一、关于二参数Weibull分布变异系数的一个定理证明(论文文献综述)
张美范[1](2021)在《基于数据概要的大数据近似计算关键技术研究》文中研究说明大数据时代,数据量迅速膨胀,给大数据的计算、查询和分析带来了巨大挑战。传统的数据计算技术难于应对不断增长的数据量。为此,研究者们在准确性、存储代价、以及效率之间做权衡,提出了从大数据中获取数据概要并利用数据概要来解决大数据近似计算问题的方法。数据概要是从大数据中获取的具有总结性的信息,包括样本、草图、直方图、数据方块、小波等。基于数据概要的近似计算技术能够大幅度的降低待处理的数据量,有效的提高效率,满足快速响应的需求。通常,数据概要中存储的信息越多,最终估计结果的准确性越高,即,选取更多的样本、在直方图中存储更多的桶将带来更为准确的估计结果。这意味着这些方法需要以增大存储空间作为代价来提高准确性。为应对当今时代不断膨胀的数据量,我们希望在提高准确性的同时,维持轻量级的数据概要。为此,我们针对大数据计算中频率估计、选择性估计、近似聚集查询处理、近似分组查询处理这四个重要问题,分别提出了新的数据概要及方法。本文提出的这些方法较基于传统数据概要的方法更为准确,同时占用更小的存储空间。本文主要研究内容概括如下。1.本文研究了大数据频率估计问题。频率估计广泛应用于网络流量分析、网络监控、异常检测、频繁元素查找等多种领域。庞大的数据量使准确存储并查询数据频率面临昂贵的代价,基于亚线性草图进行频率估计能够大幅降低存储代价。而传统Count-Min草图中,其通过哈希函数将数据映射到亚线性空间的存储特性也使它面临着由哈希冲突造成的巨大的估计误差。为此,本文提出了两种学习草图,根据历史数据建立频率模型,并将高频数据和低频数据分开处理。本文提出的方法利用模型代替高频数据频数的存储,用传统Count-Min草图处理低频数据,从而避免了高频数据和低频数据存储冲突造成的巨大误差。同时,轻量级的模型代替大量数据频数的存储能够有效降低空间代价。本文在真实和虚拟数据集上进行了实验,验证了本文提出的两种学习草图相比于传统草图能够以更轻量级的存储代价提供更为准确的频率估计结果。2.本文研究了大数据多维查询选择性估计问题。查询选择性指满足查询谓词的元组占全部数据元组的比例,查询选择性估计的准确性决定了查询优化的结果。数据库系统中通常采用一维直方图来估计查询选择性。但是,基于各属性独立的假设来估计多维范围查询的选择性通常是不准确的。多维直方图是这一问题的一种解决途径,但它同时也面临着包括构建困难以及巨大的空间代价在内的一些挑战。等高直方图,V-optimal直方图的划分方法随着维度的升高而变得多样化,难以抉择出最优划分的方法;易于划分的等宽直方图难于应对数据分布偏斜的情况。现有的直方图通常以增大桶数为代价来提升准确性,而随着维度的增高,增加桶数将增加额外的空间代价。为了在提高准确性的同时并避免增加直方图的存储成本,本文提出了一种方法,该方法使用从密集区域中的大量桶中学习到的密度模型来替代这些桶的存储。它将密度模型与直方图中的一些桶结合在一起估计查询选择性。本文在真实和模拟数据集上进行了实验,验证了在同等存储代价下,本文提出的算法优于现存的多种有代表性的多维直方图。3.本文研究了大数据近似聚集查询处理问题。在大数据上计算准确的聚集查询结果无疑会花费昂贵的代价,且难以满足快速响应的需求。为解决这一问题,近似聚集查询处理应运而生,它能够快速提供聚集查询的近似结果。基于抽样的方法根据样本上的查询结果估计整体数据上的查询结果。基于抽样的方法的准确性和样本量相关,少量的样本难以代表整体的数据分布,尤其难以代表偏斜数据的分布情况。基于预聚集的方法根据存储的预聚集结果来估计当前查询。然而,若当前查询的范围和预查询不相交,那么就不能够从预查询中获取帮助。基于机器学习的方法通过历史查询训练回归模型,并利用模型估计查询结果,然而,这种方法并不能提供误差界限。本文提出了一种新的方法,将抽样、预聚集与机器学习模型相结合,综合利用各方法的优势。该方法根据预聚集和小样本训练误差模型,并根据当前查询的预测误差从预查询中选取最优的查询作为基准来估计当前查询。本文在真实和模拟数据集上进行了实验,验证了本文提出的算法相比于分别基于抽样、预聚集、机器学习方法的优越性。4.本文研究了大数据近似分组查询处理问题。抽样是近似查询处理的主要手段之一,然而基于抽样的近似查询处理方法并不能很好的估计分组查询。分组查询的结果包含多个值,不同分组的数据分布不同。通过均匀采样难以为稀疏组获取足够多的样本;分层采样能够提升准确性,但为一些查询获取的分层样本不能适用于其他查询;线上采样能够根据查询获取样本,但查询时采样无疑会增加响应延迟。为此,我们提出了基于条件生成模型的样本生成方法,能够在不接触原始数据的情况下获取样本,且能够为给定组生成任意数量的目标样本。它可以灵活地和多种分层抽样方法相结合,从而在降低响应延迟的同时提升准确性。此外,本文还提出了针对低选择性的分组查询的样本生成方法,能够针对查询谓词生成高质量的分层样本。本文在真实和模拟数据集上进行了实验,验证了本文提出的算法的高效和准确。
文帆[2](2020)在《基于极值理论的风暴潮损失分布拟合及债券定价》文中认为风暴潮是一种严重的海洋自然灾害。近年全球气象愈发不稳定,风暴潮灾害带来的损失愈发严重。虽然风暴潮发生频率不高,只是偶有发生,但是一旦发生,便会带来严重的损失,再加之历年来的损失数据也并未记载完全,以及损失数据具有明显的尖峰厚尾特点,所以通常基于极值理论来进行分析。目前,我国巨灾风险市场因起步较晚,尚未成熟。预防巨灾风险的主要途径本来主要利用巨灾保险,但由于巨灾风险存在非可保性,它的发生概率小、损失大,仅凭保险公司一己之力是难以承担如此高额损失的,所以我国现在巨灾保险的供给存在一些缺失。为了转移和分散保险市场承担巨灾风险的压力,不仅需要寻求再保险市场的帮助,同样需要向资本市场进行转移。借助巨灾债券等巨灾风险证券化工具,吸引资本市场购买力,从而将通常认为不可保的巨灾风险进一步可保化,进而使我国的巨灾风险管理更为科学合理。本文针对研究风暴潮灾害,搜集我国1989年到2018年的风暴潮直接经济损失数据,选取其中154起灾害数据进行研究。