检索结果-南通市图书馆

非线性模型精度评定的Bootstrap方法及其加权采样改进方法

在线全文

学校读者我要写书评

暂无评论

测绘学报 2021年第7期50卷 863-878页

作者：王乐洋李志强东华理工大学测绘工程学院江西南昌330013

本文将Bootstrap方法引入非线性模型精度评定理论中,通过对原始样本值或因变量的残差向量进行重采样,以获取自助样本的方式代替复杂的求导运算,给出了Bootstrap方法解决非线性精度评定问题的完整算法。针对Bootstrap方法中对模型随机项... 详细信息

本文将Bootstrap方法引入非线性模型精度评定理论中,通过对原始样本值或因变量的残差向量进行重采样,以获取自助样本的方式代替复杂的求导运算,给出了Bootstrap方法解决非线性精度评定问题的完整算法。针对Bootstrap方法中对模型随机项的等概率采样,通过获取采样过程中随机变量的经验分布函数,提出了加权采样策略,并分别给出了将改进方法用于非线性模型精度评定中的详细计算步骤。通过案例研究分析表明:重采样观测值的Bootstrap方法和重采样残差的Bootstrap方法能够得到比近似函数法、Jackknife法更为合理的参数标准差,具有更强的适用性;而加权采样的重采样观测值Bootstrap方法和加权采样的重采样残差Bootstrap方法能够获取更加精确的精度信息且更具优势,从而验证了将Bootstrap方法用于非线性精度评定及本文改进算法的可行性和有效性。

关键词：非线性模型精度评定 Bootstrap方法加权采样重采样

基于不同Bootstrap方法和KELM-BPNN模型的滑坡位移区间预测

在线全文

学校读者我要写书评

暂无评论

岩石力学与工程学报 2019年第5期38卷 912-926页

作者：李麟玮吴益平苗发盛张龙飞薛阳中国地质大学工程学院湖北武汉430074

为解决传统滑坡位移点预测模型无法对自身预测结果的可靠程度进行有效描述这一问题,引入区间预测方法,提出一种基于不同Bootstrap方法和KELM-BPNN模型的滑坡位移区间预测模型。该模型以4种常用的Bootstrap方法为基础,首先对由各种外界... 详细信息

为解决传统滑坡位移点预测模型无法对自身预测结果的可靠程度进行有效描述这一问题,引入区间预测方法,提出一种基于不同Bootstrap方法和KELM-BPNN模型的滑坡位移区间预测模型。该模型以4种常用的Bootstrap方法为基础,首先对由各种外界触发因素与滑坡地表位移的监测信息组成的原始数据集,分别进行B次有放回的等概率随机抽样;然后基于不同Bootstrap方法得到的B个伪数据集,分别训练B个KELM模型对系统误差的方差进行估计,并根据估计结果,训练一个BPNN模型对随机误差的方差进行回归逼近;最终将采用相同Bootstrap方法得到系统误差方差和随机误差方差相结合,构造出在不同置信水平下的滑坡位移预测区间,并通过综合对比分析,提出与实际滑坡变形特征相适宜的位移区间预测模型。以三峡库区内具有阶跃式变形特征的典型堆积层滑坡——白水河滑坡为例,选取ZG93和ZG118两个监测点在2004年7月～2013年12月期间的数据进行研究。结果表明,与传统点预测模型相比,该模型不仅能够提供具有一定精度的点预测结果,还能构造出较为清晰、可靠的位移预测区间将真实的位移曲线完全包裹在内。此外,通过预测区间宽度的实时变化,该模型能够较好地量化与解释滑坡演化过程中外界触发因素的动态变化对滑坡变形造成的不确定性影响,为滑坡灾害的预报预警提供了一种新的思路和方法。

