题名 湍流普朗特数识别的随机抽样算法
被引量：1
1
作者
朱嵩 刘国华 程伟平 黄跃飞
机构
广东省电力设计研究院水务部 浙江大学建筑工程学院 清华大学水沙科学与水利水电工程国家重点实验室
出处
《长江科学院院报》
CSCD
北大核心
2011年第6期16-19,24,共5页
基金
国家重点基础研究计划资助项目(2005CB724202) 国家自然科学基金资助项目(50879075)
文摘
在温排水等涉及热交换的环境水力学研究中,湍流普朗特(Prandtl,简称Pr)数是控制温度的主要参数。对于一个特定的问题,传统湍流Pr数的确定方法主要采用经验法或试错法,因而具有一定盲目性和低效性。为了提高湍流Pr数确定的可靠性,采用马尔科夫链蒙特卡罗(M arkov Chain Monte Carlo,简称MCMC)随机抽样的方法(M etropolis-Hastings算法)来对湍流Pr数进行识别,其中湍流场计算采用了稳态标准k-ε模型,温度场计算采用非稳态热传导方程。算例计算结果表明,MCMC方法对湍流Pr数的识别具有良好的适用性和较高的识别精度。
关键词
湍流Prandtl数 参数识别 湍流传热 Metropolis-Hastings算法 mcmc 随机抽样
Keywords
turbulent Prandtl number parameter identification turbulent heat transfer Metropolis-Hastings algorithm mcmc random sampling
分类号
O357.5
[理学—流体力学]
O212.2
[理学—概率论与数理统计]
题名 广义治愈率模型的贝叶斯推断
2
作者
杨陈慧 廖雪丽 夏业茂
机构
南京林业大学理学院
出处
《应用数学》
北大核心
2024年第3期636-646,共11页
基金
国家自然科学基金(114761) 江苏省研究生科研与实践创新计划项目(SJCX22−0310)。
文摘
广义治愈率模型是将治愈率模型推广到含有潜在变量.潜变量的引入增加了模型的复杂度.本文给出其一个分层表示,通过引入Polya-Gamma变量和广义生存时间,将比例治愈率模型置于分层框架内.分层形式提供了计算上的便利.我们在贝叶斯框架内进行了结果展示.
关键词
广义治愈率模型 Polya-Gamma表示 mcmc抽样
Keywords
Generalized cured model Polya-Gamma stochastic representation mcmc samping
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 贝叶斯LASSO正则加权复合分位回归及其应用
被引量：3
4
作者
田玉柱 田茂再
机构
西北师范大学数学与统计学院 中国人民大学统计学院
出处
《应用概率统计》
CSCD
北大核心
2021年第4期390-404,共15页
基金
supported by the National Natural Science Foundation of China(Grant Nos.11501167,11861042).
文摘
回归模型一般采取传统的最小二乘估计(LSE)方法,然而当数据包含非正态特征或异常值时该估计方法会导致不稳健的参数估计.与LSE方法相比,即使出现非正态误差或异常数据,复合分位回归(CQR)方法也能提供更稳健的估计结果.基于复合反对称拉普拉斯分布(CALD),本文提出了贝叶斯框架下的加权复合分量回归(WCQR)方法.正则化方法已经被验证可以有效处理高维稀疏回归模型,它可以同时进行变量选择和参数估计.本文结合贝叶斯LASSO正则化方法和WCQR方法来拟合线性回归模型,建立了WCQR的贝叶斯LASSO正则化分层模型,并导出了所有参数的条件后验分布以进行统计推断.最后,通过蒙特卡罗模拟和实际数据分析演示了所提出方法.