采用基于极值理论的POT模型,分析风暴潮灾害直接经济损失的厚尾特征,运用GPD拟合我国风暴潮直接经济损失数据。拟合GPD最重要的环节就是阈值的选取,本文总结整理了7种阈值选取方法,在其中选取了Hill图法,超出函数图法结合拟合残差法得到了两个阈值,对两个阈值进行稳定性检验,利用极大似然估计得到两个函数分布,根据拟合结果诊断的对比,确定最终拟合的GPD。根据得到的风暴潮灾害直接经济损失分布,测算得到不同置信水平下的在险价值VaR,建立风暴潮灾害巨灾风险分摊机制,缓解巨灾损失补偿过于依赖政府救助的现状,在此基础上再计算再保险纯保费。在构建风险分摊机制后,设计两种风暴潮债券。一种站在投资者的角度,利用分层定价思想结合Wang变换,构建短期部分本金保障性分层债券模型,并进行数值分析;另一种站在发行方的角度,为长期部分本金保障型债券,计算利率期限结构,利用现金流贴现方法对债券进行定价。最后为我国巨灾风险市场提供了可行性建议,对我国巨灾债券的研究发展提供思路。
张岗岗[3](2020)在《天然林结构解译及林分状态综合评价》文中研究指明森林结构是指构成森林的植物个体分布及其属性的连接方式,量化描述最近相邻木之间关系是认识和理解森林结构本质特征的前提和关键,林分状态合理与否直接关系到森林经营的紧迫性和必要性,因此,森林结构的全面系统解译及林分状态的综合评价至关重要。以往研究偏重强调林分状态的累加性或侧重林分整体或单方面结构特征,并未包含林木其它属性或形成系统完整的林分空间结构解译体系,如何有效整合空间和非空间结构信息,并在在林分状态综合评价中科学地测度林分状态各方面发展的均衡性仍需深入研究。有鉴于此,本文以甘肃小陇山锐齿栎天然林(Quercus aliena var.acuteserrata natural forest)为示例,基于角尺度(W)、混交度(M)、大小比数(U)和密集度(C)相互独立且取值等级有限,试图采用其零元分布、一元分布和多元分布全面系统解译林分整体、单方面和多方面3个不同分辨率水平的空间结构异质性信息;其次,尝试采用垂直投影降维和边际分布函数探讨林分空间结构参数不同分布之间的数量关系及其直观表达方式;然后,尝试构建耦合多元分布函数(耦合方法)同时量化描述林分空间和大小结构特征;最后,以锐齿栎天然林和吉林蛟河阔叶红松林(Broad-leaved Pinus koraiensis mixed forest)林分状态综合评价为例,基于等周定理和等圆定理试图提出林分状态不同指标之间均衡性测度指标并构建兼顾林分状态累加性和均衡性的综合评价方法(改进单位圆法),以全面评估林分整体质量并有效促进其均衡发展。主要获得以下结论:(1)锐齿栎天然林整体及林分内大多数林木呈随机分布、混交良好、较为密集;该林分空间结构最突出特点表现为:不同空间结构参数(W、U、M和C)组合状态下林分内大多数林木呈随机分布或混交良好。因此,W-U-M-C四元分布可同时全面地描述林木空间分布格局、树种隔离程度、密集程度和大小分化程度4个方面空间结构特征;望远镜方法可系统解译林分整体、单方面和多方面3个不同分辨率水平空间结构异质性信息。(2)空间结构参数N元分布的边际概率分布和垂直投影累积分布均对应于若干N-1元分布。因此,基于垂直投影降维和边际概率分布函数可实现林分空间结构参数四元分布→三元分布→二元分布→一元分布→零元分布(均值)的逐步递推,但该过程不可逆;空间结构参数N元分布之间在量化描述林分空间结构特征方面相辅相成、优势互补。双坐标轴3D图直观展现空间结构参数多元分布所解译的空间结构异质性信息。(3)锐齿栎天然林不同林木大小等级变量和/或空间结构参数组合状态下50%以上林木混交良好或呈随机分布,不同空间结构特征林木多为中小径木或中下层林木,尤其是6-7 m树高级和/或6 cm径阶林木;相同分布格局、混交度或密集度等级林木径阶分布呈倒J形,而其树高级-径阶之间关系呈非对称山状曲线。由此可见,耦合方法可有效地同时刻画林分空间和大小结构特征,有助于全面认知和理解森林结构。(4)若干模拟林分比较证实累加性指标ωi1可有效刻画评价对象各方面功能大小,3个均衡性指标αi2、βi2和γi2可有效测度不同评价指标之间协调性,且其评价结果趋势一致,综合评价函数Fi可全面评判评价对象整体的优劣。4个天然林林分状态累加性、均衡性及综合评价结果均表现为:d>a>c>b,说明阔叶红松林d状态最优,其次是锐齿栎天然林a和阔叶红松林c,锐齿栎天然林b状态最差。由此可见,αi2、βi2和γi2可有效地测度评价对象不同指标之间的均衡性,兼顾林分状态累加性和均衡性的改进单位圆综合评价方法更为全面客观,其评价结果对林分状态问题诊断和森林经营决策具有明显的启示作用,可有效地全面提升森林质量并促进其均衡发展。
时传兴[4](2019)在《水煤浆气化装置系统主压力管道的可靠性及冲蚀分析》文中研究说明近年来,我国煤化工产业发展迅速,水煤浆(CWS)气化技术被迅速推广使用。水煤浆气化装置中的压力管道属于工业管道,是输送工艺介质的关键设备之一,主要包括:水煤浆管线、激冷水管线、工艺气管线、锁斗循环水管线。水煤浆气化装置运行过程中,冲刷腐蚀会使管壁产生局部减薄或者管道泄漏,是造成管道及其管件失效的主要原因。首先,对各个管线受到冲蚀后的规律和特点进行了归纳。当各管线受到冲蚀后,长距离直管段管近似为均匀减薄,而异形管件主要为局部减薄且各自表现出不同的冲蚀形貌。其次,选用不同的数学模型分别对各管道的直管段和异行管件进行了可靠性分析。对于管线的直管段,利用极大值分布模型,计算了各管线的剩余使用寿命,同时根据计算结果推荐了各个管线直管段的更换周期。对于各个管道的异型管件,利用威布尔分布模型,计算了运行一段时间后的可靠度,根据计算结果推荐了管件加强或者更换的寿命周期。最后,分析了介质流速、流向等各种因素对水煤浆气化装置压力管道冲蚀的影响。根据实际经验,总结了增加管道壁厚、材质升级、改善运行环境等针对性的防范措施。这些防范措施简单经济、容易实施,并得到了实际应用,取得了良好的运行效果。