关键词：边坡工程滑坡位移预测区间预测预测不确定性 Bootstrap方法核极限学习机

基于多场耦合建模与Bootstrap方法的滑环可靠性评估

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2019年第11期45卷 2301-2311页

作者：刘贤军孙远航王永松施英莹孙习武余建波同济大学机械与能源工程学院上海201804 上海航天设备制造总厂有限公司上海200245

导电滑环作为卫星太阳电池矩阵驱动机构的核心部件,其可靠性关系到卫星寿命的长短,由于空间用滑环寿命试验费用昂贵、试验周期长、样本数据量少等特点,无法获取大样本寿命数据,利用传统大样本数据进行统计推断,从而进行可靠性评估的方... 详细信息

导电滑环作为卫星太阳电池矩阵驱动机构的核心部件,其可靠性关系到卫星寿命的长短,由于空间用滑环寿命试验费用昂贵、试验周期长、样本数据量少等特点,无法获取大样本寿命数据,利用传统大样本数据进行统计推断,从而进行可靠性评估的方法存在困难。因此提出一种基于摩擦磨损模型的可靠性评估方法,应用赫兹理论、传热学方法分别计算摩擦副磨损过程中的接触区域变化和温度变化,量化热力电多场耦合对摩擦副磨损的影响,提出基于粘着磨损的多物理场耦合磨损模型,基于该模型得到的寿命数据,运用改进Bootstrap方法得到滑环寿命分布的参数估计,最后与传统可靠性预测方法结合,得到一系列滑环可靠性指标。方法对比结果表明,改进Bootstrap方法不仅具有较高的评估精度,还具有主观性小、适用性强的特点,由该方法所得的各可靠性指标均符合工程实际,具有很强的工程应用价值。

关键词：空间滑环多场耦合建模寿命预估 Bootstrap方法可靠性评估

基于L_(2) Wasserstein距离的正态性检验的Bootstrap方法

在线全文

学校读者我要写书评

暂无评论

应用概率统计 2022年第2期38卷 179-194页

作者：杨超然常广平北京工业大学信息学部北京100124 北京联合大学基础与交叉科学研究所北京100101

目前有很多检验正态性假设的方法.这些方法主要分为两种类型:一种是基于经验分布函数的检验,另一种是基于相关性和回归的检验.在本文中,我们提出了一种新的基于L_(2) Wasserstein距离和第i个样本顺序统计量近似分布的两步检验方法.我们... 详细信息

目前有很多检验正态性假设的方法.这些方法主要分为两种类型:一种是基于经验分布函数的检验,另一种是基于相关性和回归的检验.在本文中,我们提出了一种新的基于L_(2) Wasserstein距离和第i个样本顺序统计量近似分布的两步检验方法.我们讨论在零假设下新检验方法的特性,并与最常用的几种检验分别在四个备择分布组进行功效比较.最后,将新方法应用于分析实际问题.仿真结果表明,新检验方法提高了鉴别不对称长尾备择分布的效率.

关键词：正态性检验 L_(2)Wasserstein距离 Bootstrap方法

有限数据条件下边坡可靠度分析的Bootstrap方法

在线全文

学校读者我要写书评

暂无评论

岩土力学 2016年第3期37卷 893-901,911页

作者：唐小松李典庆曹子君周创兵方国光武汉大学水资源与水电工程科学国家重点实验室湖北武汉430072 武汉大学水工岩石力学教育部重点实验室湖北武汉430072

基于bootstrap抽样技术提出了有限数据条件下边坡可靠度分析方法。简要介绍了传统的边坡可靠度分析方法。采用Bootstrap方法模拟了抗剪强度参数概率分布函数的统计不确定性。以无限边坡为例研究了抗剪强度分布参数和分布类型不确定性对... 详细信息

基于bootstrap抽样技术提出了有限数据条件下边坡可靠度分析方法。简要介绍了传统的边坡可靠度分析方法。采用Bootstrap方法模拟了抗剪强度参数概率分布函数的统计不确定性。以无限边坡为例研究了抗剪强度分布参数和分布类型不确定性对边坡可靠度的影响规律。结果表明:基于有限数据估计的样本均值、样本标准差和AIC值具有较大的变异性,这种变异性进一步导致了抗剪强度参数概率分布函数存在明显的统计不确定性。在考虑抗剪强度参数概率分布函数的统计不确定性时,边坡可靠度指标应为具有一定置信度水平的置信区间,而不是传统可靠度分析中的固定值。边坡可靠度指标的置信区间变化范围随安全系数的增加而增大,同时考虑分布参数和分布类型不确定性计算的可靠度指标具有更大的变异性和更宽的置信区间变化范围。Bootstrap方法为有限数据条件下抗剪强度参数概率分布函数统计不确定性的模拟以及边坡可靠度的评估提供了一条有效的途径。