关键词
WCQR 惩罚LASSO 分位回归(QR) mcmc抽样 贝叶斯分层模型
Keywords
WCQR LASSO penalty quantile regression(QR) mcmc samplerBayesian hierarchical model
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 水闸闸室底板地基反力的影响因素研究
被引量：3
5
作者
丁岩松 王梓 徐波 李占超 陆伟刚
机构
扬州大学水利与能源动力工程学院 吉林省国源建设工程设计有限公司
出处
《水资源与水工程学报》
CSCD
北大核心
2021年第1期194-199,共6页
基金
江苏省自然科学基金项目(BK20171288) 国家自然科学基金项目(51779215)。
文摘
在水利工程中,水闸结构是一种应用广泛的挡水和过水建筑物。尤其是对于修建于土质地基上的水闸工程,闸室结构与地基的相互作用复杂且强烈,闸室底板作为闸室与地基的衔接构件,其工作性态与水闸工程的功能发挥和运行安全密切相关。将闸室底板所受到的地基反力作为闸室结构与地基相互作用的表征指标,依据现行水闸设计规范,融合马尔可夫链蒙特卡罗(MCMC)抽样法、BP神经网络以及Tchaban敏感性分析方法,研究水闸闸室底板地基反力的影响因素及其影响规律,并将上述方法应用于某实际工程分析之中。研究成果对于深入理解和研究水闸闸室底板地基反力以及闸室结构与地基的相互作用机理具有重要的理论价值,同时对于水闸工程的合理设计、安全运行以及科学评估也具有重要的参考价值。
关键词
闸室底板 地基反力 弹性地基梁法 mcmc抽样 法BP神经网络 Tchaban敏感性分析
Keywords
chamber floor foundation reaction force elastic foundation beam method Markov chain Monte Carlo(mcmc )sampling method back propagation(BP)neural network Tchaban sensitivity analysis
分类号
TV662.1
[水利工程—水利水电工程]
题名 基于改进SCAM算法的结构物理参数识别贝叶斯方法
6
作者
赵一男 公茂盛 左占宣 高艳滨
机构
中国地震局工程力学研究所中国地震局地震工程与工程振动重点实验室
出处
《振动与冲击》
EI
CSCD
北大核心
2021年第6期121-126,共6页
基金
国家自然科学基金项目(51678541,51708523) 国家科技重点研发计划课题省级资助项目(GX18C005) 黑龙江省头雁计划。
文摘
针对贝叶斯估计中逐分量自适应Metropolis(single component adaptive Metropolis,SCAM)算法易生成重复性样本,导致抽样效率低、结果误差大等问题,重新定义了提议分布方差的表达式,提出了改进的SCAM算法,使得抽样样本序列构成的马尔可夫链相对稳定。进而将贝叶斯理论与改进的SCAM算法相结合,求解结构物理参数的后验边缘概率分布、最优估计值以识别和估计结构损伤,通过理论分析和结构数值模拟算例验证了改进的SCAM算法的有效性。结果表明,改进的SCAM算法既提高了抽样效率,又提高了计算结果准确性,可应用于物理参数识别及损伤识别与评估等工作。
关键词
结构物理参数识别 贝叶斯估计 马尔可夫蒙特卡罗(mcmc )抽样 提议分布 逐分量自适应Metropolis(SCAM)算法
Keywords
structural physical parameter identification Bayesian estimation Markow Chain Monte Carlo(mcmc )sampling proposal distribution single component adaptive Metropolis(SCAM)algorithm
分类号
TU311.3
[建筑科学—结构工程]
题名 ASIS算法是否应该广泛采用?(英文)
7
作者
刘雅君 孙东初
机构
美国北伊利诺斯大学统计部 华东师范大学金融与统计学院 美国密苏里大学统计系
出处
《应用概率统计》
CSCD
北大核心
2014年第1期1-11,共11页
基金
supported by the US National Science Foundation(DMS-1007874,SES-1024080 and SES1260806) the Natural Science Foundation of China(11271136) Chinese 111 Project(B14019)
文摘
本文将辅助-充分交织策略,即Yu和Meng(2011)中提到的ASIS算法,应用于Gibbs抽样算法中以提高两个方差参数的收敛性.我们通过对潜在规模缩减因子(PSRF)、轨迹图及后验估计比较了ASIS算法与普通Gibbs抽样算法的性能,其中一个参数的收敛性有了很大的提高,但另一个参数没有很明显的提高.然而,由于ASIS算法相与普通的Gibbs抽样算法相比极大地减少了为达到收敛所需要的循环次数,整体的抽样性能得到了极大的提高.
关键词
辅助一充分交织策略 贝叶斯计算方法 条件后验密度 Gibbs抽样 mcmc 潜在规模缩减因子
Keywords
Ancillarity-sufficiency interweaving strategy, Bayesian computation, conditional posterior density, Gibbs Sampling, mcmc , potential scale reduction factor.
分类号
O212.8
[理学—概率论与数理统计]