郑志斌[5](2019)在《基于退化系统的设备维护与设备更换联合决策研究》文中研究说明设备的维护管理是企业运营管理的重要任务之一,设备维护管理水平的高低一方面直接影响设备的使用寿命和效率,另一方面将间接影响着企业的盈利能力和竞争优势。在实际中,由于设备会随着使用时间和故障次数增加不断退化,设备发生故障的频率和检修难度会不断增加,维修成本也不断增加。对这类存在退化特性的设备需要确定合适的更换周期。同时,为提高设备运行的可靠性、延长设备的使用寿命以及保证生产计划的顺利执行,企业会对设备或部件采取各种预防性维修和恢复性维修,不同的维修策略各有优劣,适用场景不同。因此,对于具有退化特性的设备制定维修策略时,需要对维护与更换策略进行联合决策。在已有文献研究的基础上,本文基于退化系统的特性,针对若干生产场景下设备维护与更换联合决策问题进行了研究和探讨。本文首先关注了制造系统中的设备维护与设备更换联合决策问题。在实际生产中,设备的不同故障模式会导致不同程度的成本损失,制定维修策略时需要考虑不同故障模式的影响。在第二章中,本文在前人研究基础上,在针对同时具有可修故障和不可修故障的设备维修决策模型中同时考虑了预防性维修和更换策略,利用几何过程模型建立了固定周期预防性维修与更换联合决策模型,分析了系统的一些可靠性指标并以最小化单位时间期望成本为目标分析了最优的联合维修策略。同时还给出了最优联合维修策略的一个寻优算法,简化了模型的应用难度。进一步地,我们分析了联合维修策略的具体适用条件:两个定理表明当设备的寿命服从某些分布时,与只实行更换策略相比,同时实行固定周期预防性维修和更换策略能降低设备的运行成本。最后,数值分析结论表明在大部分情况下实行联合维修策略能显着降低设备的运行成本。除了故障模式,设备的使用频率是影响设备寿命或退化速度的另一重要因素。然而已有基于几何过程模型的维修决策模型都忽悠了这一因素的影响,同时,以往的文献大多关注固定周期预防性维修策略。但对于一些具有高可靠性要求的设备,采取固定周期预防性维修无法保证设备始终保持一个较高的可靠性。因此,在第三章中,本文针对一类具有高可靠性要求且具有可修故障和不可修故障的设备,提出了基于使用频率的变动周期预防性维修和更换联合维修策略。我们利用加速失效时间模型首次将使用频率对设备寿命的影响引入到几何过程模型中,构建了基于使用频率的变动周期预防性维修与更换联合决策模型。针对不同的使用场景,我们分别以最小化长期运行单位时间期望成本和最大化可用度为目标分析了最优的联合维修策略,并通过参数转化降低了最优维修策略的求解难度。最后,数值分析结论表明采取变动周期预防性维修策略会增加系统的运行成本但却能保障设备的可靠性始终维持在限制水平之上。不同于生产设备维修管理只需要关注设备的可靠性、可用度、运行总成本等技术性指标,服务设备的维修策略还需要考虑维修策略对顾客服务体验的影响。本文在第四章和第五章则主要关注服务系统中的设备维修决策问题。其中在第四章我们研究了基于能耗水平的服务设备预防性维修与恢复性维修联合维修策略。基于高能耗服务设备的能耗与故障状态的紧密关系,我们引入控制图作为工具来监控设备的能耗状态偏移,并通过控制图的失控信号来采取恢复性维修。同时,考虑在设备空闲时以一定概率采取预防性维修。基于这一联合维修策略,我们首先以最简单的M/M/1服务系统为基础构建了联合决策维修模型,并通过概率母函数的方法给出了服务系统的一些稳态性能指标的解析解。然后,我们将模型拓展到更一般化的MAP/PH/1服务系统,并利用矩阵分析的方法求解出了该服务系统稳态性能指标的矩阵几何解。最后,我们以权衡运行成本和等待时间为目标分析了最优的联合维修策略。数值实验的结论表明我们提出的模型在各种参数估计不准情况下仍具有较好的鲁棒性,同时基于控制图的维修策略能给设备的运行成本带来较显着的改进,而改进效率取决于等待时间的限制条件以及系统的交通强度。在第五章中,我们在第四章基础上进一步基于退化系统特性研究了服务设备维护与更换联合决策问题。我们假定服务设备会发生两类故障:导致能耗增加的小故障和导致停机的大故障。针对不易发现的小故障,基于小故障与能耗状态的关系,采取以控制图为工具的预防性维修,针对大故障则采取恢复性维修,其中预防性维修和恢复性维修都为不完美维修。我们基于MAP/PH/1服务系统利用几何过程模型构建了基于状态预防性维修和更换联合决策模型,运用矩阵分析方法给出了一些系统稳态性能的矩阵几何解以及系统的长期运行单位时间期望成本函数,并以权衡能耗成本与等待时间为目标分析了联合维修策略。最后,数值分析表明该模型具有较好的鲁棒性,并且我们提出的联合维修策略与只实行更换策略相比能同时显着降低系统的运行成本和顾客的等待时间。最后,我们对本文的主要结果和创新点进行了总结,并提出了几个有待进一步研究的问题。本文的相关研究结论为企业的设备维护管理提供了一定的理论基础和分析工具,同时在一定程度上拓展了现有基于退化系统的维修决策研究,也具有一定的理论意义。
武洪萍[6](2019)在《长度偏差数据下非参数均值剩余寿命和半参数模型的研究及应用》文中研究指明生存分析处理的主要问题有:(1)分析和推断生存时间的分布规律;(2)研究生存时间与潜在风险因素之间的关系.它的理论和方法可以妥善地处理实践中常见的删失数据,如右删失数据、左截断数据和区间型删失数据等.本文研究的长度偏差数据是左截断数据的一种特殊情形.在左截断抽样中,若起始事件发生的日历时间τ在任一时刻发生的可能性都是相等的,或者说左截断变量是服从均匀分布的,那么采集到的这类数据又称为长度偏差数据.这一概念在很多文献中都已经有详细的介绍,如Vardi(1982),Gupta&Keating(1986)以及Luo&Tsai(2009)等.在寿命研究工作中,长度偏差数据是广泛存在的.特别是近些年来,统计研究者在长度偏差数据下针对不同的模型进行了大量的研究,如Huang&Qin(2011,2012),Bai et al.(2016),Shi et al.(2018)等.正是受到这些研究工作的启发,本文不仅在长度偏差数据下研究了均值剩余寿命函数的矩类估计和经验似然区间估计,而且还对加性风险模型和加性均值剩余寿命模型中回归系数的估计问题进行了分析和研究.下面进一步介绍本文的主要研究内容和创新之处.在第一章中,我们首先介绍了长度偏差数据和均值剩余寿命函数的定义及研究现状,然后又介绍了研究过程中涉及到的几种半参数模型,即比例似然比模型、半参数均值剩余寿命模型和半参数风险模型,以及它们的研究现状.在第二章中,我们在长度偏差数据下提出了均值剩余寿命的几种非参数估计方法.