关键词：边坡可靠度抗剪强度参数概率分布函数统计不确定性 Bootstrap方法

基于核极限学习机和Bootstrap方法的变压器顶层油温区间预测

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2017年第19期37卷 5821-5828页

作者：亓孝武李可军于小晏张正发娄杰山东大学电气工程学院山东省济南市250061

为准确估计变压器热状态,提出了一种基于核极限学习机和Bootstrap方法的变压器顶层油温区间预测模型。首先通过bootstrap采样得到L组训练样本,分别训练L个核极限学习机模型对顶层油温进行拟合回归点预测;然后训练一个核极限学习机模型... 详细信息

为准确估计变压器热状态,提出了一种基于核极限学习机和Bootstrap方法的变压器顶层油温区间预测模型。首先通过bootstrap采样得到L组训练样本,分别训练L个核极限学习机模型对顶层油温进行拟合回归点预测;然后训练一个核极限学习机模型对顶层油温观测噪声方差进行回归估计;最后根据这L+1个核极限学习机模型的结果估计在某置信水平上的顶层油温的预测区间。算例仿真结果表明,该方法可以较好地考虑变压器顶层油温预测模型的不确定性,得到较为准确可靠的顶层油温预测区间;采用核极限学习机算法的顶层油温区间预测结果的不确定性小于BP神经网络和极限学习机,与采用支持向量机算法区间预测模型相当,但计算速度明显优于支持向量机。相比于传统的顶层油温点预测方法,所提区间预测方法可以为变压器的热状态估计、安全运行等提供更为合理和充分的辅助依据。

关键词：电力变压器顶层油温区间预测核极限学习机 Bootstrap方法

基于OS-ELM和Bootstrap方法的超短期风电功率预测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2014年第6期38卷 14-19,122页

作者：王焱汪震黄民翔蔡祯祺杨濛濛浙江大学电气工程学院浙江省杭州市310027 国网上海市电力公司上海市200122

提出了一种基于在线序贯极限学习机(OS-ELM)的超短期风电功率预测方法。利用OSELM学习速度快、泛化能力强的优点,将批处理和逐次迭代相结合,不断更新训练数据和网络结构,实现了对数值天气预报风速的快速实时修正和风电机组输出功率的快... 详细信息

提出了一种基于在线序贯极限学习机(OS-ELM)的超短期风电功率预测方法。利用OSELM学习速度快、泛化能力强的优点,将批处理和逐次迭代相结合,不断更新训练数据和网络结构,实现了对数值天气预报风速的快速实时修正和风电机组输出功率的快速预测。随后,采用计算机自助(bootstrap)法构造伪样本,给出了预测功率的置信区间评估。实例和研究结果表明,该预测方法与反向传播(BP)网络、支持向量机(SVM)方法相比,在计算时间上更能满足在线应用需求,而且预测精度相当,有较好的应用前景。

关键词：风电预测风速修正误差区间估计极限学习机 Bootstrap方法

基于Bootstrap方法的岩土体参数联合分布模型识别

在线全文

学校读者我要写书评

暂无评论

岩土力学 2015年第4期36卷 913-922页

作者：唐小松李典庆周创兵方国光武汉大学水资源与水电工程科学国家重点实验室湖北武汉430072 武汉大学水工岩石力学教育部重点实验室湖北武汉430072

小样本容量岩土体参数最优联合概率分布模型的识别是一个富有挑战性的问题。基于bootstrap提出了小样本容量岩土体参数最优边缘分布函数和最优Copula函数识别方法。简要介绍了岩土体参数联合概率分布函数构造的Copula方法,采用AIC准则... 详细信息

