针对不规则区域面积测算中定位精度和面积计算精度两方面不足,提出一种定位精度高、面积误差小的面积测算新方法。其采用一种组合定位方法精确定位,即将差分GPS测量系统(DGPS)与马尔可夫链蒙特卡罗(Markov chain Monte Carol,MCMC)粒子...针对不规则区域面积测算中定位精度和面积计算精度两方面不足,提出一种定位精度高、面积误差小的面积测算新方法。其采用一种组合定位方法精确定位,即将差分GPS测量系统(DGPS)与马尔可夫链蒙特卡罗(Markov chain Monte Carol,MCMC)粒子滤波相结合,再配合复化Newton-cotes算法,拟合边界曲线并准确求得区域面积。将MCMC粒子滤波应用于DGPS定位数据处理,其既可处理非高斯分布噪声,又解决粒子滤波(PF)的粒子退化问题,提高定位精度。将复化Newton-cotes算法应用于面积计算,其既避免高次插值的舍入误差,又将面积区间进一步细分,提高面积计算精度。实验结果表明,该新方法定位精度更高,面积误差更小。展开更多
针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC(Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法。首先,以待修正参数作为输入,以应变模态作为输出,建立Kri...针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC(Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法。首先,以待修正参数作为输入,以应变模态作为输出,建立Kriging模型,通过蝙蝠算法确定Kriging模型的相关系数;然后,采用最大熵的贝叶斯方法估计参数的后验概率密度函数,将花朵授粉算法融入MH(Metropolis-Hasting)抽样算法,提高局部寻优和全局寻优能力;最后,通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法,修正后参数相对误差均低于0.86%。结果表明,所提方法修正后较高维参数的马尔可夫链能够快速收敛且样本接受率也有所提高,该方法也对随机噪声具有一定的鲁棒性。展开更多
基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳...基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。展开更多
针对频响函数的似然函数推导复杂以及马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法不易收敛、样本拒绝率高的问题,提出一种基于小波变换和改进MCMC算法的贝叶斯模型修正法。首先,引入模态参与变异系数准则选取激励点位置、...针对频响函数的似然函数推导复杂以及马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法不易收敛、样本拒绝率高的问题,提出一种基于小波变换和改进MCMC算法的贝叶斯模型修正法。首先,引入模态参与变异系数准则选取激励点位置、模态动能法选取测点位置;然后,构造Kriging模型,计算加速度频响函数并进行小波变换,提取小波总能量作为Kriging模型输出,并通过粒子群算法优化Kriging模型相关系数;最后,为提高采样效率,以延缓拒绝策略为基础,当候选样本被拒绝时,引入天牛须搜索算法产生新的候选样本,以此估计待修正参数的后验概率分布。分别使用车辆三自由度系统和空间桁架模型验证所提方法,结果表明:修正后获得的马尔科夫链整体性能较好,样本接受率提高,各参数的相对误差基本保持在1%以内且具有良好的抗噪性。展开更多
文摘针对不规则区域面积测算中定位精度和面积计算精度两方面不足,提出一种定位精度高、面积误差小的面积测算新方法。其采用一种组合定位方法精确定位,即将差分GPS测量系统(DGPS)与马尔可夫链蒙特卡罗(Markov chain Monte Carol,MCMC)粒子滤波相结合,再配合复化Newton-cotes算法,拟合边界曲线并准确求得区域面积。将MCMC粒子滤波应用于DGPS定位数据处理,其既可处理非高斯分布噪声,又解决粒子滤波(PF)的粒子退化问题,提高定位精度。将复化Newton-cotes算法应用于面积计算,其既避免高次插值的舍入误差,又将面积区间进一步细分,提高面积计算精度。实验结果表明,该新方法定位精度更高,面积误差更小。
文摘针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC(Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法。首先,以待修正参数作为输入,以应变模态作为输出,建立Kriging模型,通过蝙蝠算法确定Kriging模型的相关系数;然后,采用最大熵的贝叶斯方法估计参数的后验概率密度函数,将花朵授粉算法融入MH(Metropolis-Hasting)抽样算法,提高局部寻优和全局寻优能力;最后,通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法,修正后参数相对误差均低于0.86%。结果表明,所提方法修正后较高维参数的马尔可夫链能够快速收敛且样本接受率也有所提高,该方法也对随机噪声具有一定的鲁棒性。
文摘基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。
基金partly supported by the China Postdoctoral Science Foundation(Grant No.2017M610156)the National Natural Science Foundation of China(Grant No.11501167)the Young Academic Leaders Project of Henan University of Science and Technology(Grant No.13490008)
基金Supported by the Scientific Research Funds for Forestry Public Welfare of China(201004026)Ministry of Education "Overseas Experts and Scholars" project
文摘针对频响函数的似然函数推导复杂以及马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法不易收敛、样本拒绝率高的问题,提出一种基于小波变换和改进MCMC算法的贝叶斯模型修正法。首先,引入模态参与变异系数准则选取激励点位置、模态动能法选取测点位置;然后,构造Kriging模型,计算加速度频响函数并进行小波变换,提取小波总能量作为Kriging模型输出,并通过粒子群算法优化Kriging模型相关系数;最后,为提高采样效率,以延缓拒绝策略为基础,当候选样本被拒绝时,引入天牛须搜索算法产生新的候选样本,以此估计待修正参数的后验概率分布。分别使用车辆三自由度系统和空间桁架模型验证所提方法,结果表明:修正后获得的马尔科夫链整体性能较好,样本接受率提高,各参数的相对误差基本保持在1%以内且具有良好的抗噪性。