均值剩余寿命是生存分析和生命表研究中一个非常重要的生物统计函数,描述的是单位或个体在已经存活t年(或其它时间单位)后还能继续生存的平均时间.它在许多寿命试验中都具有重要的应用,例如:在医学上,那些患有癌症等无法治愈的疾病的患者会非常想了解自己的平均剩余寿命;在医学临床治疗中,医生需要通过计算平均剩余寿命来建议患者采取合适的治疗方案;等等.这一章的研究动机主要有两个:(1)一般情况下,人们总是通过估计感兴趣总体的生存函数来构造均值剩余寿命的非参数估计,如Gill(1983),Zhao et al.(2013)等,但是这种方法需要计算生存函数的积分,有时处理起来比较麻烦;(2)据我们所知,针对长度偏差数据下的非参数统计推断,大多研究的是感兴趣总体生存函数的非参数估计,而关于均值剩余寿命的研究却很少.正因为如此,本章在长度偏差完全数据和长度偏差右删失数据两种情况下,分别研究了均值剩余寿命函数的矩类估计,并利用Hadamard导数法则证明了估计量的大样本性质.为评估各估计方法的优劣,还进行了一系列的随机模拟试验.另外,我们还对Channing House数据中老年人的均值剩余寿命进行了分析.本章的主要创新有:(1)当数据类型为长度偏差完全数据时,首先分别推导出均值剩余寿命函数与长度偏差变量的分布函数和左截断变量的生存函数之间的关系,然后建立长度偏差变量分布函数的的矩类估计和左截断变量生存函数的复合矩类估计,从而得到均值剩余寿命函数的点估计;(2)当数据类型为长度偏差右删失数据时,首先提出长度偏差变量的分布函数及其函数在删失变量干扰下的两种矩估计,然后利用均值剩余寿命函数与长度偏差变量的分布函数之间的关系,建立均值剩余寿命的三种非参数估计;(3)利用中心极限定理和Hadamard导数法则证明了各估计量的渐近正态性.在第三章中,我们主要研究的是长度偏差右删失数据下均值剩余寿命函数的经验似然置信区间.经验似然作为一种无需对总体分布做任何假设的非参数统计推断方法,被广泛应用于解决统计问题中置信区间的构造.随机删失数据下提出的调整经验似然方法(Wang&Jing,2001;Qin&Zhao,2007)在构造未知量的置信区间时,还需要额外估计一个权函数,这无疑增加了计算的难度.同样在右删失样本下,He et al.(2015)提出了一个特殊的影响函数估计方程,并证明了在一定条件下,-2 log(empirical likelihood ratio)渐近服从自由度为1的标准卡方分布,从而避免了在实现置信区间时冗余参数的估计.正是受到上述研究工作的启发,本章旨在构造均值剩余寿命在长度偏差右删失数据下的对数经验似然比函数,并使其在一定条件下渐近服从标准χ12分布.另外,也提出了长度偏差右删失数据下均值剩余寿命函数的渐近正态区间估计,并通过模拟研究,将两种估计方法与“简单”bootstrap方法(见Bilker&Wang,1997)在有限样本下的表现进行了比较,结果显示经验似然置信区间的平均长度要比另外两种方法短的多.本章的主要创新有:(1)利用均值剩余寿命函数和长度偏差变量概率密度之间的关系,建立均值剩余寿命函数的逆概率积分加权估计方程,从而定义均值剩余寿命函数在长度偏差样本下的对数经验似然函数;(2)证明了在适当条件下对数经验似然比函数的极限分布是标准χ12分布;(3)在一定条件下提出了均值剩余寿命函数的渐近正态置信区间.在第四章中,我们主要研究的是长度偏差右删失数据下加性风险模型回归系数的成对伪似然估计方程.Aalen加性风险模型在生存分析中具有重要的地位,它将个体对应的瞬时风险分解成了基本风险函数和个体特有属性两部分的和.Huang&Qin(2013)发现,当感兴趣总体的风险函数为Aalen加性风险模型时,左截断抽样机制下左截断变量的概率密度具有比例似然比模型(Luo&Tsai,2012)的结构.因此,长度偏差抽样机制下剩余寿命变量的概率密度也具备比例似然比模型的结构.本章利用比例似然比模型的参数不变性及长度偏差样本的特有结构,将删失剩余寿命观测样本中所包含的参数信息吸收进来,提出了只依赖于剩余寿命观测结果的成对伪似然估计方程.另外,为了更充分地利用样本中的信息,还在Huang&Qin(2013)中的成对伪似然估计方程和Ma et al.(2015)中的复合条件估计方程基础上,发展了模型的两种复合估计方程.最后,我们还用只依赖于剩余寿命观测样本的成对伪似然估计方程,分析了Channing House数据中两性之间的生存差异.本章的主要创新有:(1)首先在长度偏差右删失抽样机制下推导出可观测的完全剩余寿命变量的条件概率密度,然后根据该密度函数的比例似然比模型结构,建立加性风险模型的成对伪似然估计方程,且该方程只依赖于登记后剩余寿命的观测结果;(2)将左截断变量和删失剩余寿命变量的观测样本视为二元生存数据,提出了不依赖于基础风险函数的复合成对伪似然估计方程.另外也将其与Ma et al.(2015)中的复合条件估计方程相结合,发展了回归系数的复合条件-成对伪似然估计方程;(3)利用U-统计量的渐近性质,证明了复合成对伪似然估计及复合条件-成对伪似然估计的渐近正态性.在第五章中,我们研究的是长度偏差数据下加性均值剩余寿命模型的估计方程.加性均值剩余寿命模型是生存分析中应用普遍的模型之一,它在临床医学试验、保险精算学等实践领域中具有广泛的应用.据我们所知,已有的针对该模型的统计推断方法都是在右删失数据下讨论的,不能直接用于分析长度偏差数据.为了克服这一问题,本章中提出了长度偏差右删失数据下基础剩余寿命函数和协变量系数的鞅类估计和逆概率加权估计,并研究了两类估计量的大样本性质.另外,数值模拟的结果显示,在样本容量和删失率相同时,回归系数的逆概率加权估计在经验偏差、经验标准差和经验均方误差方面要明显优于鞅类估计.但是,值得注意的是,该鞅类估计可以适用于多种样本,即它可以适用于标准的长度偏差样本,同时也可以在只有左截断变量可观测时或者只有删失的残余寿命可观测时使用.最后,我们还用两种估计分别分析了Channing House数据中男性与女性均值剩余寿命的关系.另外,比例均值剩余寿命模型和转换均值剩余寿命模型(见Sun&Zhang,2009)也可以用本章的方法进行类似的讨论.本章的主要创新有:(1)推导出左截断变量的累积风险函数和感兴趣总体的均值剩余寿命模型之间的关系,然后利用鞅方法,提出加性均值剩余寿命模型的估计方程;(2)利用逆概率加权方法建立加性均值剩余寿命模型的估计方程,并在方程中引入权重函数以便更多的开发样本中所包含的总体信息,提高参数估计的精度;(3)在一定条件下研究了两类估计量的大样本性质。