小样本容量岩土体参数最优联合概率分布模型的识别是一个富有挑战性的问题。基于bootstrap提出了小样本容量岩土体参数最优边缘分布函数和最优Copula函数识别方法。简要介绍了岩土体参数联合概率分布函数构造的Copula方法,采用AIC准则识别最优的边缘分布函数和Copula函数。将识别结果表示为不同备选边缘分布函数和Copula函数为最优边缘分布和最优Copula的权重系数集合,以基桩荷载-位移双曲线参数试验数据为例证明了所提方法的有效性。结果表明:基于小样本容量岩土体参数试验数据估计的样本均值、标准差和相关系数具有较大的离散性,这种离散性进一步导致了统计量AIC值存在较大变异性。提出的基于bootstrap的最优边缘分布函数和最优Copula函数识别方法不仅可以有效地考虑统计量AIC值的变异性,而且能够综合地反映不同备选边缘分布函数和Copula函数为最优边缘分布和最优Copula函数的概率,为小样本容量岩土体参数最优边缘分布函数和最优Copula函数的识别提供了一条有效的途径。

关键词：岩土体参数相关性 Bootstrap方法联合概率分布边缘分布 Copula函数

基于负二项稀疏算子的INAR（1）模型的MB-bootstrap预测方法

在线全文

学校读者我要写书评

暂无评论

基于负二项稀疏算子的INAR（1）模型的MB-bootstrap预测方法

作者：张天衡吉林大学

学位级别：硕士

在现实中,整值时间序列数据是较为常见的,例如每月航班的起降次数、图书馆每天的进出人数、某个生物种群的数量变化情况以及某流水线每小时生产的合格品数量等等.这些数据广泛的存在于保险、工业、医疗卫生等各个社会领域.相对于传统时... 详细信息

在现实中,整值时间序列数据是较为常见的,例如每月航班的起降次数、图书馆每天的进出人数、某个生物种群的数量变化情况以及某流水线每小时生产的合格品数量等等.这些数据广泛的存在于保险、工业、医疗卫生等各个社会领域.相对于传统时间序列模型,整值时间序列模型能够很好地描述整数值数据的产生机制,因此在分析和预测方面具有独特的优势.在对时间序列模型的估计和预测方面,Bootstrap方法是一种常用的非参数方法,然而相关研究主要是基于传统时间序列模型进行的,对整值时间序列Bootstrap方法的讨论相对较少.最近,Bisaglia和Gerolimetto（2019）提出了一种基于模型的Bootstrap方法（model-based bootstrap,简称MB-bootstrap）,并且通过基于二项稀疏算子的INAR（p）模型检验了该方法的优势.本文旨在推广MB-Bootstrap方法的应用范围,探究了如何利用此方法对基于负二项稀疏算子的INAR（1）模型进行参数估计和预测.我们首先回顾了INAR模型的研究发展历程,进而介绍了基于负二项稀疏算子INAR（1）模型的定义、基本性质和一些参数估计方法,以及几种不同Bootstrap方法的实现过程,包括Block Bootstrap方法、Cardinal等人（1999）以及Kim和Park（2008）提出的Bootstrap方法（简记为CKP方法）和本文考虑的MB-Bootstrap方法.其次,基于估计偏差和估计均方误差比较了MB-Bootstrap方法、Block Bootstrap方法、CKP方法以及蒙特卡罗方法在参数估计上的性能,验证了MB-Bootstrap方法对基于负二项稀疏算子的INAR（1）模型中稀疏算子α进行估计的有效性.然后,通过对比预测均方误差、预测绝对误差、预测平均覆盖率和对数得分标准,展示了MB-Bootstrap方法在预测方面的良好表现.最后,给出了一个实例分析,所得结果表明:利用MB-Bootstrap方法针对基于负二项稀疏算子的INAR（1）模型进行统计推断,在实践中具有一定的竞争力.

关键词： Bootstrap方法负二项稀疏算子 INAR（1）模型参数估计预测