文章提出基于贝叶斯推理的结构非线性概率模型参数估计方法,结合非线性参数的后验概率分布估计结果,实现结构在动力荷载作用下的失效概率预测。利用结构实测加速度响应作为输入,构建贝叶斯推理的似然函数,采用过渡马尔可夫蒙特卡洛(tran...文章提出基于贝叶斯推理的结构非线性概率模型参数估计方法,结合非线性参数的后验概率分布估计结果,实现结构在动力荷载作用下的失效概率预测。利用结构实测加速度响应作为输入,构建贝叶斯推理的似然函数,采用过渡马尔可夫蒙特卡洛(transitional Markov chain Monte Carlo,TMCMC)算法估计非线性概率模型参数的后验概率分布。当模型参数的后验概率分布被计算之后,利用更新后的参数后验概率分布作为输入,通过随机抽样算法预测结构在动力荷载作用下的失效概率。为验证方法的可行性,对地震荷载作用下的5层钢框架结构进行数值模拟,通过钢框架结构的缩尺振动台试验进一步验证该方法的有效性。研究结果表明:该方法能够准确实现非线性模型参数的后验概率密度计算,能够对结构在地震荷载下的失效概率进行有效预测。展开更多
为同时考虑多种不确定因素对非线性结构模型修正的影响,提出了一种基于模块化贝叶斯推理的随机非线性模型修正方法。为了描述具有时变特性的非线性动力响应,提取结构动力响应主分量的瞬时加速度幅值作为非线性指标,基于贝叶斯方法,将整...为同时考虑多种不确定因素对非线性结构模型修正的影响,提出了一种基于模块化贝叶斯推理的随机非线性模型修正方法。为了描述具有时变特性的非线性动力响应,提取结构动力响应主分量的瞬时加速度幅值作为非线性指标,基于贝叶斯方法,将整个模型修正过程分为3个相互独立的模块:首先建立非线性模型的高斯过程替代模型记为模块一;同时,为考虑模型误差对非线性结构随机模型修正的影响,将设计变量作为输入,模型误差作为输出,建立关于模型误差的高斯过程替代模型,记为模块二;最后,结合贝叶斯推理方法与模块一和模块二中的高斯过程模型,利用过渡马尔可夫链蒙特卡罗(transitional Markov Chain Monte Carlo,TMCMC)随机采样方法估计待修正参数后验概率密度函数,实现基于模块化贝叶斯推理的随机非线性模型修正研究。采用三跨连续梁桥数值算例来验证所提出的随机非线性模型修正方法的准确性,并对比了不同噪声水平、不同程度模型误差条件下的模型修正结果。研究结果表明,基于模块化贝叶斯推理的随机非线性模型修正方法能够有效地实现非线性结构的随机模型修正,并具有较好的鲁棒性。展开更多
本文通过互联网上的产品评论及其回帖的数据,研究了产品网络口碑传播的动态交互过程。我们采用分层贝叶斯选择模型建模,并用马尔可夫链蒙特卡洛(MCMC,Markov Chain Monte Carlo)方法对参数进行估计。结果发现,已有回帖的特征(如正面回...本文通过互联网上的产品评论及其回帖的数据,研究了产品网络口碑传播的动态交互过程。我们采用分层贝叶斯选择模型建模,并用马尔可夫链蒙特卡洛(MCMC,Markov Chain Monte Carlo)方法对参数进行估计。结果发现,已有回帖的特征(如正面回帖的比例、负面回帖的比例等)对当前回帖的产品态度有显著影响,并且这种影响在不同的产品评论之间存在很大差异。这种异质性可以通过引入产品评论(即主帖)的特征得到很好的解释。总体而言,已有回帖对产品的态度,以及主帖的特征等均对之后回帖的产品态度有显著影响。此外,本文还发现,在网络口碑传播过程中,正面回帖的影响比负面回帖的影响更大。最后,本文讨论了该研究对营销理论和实践的贡献。展开更多
文摘文章提出基于贝叶斯推理的结构非线性概率模型参数估计方法,结合非线性参数的后验概率分布估计结果,实现结构在动力荷载作用下的失效概率预测。利用结构实测加速度响应作为输入,构建贝叶斯推理的似然函数,采用过渡马尔可夫蒙特卡洛(transitional Markov chain Monte Carlo,TMCMC)算法估计非线性概率模型参数的后验概率分布。当模型参数的后验概率分布被计算之后,利用更新后的参数后验概率分布作为输入,通过随机抽样算法预测结构在动力荷载作用下的失效概率。为验证方法的可行性,对地震荷载作用下的5层钢框架结构进行数值模拟,通过钢框架结构的缩尺振动台试验进一步验证该方法的有效性。研究结果表明:该方法能够准确实现非线性模型参数的后验概率密度计算,能够对结构在地震荷载下的失效概率进行有效预测。
文摘为同时考虑多种不确定因素对非线性结构模型修正的影响,提出了一种基于模块化贝叶斯推理的随机非线性模型修正方法。为了描述具有时变特性的非线性动力响应,提取结构动力响应主分量的瞬时加速度幅值作为非线性指标,基于贝叶斯方法,将整个模型修正过程分为3个相互独立的模块:首先建立非线性模型的高斯过程替代模型记为模块一;同时,为考虑模型误差对非线性结构随机模型修正的影响,将设计变量作为输入,模型误差作为输出,建立关于模型误差的高斯过程替代模型,记为模块二;最后,结合贝叶斯推理方法与模块一和模块二中的高斯过程模型,利用过渡马尔可夫链蒙特卡罗(transitional Markov Chain Monte Carlo,TMCMC)随机采样方法估计待修正参数后验概率密度函数,实现基于模块化贝叶斯推理的随机非线性模型修正研究。采用三跨连续梁桥数值算例来验证所提出的随机非线性模型修正方法的准确性,并对比了不同噪声水平、不同程度模型误差条件下的模型修正结果。研究结果表明,基于模块化贝叶斯推理的随机非线性模型修正方法能够有效地实现非线性结构的随机模型修正,并具有较好的鲁棒性。
文摘本文通过互联网上的产品评论及其回帖的数据,研究了产品网络口碑传播的动态交互过程。我们采用分层贝叶斯选择模型建模,并用马尔可夫链蒙特卡洛(MCMC,Markov Chain Monte Carlo)方法对参数进行估计。结果发现,已有回帖的特征(如正面回帖的比例、负面回帖的比例等)对当前回帖的产品态度有显著影响,并且这种影响在不同的产品评论之间存在很大差异。这种异质性可以通过引入产品评论(即主帖)的特征得到很好的解释。总体而言,已有回帖对产品的态度,以及主帖的特征等均对之后回帖的产品态度有显著影响。此外,本文还发现,在网络口碑传播过程中,正面回帖的影响比负面回帖的影响更大。最后,本文讨论了该研究对营销理论和实践的贡献。