黎阳[7](2018)在《高速流测量技术的研究》文中指出基于网络流的被动测量是高速网络中重要的测量技术。高速流测量需要满足高速、准确和低代价三方面的要求。目前的流测量技术采用了流采样方法,仅对采样到的分组进行计数,可满足高速和低代价的需求,却对小流测量带来了极大的误差。为此学术界提出了自适应非线性采样算法,对不同大小的流自适应地采用不同的采样率,能取得40Gbps吞吐率,并可做到对大流和小流的准确测量。但已有的自适应非线性采样算法对每个到达分组都要执行计数器更新算法,产生对片外SRAM的访存,因此难以支持更高速链路(如400Gbps)的线速测量。如何改变已有算法的逐包处理方式并且降低其处理开销是一个新的研究问题。针对此问题,本文对自适应非线性采样算法的结构和处理机制进行了深入研究,取得以下成果:1.提出了缓存加速的自适应非线性采样结构CASE。针对现有自适应非线性采样算法的逐包处理方式,引入了高速片上缓存来解耦分组计数和计数器更新这两个操作过程。真实网络流量具有重尾分布特性,使得绝大多数分组的计数都能在片上缓存中低代价和无压缩地进行,因而提高了测量速率和精度。本文从理论上证明了采用片上缓存的CASE结构可以取得比现有算法更高的测量精度。实验结果显示,CASE结构的平均相对误差比现有最好算法小104倍;在平均分组大小为250字节并且采用1.125MB片上缓存时,吞吐率最高可达301.5Gbps。2.提出了带小流过滤器的自适应非线性采样结构CASE+。对真实网络流量测量发现:流量占比极低的小流带来了较大的片上片下交互开销,形成了限制CASE结构性能提升的瓶颈。为了降低测量小流的开销,本文提出了CASE+结构,在CASE的片上缓存之前加入了小流过滤器,将小流分组滤出后单独进行处理。理论分析和实验表明,CASE+结构可以保证与CASE结构同样高的测量精度,其吞吐率可提升至390.7Gbps。3.提出了改进的计数器更新算法,降低了自适应非线性采样算法的计算量。虽然CASE和CASE+结构极大减少了计数器更新的次数,但是为了进一步提高系统的性能,仍有必要降低计数器更新算法的单次计算复杂度。本文提出了改进的计数器更新算法,利用空间换时间的思想,将高精度浮点运算变为查表操作,并且对中间变量的计算精度进行了控制,对计算步骤进行了改良。基于FPGA原型的实验结果表明,改进算法能在保证测量精度的同时大幅降低计算量。
任伟[8](2017)在《管道环焊缝可靠性分析》文中指出对于长输油气管线,它的建设过程实际上就是焊接成型(制管)和长距离焊接安装过程(现场环焊)。而对管道进行环焊时,由于工艺,技术以及人工的因素往往容易产生缺陷,管线在运行过程中经受循环疲劳载荷、压力波动大,腐蚀,高温,冲击等恶劣条件,这严重损害管道性能,使管道发生断裂等失效行为。对管道进行环焊时产生的缺陷是导致管道环焊缝容易失效的主要原因,有必要对环焊缝可靠性进行研究,为油气管道的安全运行提供理论指导。论文从三个方面,研究了管道环焊缝的可靠性。第一,收集数据,对X60、X70、X80管道环焊缝的环焊缝拉伸强度、环焊缝冲击功和环焊缝断裂韧性等材料性能参数进行统计分析,推荐参数的最佳分布类型,并给出分布参数。第二,分别考虑基于应力和基于应变的失效判据建立管道环焊缝的极限状态方程,然后结合管道环焊缝的极限状态方程,将Monte Carlo方法作为管道环焊缝可靠性分析方法,进行环焊缝可靠性分析。第三,根据可靠性灵敏度定义,利用Monte Carlo方法对影响管道环焊缝失效的参数进行敏感性分析,确定影响管道环焊缝可靠性的主要因素。
桂文永[9](2017)在《Erlang混合模型在保险精算中的应用》文中指出等尺度参数的Erlang混合分布具有很多良好的性质,广泛应用于保险精算数据中。对于混合分布的参数估计,最常用的方法是期望最大化(Expectation Maximization,简写EM)算法。Erlang混合分布的形状参数限制为正整数,这使得形状参数的估计比较困难。在本文中我们对标准的EM算法进行修改,提出广义期望最大化(Generalized Expectation-Maximization,GEM)算法。在EM算法的M步中对形状参数的估计不是使相应的Q函数达到最大,而是调整形状参数保证Q函数的函数值增加即可。最后为了避免出现过拟合的问题,本文用BIC(Bayesian Information Criterion)准则确定混合模型的序。参数个数和模型的序成正比关系,所以混合模型参数个数比较多,尤其是模型的序比较大的时候。本文采用前向选择的方法从两个混合模型开始选择得到最优的混合模型的序,相比后向选择方法大大的缩短了参数估计的时间。EM算法是一种迭代算法,算法的收敛性高度依赖参数的初始值。本文从一个新的角度出发,并提出新的方法估计参数初始值。通过对观测数据进行聚类,然后用矩估计方法对参数进行初始化,我们将这种方法称为CMM(Clusterized Method of Moment)算法。通过对模拟数据以及实际数据拟合,我们可以看到这种CMM初始化方法可以得到高质量的参数初始值。本文采用K-means算法处理此分类问题,并且对该分类的方法选取给出了一个合理解释。在实际应用中,数据经常会出现截断或删失的情形,比如保险数据中有免赔额的保单或设定赔付上限的保单。这些情况对保险公司运营非常重要,我们不能忽略这种情况。因此,本文进一步将CMM-GEM算法推广到截断和删失数据的情形,使其应用更加广泛,能够处理各种情形的数据。在弱收敛意义下,多维Erlang混合在多维正的连续分布空间中是稠密的。对多维Erlang混合分布,很多重要结果都有具体的解析表达式,比如各阶矩、Laplace变换和边际分布密度函数等等。Copula方法是一种常用的处理多维数据的方法,相比copula方法,多维Erlang混合分布能够更灵活的获取变量的相关结构。而且,对一些常用的相关关系度量如Kendal’s tau和Spearman’s rho都能够得到精确的表达式。