题名 大型电力系统可靠性评估中的马尔可夫链蒙特卡洛方法
被引量：122
1
作者
石文辉 别朝红 王锡凡
机构
西安交通大学电气工程学院
出处
《中国电机工程学报》
EI
CSCD
北大核心
2008年第4期9-15,共7页
基金
国家自然科学基金项目(50677050) 国家重点基础研究发展规划基金项目(2004CB217905)~~
文摘
提出大型电力系统可靠性评估的一种新的蒙特卡洛模拟方法—马尔可夫链蒙特卡洛方法(Markov chain Monte Carlo,MCMC)。MCMC方法是一种特殊的蒙特卡洛方法,它将随机过程中的马尔可夫过程引入到蒙特卡洛模拟中,实现动态蒙特卡洛模拟。该方法通过重复抽样,建立一个平稳分布与系统概率分布相同的马尔可夫链,从而得到系统的状态样本。由于MCMC方法考虑了系统各个状态间的相互影响,相比于随机采样的蒙特卡洛方法所得到的独立样本序列,更准确模拟了电力系统运行实际情况。IEEE-RTS 24节点算例表明,该算法可快速收敛,节省计算时间,提高计算速度。同时,由于每条马尔可夫链均收敛于同一个分布,即所谓平稳分布,所以算法具有良好的稳定性。对西北330 kV电网的可靠性评估再次表明了该方法的正确性和有效性以及该方法用于大型电力系统的可靠性评估的优越性和潜力。
关键词
大型电力系统 可靠性评估 马尔可夫链蒙特卡洛方法 gibbs抽样器
Keywords
large-scale power system reliability evaluation Markov chain Monte Carlo gibbs sampler
分类号
TM76
[电气工程—电力系统及自动化]
题名 隐马尔可夫因子分析模型的半参数贝叶斯分析
被引量：7
2
作者
夏业茂 勾建伟 刘应安
机构
南京林业大学理学院
出处
《高校应用数学学报（A辑）》
CSCD
北大核心
2015年第1期17-30,共14页
基金
国家自然科学基金(11471161) 南京林业大学高学历人才项目(163101004) 南京市科技创新择优资助项目(013101001)
文摘
因子模型在刻画潜在因素(因子)与观测变量间的影响关系并进而解释多元观测指标(变量)间的相关性方面具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰,偏态等特性.将经典的因子分析延伸到带有时齐隐马尔可夫模型的动力因子模型,并建立了半参数贝叶斯分析程序.分块GIBBS抽样器用以后验抽样.经验结果展示所建立的统计程序是有效的.
关键词
隐马尔可夫模型 因子分析模型 半参数贝叶斯 分块gibbs抽样器
Keywords
hidden Markov model factor analysis model Bayesian semiparametric analysis blocked gibbs sampler
分类号
O212.8
[理学—概率论与数理统计]
O212.4
[理学—概率论与数理统计]
题名 带有缺失数据的纵向隐马尔可夫因子模型的贝叶斯分析
被引量：3
3
作者
夏业茂 陈宣
机构
南京林业大学理学院 南京林业大学经济管理学院
出处
《应用数学》
CSCD
北大核心
2017年第2期457-468,共12页
基金
国家自然科学基金(11471161) 南京市留学回国人员科技择优资助项目(013101001)
文摘
隐马尔可夫因子模型在刻画多元纵向数据的关联性和异质性具有重要作用.在实际应用中,观测数据往往呈现缺失数据.本文在纵向框架内,对缺失的数据提出了一个建模.使用一个多项模型去拟合缺失数据指标,并提出用一系列一维条件分布的联合分布来建模.每个一维条件分布不仅取决于当前变量的观测值,而且也糅合以前的观测值和丢失的信息.在贝叶斯框架内,马尔可夫链蒙特卡罗方法用于实现后验分析.带有Metropolis-Hastings算法的Gibbs采样器被用来从相关的满条件分布中抽取随机样本.后验推断基于这些模拟观测值进行展开.我们进行了模拟研究.实证结果表明,所提出的方法在模型是正确指定时是十分有效的,而且对模型偏移也具有一定的稳健性.
关键词
隐马尔可夫模型 因子分析模型 缺失机制 MCMC抽样 gibbs抽样器
Keywords
Hidden Markov model Factor analysis model Missing data mechanism MCMC sampling gibbs sampler
分类号
O212
[理学—概率论与数理统计]
题名 两部分因子分析模型的贝叶斯推断
被引量：4
4
作者
夏业茂 凌耀斌 熊双粲
机构
南京林业大学理学院 南京林业大学经济管理学院
出处
《应用数学》
CSCD
北大核心
2018年第4期761-778,共18页
基金
国家自然科学基金(11471161) 南京林业大学高学历人才计划项目(163101004) 江苏省高校基金(15KJB110010)
文摘
半连续数据在经济和社会科学调查中普遍存在.在分析该类数据时,经典两部分回归模型经常被用来刻画协变量对响应变量可变性的影响.然而,包含协变量并不能完全解释响应变量的可变性.忽略未被观测的数据异质性将导致方差的剧烈波动.在本文中,我们将两部分回归模型推广到两部分因子分析模型.多变量半连续数据未观测的异质性由潜在因子部分来解释.此外,通过引入潜在性因子,多重变量间的相依性也以线性组合方式通过共享因子变量得到刻画.在贝叶斯框架内,我们运用马尔可夫链蒙特卡洛(MCMC)方法来进行后验分析.GIBBS采样器被用于从后验分布中抽取样本.基于模拟的随机样本,未知参数估计和模型评价等统计推断问题获得解决.随机模拟和可卡因使用数据分析等实证结果显示了该方法的有效性和实用性.
关键词
两部分因子分析模型 马尔可夫链蒙特卡洛 gibbs抽样器 未知异质性
Keywords
Two-part factor analysis model Markov Chain Monte Carlo gibbs sampleUnobserved heterogeneity
分类号
O212.8
[理学—概率论与数理统计]
O212.4
[理学—概率论与数理统计]
