而是节点个数取均匀的无信息先验,样条函数系数取正态先验,用Bayesian模型平均的方法估计各个函数系数．这种估计方法一个主要特点是允许各个函数系数所需节点个数的后验分布不同,因此允许不同函数系数使用不同的光滑参数．另外,本文还给出了Bayesian B样条估计的计算方法,并通过模拟例子,说明广义变系数模型的函数系数可以由Bayesian B样条估计方法得到很好的估计．     

基于Bootstrap的厚尾相依序列持久性变点检验

基于修正方差比率函数给出一种检验厚尾序列持久性变点的统计量.在无变点的假设下得到了统计量的渐近分布.为避免检验渐近分布中的厚尾指数,构造Bootstrap抽样方法来确定渐近分布的经验临界值.数值模拟研究结果说明修正方差比率统计量及Bootstrap抽样方法的有效性.     

一个捕捉与再捕捉模型的贝叶斯分析

本文在无信息先验和Jeffreys先验下 ,就捕捉与再捕捉试验和多次重复的捕捉与再捕捉试验两种情况 ,推导了封闭总体中个体总数N的贝叶斯点估计与区间估计 ,并计算了一个实例     

基于稀疏表示和特征加权的离格双耳声源定位*

基于头相关传递函数数据库的传统双耳声源定位方法的定位角度往往被限定在头相关传递函数数据库的离散测量点上。当头相关传递函数数据库的测量方位角间隔较大时,这类算法的性能会显著下降,这就是典型的离格问题。该文提出了基于加权宽带稀疏贝叶斯学习的离格双耳声源定位算法。首先该算法建立离格双耳信号的稀疏表示模型,然后利用双耳相干与扩散能量比特征对各个频点进行加权以降低噪声和混响的影响,最后通过加权宽带稀疏贝叶斯学习方法估计离格声源的方位角。实验结果表明,该算法在各种复杂的声学环境下都有着较高的定位精度和鲁棒性,特别是提高了离格条件下的声源定位性能。