对Erlang混合分布的参数估计常常使拟合曲线不够光滑,为了使拟合的密度曲线更加光滑,我们考虑粗糙惩罚函数并修改前面提出的CMM-GEM算法。关于光滑性度量,对多维数据我们考虑所有分量之和的密度函数曲线的二阶导函数的积分,然后提出合适的惩罚函数。通过研究各参数对曲线光滑性的影响,发现多维Erlang混合模型的混合权重和形状参数对光滑性影响较小,所以只需要对尺度参数进行惩罚。最后通过拟合模拟的数据和实际数据,对该算法的效果进行验证。最后,我们用多维Erlang混合描述(n-k + 1)-out-of-n系统中各部件寿命的联合分布。在这个领域的研究中中,常常假设各部件之间是相互独立的。本文我们假设各部件的联合寿命服从多维Erlang混合分布,然后研究其剩余寿命以及随机序性质。因为多维Erlang混合能抓住多个变量之间的相关结构,所以它是一种非常有用的模型。本文的结果可应用于部件之间具有强相关性且部件数量较多的系统中。
方江林[10](2017)在《维数发散的高维数据的经验似然推断》文中认为在生物信息、医学、金融分析等诸多应用领域,经常出现高维数据,删失数据等复杂数据。数据维数不断增大给数据分析带来了重大挑战。一方面:维数的增大会导致“维数灾难”问题;另一方面:经典大样本统计推断理论一般都是建立在维数固定且相对较小,而样本量趋于无穷的假设下,在数据维数p随着样本容量n一起趋向无穷时,特别是在“超高维”(p>n)数据情形下,经典统计理论的结论可能不再有效。因此,如何对这些高维数据进行统计推断是统计学研究的一个重要课题。经验似然方法是由Owen(1988)提出的一种非参数统计推断方法,与传统的正态逼近方法相比较,具有许多优势。例如:由经验似然方法所构造的参数的经验似然置信域不需要估计渐近方差,其形状完全由数据决定,而且还具有域保持性和变换不变性。本文在样本维数p随容量n一起趋向无穷情形下应用经验似然方法研究复杂数据的统计推断。另外,变量选择也是高维数据分析的一个重要问题。本文也研究了样本维数p随容量n一起趋向无穷情形下基于惩罚经验似然方法的半参数模型和可加危险率模型的变量选择和参数估计问题。本文主要包括了以下几个方面的内容。第二章研究了高维情形下半参数模型的统计推断问题。首先,利用经验似然方法构造了参数的估计量及其置信域。证明了在一定条件下,当样本维数p和容量n都趋向无穷情形时,经验似然比渐近分布为正态分布,并证明了通过经验似然方法得到的参数估计量具有一致性;其次,将惩罚经验似然方法推广到高维稀疏情形下半参数模型的变量选择和参数估计问题。证明了在一定条件下,当样本维数p发散,即样本维数p和容量n一起趋向无穷情形时,惩罚经验似然比统计量具有渐近χq2分布,同时证明了惩罚经验似然方法具有Oracle性质。第三章研究了高维删失情形下可加危险率模型的统计推断问题。首先,利用经验似然方法构造了参数的估计量及参数置信域或参数分量的置信区间(置信域)。证明了在一定条件下,当样本维数p发散时,通过经验似然方法得到的参数估计量具有一致性,并证明了关于参数和参数分量的经验似然比渐近分布分别为正态分布和χq2分布;其次,将惩罚经验似然方法推广到高维稀疏删失情形下可加危险率模型的变量选择和参数估计问题。获得了在一定条件下,当样本维数p和容量n一起趋向无穷情形时,惩罚经验似然统计量的渐近分布-χq2分布,并证明了惩罚经验似然方法具有Oracle性质。第四章研究了高维情形下异方差部分线性单指标模型的统计推断问题。利用经验似然方法构造了参数的估计量及参数置信域或参数分量的置信区间(置信域)。证明了在一定条件下,当样本维数p发散时,关于参数和参数分量的经验似然比渐近分布分别为正态分布和χq2分布。第五章研究了高维情形下两样本的统计推断问题。利用经验似然方法构造了两样本均值之差和两线性模型系数之差的估计量及其置信域。证明了在一定条件下,当样本维数p发散时,经验似然比渐近分布为正态分布,并证明了通过经验似然方法得到的参数估计量具有一致性。我们通过模拟和实例分析验证了本文所提出的基于经验似然方法的高维数据分析理论结果及其优良性。
二、关于二参数Weibull分布变异系数的一个定理证明(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、关于二参数Weibull分布变异系数的一个定理证明(论文提纲范文)
(1)基于数据概要的大数据近似计算关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 基于数据概要的大数据近似计算发展概况 |
1.2.1 大数据频率估计相关工作 |
1.2.2 大数据查询选择性估计相关工作 |
1.2.3 大数据近似聚集查询处理相关工作 |
1.2.4 大数据近似分组查询处理相关工作 |
1.3 当前存在的不足及待深入研究的问题 |
1.4 主要研究内容 |
1.4.1 大数据频率估计近似点查询处理问题 |
1.4.2 大数据多维范围查询选择性估计问题 |
1.4.3 大数据近似聚集查询处理问题 |
1.4.4 大数据近似分组查询处理问题 |
1.5 主要研究成果 |
1.6 本文章节安排 |
第2章 基于草图的大数据频率估计近似点查询处理 |
2.1 引言 |
2.2 预备知识 |
2.2.1 Count-Min草图 |
2.2.2 增强草图 |
2.3 基于学习草图的大数据频率估计算法 |
2.4 基于学习增强草图的大数据频率估计算法 |
2.5 学习草图的扩展 |
2.5.1 删除及频数负增长操作 |
2.5.2 动态频率模型 |
2.6 实验结果与分析 |
2.6.1 实验设置 |
2.6.2 基于学习草图的频率估计算法的准确性评估 |
2.6.3 学习草图存储代价评估 |
2.6.4 基于学习草图的频率估计算法的效率评估 |
2.6.5 参数对学习草图性能的影响 |
2.6.6 支持动态频率模型的学习草图 |
2.6.7 与最新基于机器学习的草图对比 |
2.7 学习草图的应用前景和局限 |
2.8 本章小结 |
第3章 基于直方图的大数据多维范围查询选择性估计 |
3.1 引言 |
3.2 基于密度模型的多维直方图 |
3.2.1 定义和结构框架 |
3.2.2 DMMH的构造算法 |
3.2.3 基于DMMH的查询选择性估计算法 |
3.3 扩展 |
3.3.1 降低训练集大小 |
3.3.2 向DMMH中加入过滤器 |
3.4 实验结果与分析 |
3.4.1 实验设置 |
3.4.2 基于DMMH的选择性估计算法准确性评估 |
3.4.3 基于DMMH的选择性估计算法效率评估 |
3.4.4 加入过滤器的DMMH的性能 |
3.4.5 降低训练集大小对准确性的影响 |
3.4.6 实验总结 |
3.5 基于密度模型的多维直方图的应用前景 |
3.6 本章小结 |
第4章 基于抽样与预聚集及机器学习相结合的大数据近似聚集查询处理 |
4.1 引言 |
4.2 预备知识 |
4.2.1 基于抽样的近似聚集查询处理算法 |
4.2.2 基于预聚集的近似聚集查询处理算法 |
4.3 基于抽样与预聚集及误差模型相结合的大数据近似聚集查询处理算法 |
4.3.1 LAQP算法结构框架 |
4.3.2 误差分析 |
4.3.3 LAQP支持多种聚集函数 |
4.4 算法优化 |
4.4.1 基于多样化方法优化LAQP |
4.4.2 基于最优化方法优化LAQP |
4.5 实验结果与分析 |
4.5.1 实验设置 |
4.5.2 LAQP算法准确性评估 |
4.5.3 LAQP算法空间代价评估 |
4.5.4 LAQP算法效率评估 |
4.5.5 LAQP处理多种聚集查询 |
4.5.6 预查询多样化 |
4.5.7 预查询最优化 |
4.5.8 实验总结 |
4.6 LAQP算法的应用前景 |
4.7 本章小结 |
第5章 基于条件生成模型的大数据近似分组查询处理 |
5.1 引言 |
5.2 预备知识 |
5.3 基于条件生成模型的近似分组查询处理 |
5.3.1 样本生成框架 |
5.3.2 基于样本生成框架的近似分组查询 |
5.4 包含谓词的分组查询的近似查询处理 |
5.5 实验结果与分析 |
5.5.1 实验设置 |
5.5.2 生成样本分布 |
5.5.3 生成样本准确性评估 |
5.5.4 基于条件生成模型的在线聚集 |
5.5.5 查询选择性对准确性的影响 |
5.5.6 数据量对采样效率的影响 |
5.5.7 空间代价评估 |
5.6 基于条件生成模型的近似分组查询处理算法的应用前景和局限 |
5.7 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(2)基于极值理论的风暴潮损失分布拟合及债券定价(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及目的 |
1.1.1 风暴潮灾害概述 |
1.1.2 巨灾风险的界定 |
1.1.3 研究的目的及意义 |
1.2 国内外研究现状 |
1.2.1 极值理论研究综述 |
1.2.2 巨灾债券研究综述 |
1.2.3 文献评述 |
1.3 研究内容及思路方法 |
1.3.1 研究内容 |
1.3.2 研究思路与方法 |
1.4 本文的创新与不足 |
1.4.1 本文创新之处 |
1.4.2 本文不足之处 |
2 极值理论 |
2.1 BBM模型理论基础 |
2.2 POT模型理论基础 |
2.2.1 厚尾性检验 |
2.2.2 阈值选取的方法 |
2.3 极值理论下的风险度量工具 |
2.3.1 在险价值VaR |
2.3.2 再保险纯保费 |
3 巨灾债券设计原理 |
3.1 巨灾债券的属性 |
3.2 巨灾债券运行机制 |
3.3 巨灾债券触发机制 |
3.4 巨灾债券与普通债券区别 |
3.5 巨灾债券定价模型方法 |
3.5.1 Cox-Pederson模型 |
3.5.2 Wang变换定价方法 |
3.5.3 现金流贴现模型 |
4 风暴潮灾害损失分布拟合实证 |
4.1 数据预处理 |
4.2 厚尾性检验 |
4.3 阈值选取 |
4.3.1 拟合残差法 |
4.3.2 Hill图法 |
4.4 参数稳定性检验 |
4.5 参数估计 |
4.6 计算在险价值VaR与再保险纯保费ES |
5 风暴潮巨灾债券的设计 |
5.1 短期部分本金保障型债券分层定价模型 |
5.1.1 分层定价模型基本思想 |
5.1.2 债券类型设定 |
5.1.3 基于Wang变换的数值分析 |
5.2 长期部分本金保障型债券 |
5.2.1 计算债券利率 |
5.2.2 基于现金流贴现模型的数值分析 |
6 结论与建议 |
6.1 研究总结 |
6.2 政策建议 |
参考文献 |
致谢 |
(3)天然林结构解译及林分状态综合评价(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 引言 |
1.1.1 研究背景 |
1.1.2 研究目的和意义 |
1.1.3 项目来源与经费支持 |
1.2 国内外研究现状及评述 |
1.2.1 林分空间结构量化描述研究进展 |
1.2.2 林木大小和空间结构耦合研究进展 |
1.2.3 林分状态综合评价研究进展 |
1.2.4 锐齿栎天然林和阔叶红松林研究进展 |
1.2.5 研究评述 |
1.3 研究目标和主要研究内容 |
1.3.1 关键的科学问题与研究目标 |
1.3.2 主要研究内容 |
1.3.3 研究技术路线 |
2 研究材料与方法 |
2.1 研究材料 |
2.1.1 研究区概况 |
2.1.2 样地设置与调查 |
2.1.3 模拟林分 |
2.2 林分空间结构解译方法 |
2.2.1 林分空间结构参数 |
2.2.2 林分空间结构解译的望远镜方法 |
2.3 林分空间结构N元分布之间关系 |
2.3.1 垂直投影降维 |
2.3.2 边际分布函数 |
2.4 林分空间和大小结构耦合方法 |
2.4.1 林木大小整化 |
2.4.2 耦合方法 |
2.4.3 数据分析与绘图 |
2.5 林分状态综合评价方法 |
2.5.1 林分状态评价指标体系 |
2.5.2 雷达图法 |
2.5.3 单位圆法 |
2.5.4 改进单位圆法 |
2.5.5 数据处理与分析 |
3 结果与分析 |
3.1 林分空间结构解译的望远镜方法 |
3.1.1 零元分布(均值) |
3.1.2 一元分布 |
3.1.3 二元分布 |
3.1.4 三元分布 |
3.1.5 四元分布 |
3.2 林分空间结构参数N元分布关系 |
3.2.1 垂直投影降维 |
3.2.2 边际分布函数 |
3.2.3 不同空间结构参数N元分布比较 |
3.3 林分空间和非空间结构耦合方法 |
3.3.1 径阶和空间结构参数的二元分布 |
3.3.2 树高级和空间结构参数的二元分布 |
3.3.3 径阶、树高级和空间结构参数的三元分布 |
3.3.4 径阶和空间结构参数的三元分布 |
3.3.5 树高级和空间结构参数的三元分布 |
3.4 林分状态评价方法 |
3.4.1 模拟林分评价结果 |
3.4.2 不同天然林林分状态特征 |
3.4.3 雷达图法 |
3.4.4 单位圆法 |
3.4.5 等权重下改进单位圆法 |
3.4.6 不等权重下改进单位圆法 |
4 结论与讨论 |
4.1 结论 |
4.2 讨论 |
4.3 展望 |
参考文献 |
在读期间的学术研究 |
致谢 |
(4)水煤浆气化装置系统主压力管道的可靠性及冲蚀分析(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 工艺流程与管道现状 |
1.2.2 压力管道的可靠性 |
1.2.3 冲蚀机理及影响因素 |
1.3 研究目的与内容 |
第2章 水煤浆气化装置主压力管道的冲蚀现象 |
2.1 水煤浆管线的冲蚀 |
2.2 锁斗循环水管线的冲蚀 |
2.3 激冷水管线的冲蚀 |
2.4 工艺气管线的冲蚀 |
2.5 各管线冲蚀特点比较 |
2.6 本章小结 |
第3章 水煤浆气化装置主压力管道的可靠性分析 |
3.1 可靠性模型分析 |
3.1.1 极大值分布模型 |
3.1.2 正态分布模型 |
3.1.3 正态分布与极值分布比较 |
3.2 可靠性计算与结果分析 |
3.2.1 水煤浆管线 |
3.2.2 工艺气管线 |
3.2.3 激冷水管线 |
3.2.4 锁斗循环水管线 |
3.3 本章小结 |
第4章 压力管道管件可靠性分析和冲蚀防范措施 |
4.1 管件可靠性分析模型 |
4.1.1 威布尔分布模型 |
4.1.2 参数估计方法 |
4.1.3 中位秩算法 |
4.2 可靠性计算与结果分析 |
4.2.1 水煤浆管线管件 |
4.2.2 锁斗循环水管线管件 |
4.2.3 工艺气管线管件 |
4.2.4 激冷水管线管件 |
4.3 管件冲蚀规律 |
4.3.1 弯头冲蚀规律 |
4.3.2 变径冲蚀规律 |
4.3.3 三通冲蚀规律 |
4.4 管件冲蚀防范措施 |
4.5 本章小结 |
结论与展望 |
参考文献 |
攻读硕士期间发表论文 |
致谢 |
学位论文评阅及答辩情况表 |
(5)基于退化系统的设备维护与设备更换联合决策研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 基于退化系统的设备更换策略研究 |
1.2.2 基于退化系统的预防性维修策略研究 |
1.2.3 服务设备的维护管理研究 |
1.3 本文研究框架和主要工作 |
1.4 本文的创新点 |
第二章 两类故障模式下的设备维护与设备更换联合决策研究 |
2.1 引言 |
2.2 问题描述与模型假设 |
2.2.1 问题描述 |
2.2.2 相关概念和模型假设 |
2.3 模型分析 |
2.3.1 模型Ⅰ:具有可修故障和不可修故障的设备维修决策模型 |
2.3.2 模型Ⅱ:不可修设备维修决策模型 |
2.4 最优固定周期预防性维修和更换策略分析 |
2.4.1 最优策略的寻优算法 |
2.4.2 最优策略的性质分析 |
2.5 数值分析 |
2.5.1 模型Ⅰ的数值优化结果及分析 |
2.5.2 模型Ⅱ的数值优化结果及分析 |
2.5.3 参数敏感性分析和联合维修策略效率分析 |
2.6 本章小结 |
第三章 基于使用频率的设备维护与设备更换联合决策研究 |
3.1 引言 |
3.2 问题描述与模型假设 |
3.2.1 问题描述 |
3.2.2 基于使用频率的几何过程模型假设 |
3.3 基于使用频率的设备维修决策模型分析 |
3.3.1 模型Ⅰ:具有可修故障和不可修故障的设备维修决策模型 |
3.3.2 模型Ⅱ:不可修设备维修决策模型 |
3.4 目标函数与最优化问题构建 |
3.4.1 以平均成本为目标的最优维修策略 |
3.4.2 以可用度为目标的最优维修策略 |
3.5 数值分析 |
3.5.1 模型Ⅰ的数值优化结果及分析 |
3.5.2 模型Ⅱ的数值优化结果及分析 |
3.5.3 参数敏感性分析 |
3.6 本章小结 |
第四章 基于能耗水平的服务设备预防性与恢复性维修联合决策研究 |
4.1 引言 |
4.2 问题描述和模型假设 |
4.3 模型Ⅰ:基于M/M/1服务系统的维修决策模型 |
4.3.1 M/M/1服务系统性能分析 |
4.3.2 基于M/M/1服务系统的最优维修策略 |
4.4 模型Ⅱ:基于MAP/PH/1服务系统的维修决策模型 |
4.4.1 MAP/PH/1服务系统性能分析 |
4.4.2 基于MAP/PH/1服务系统的最优维修策略 |
4.5 数值分析 |
4.5.1 模型Ⅰ的数值优化结果及分析 |
4.5.2 模型Ⅱ的数值优化结果及分析 |
4.5.3 模型的鲁棒性分析 |
4.5.4 系统参数的敏感性分析及联合维修策略效率分析 |
4.6 本章小结 |
第五章 基于退化系统的服务设备维护与更换联合决策研究 |
5.1 引言 |
5.2 问题描述和模型假设 |
5.3 基于M/M/1服务系统的维修决策模型 |
5.4 基于MAP/PH/1服务系统的维修决策模型 |
5.4.1 MAP/PH/1服务系统性能分析 |
5.4.2 成本函数与最优化问题 |
5.5 数值分析 |
5.5.1 最优维修策略数值优化结果及分析 |
5.5.2 模型的鲁棒性分析 |
5.5.3 联合维修策略效率分析 |
5.6 本章小结 |
结论与展望 |
参考文献 |
附录 |
攻读博士学位期间取得的研究成果 |
致谢 |
附件 |
(6)长度偏差数据下非参数均值剩余寿命和半参数模型的研究及应用(论文提纲范文)
中文摘要 |
英文摘要 |
符号说明 |
第一章 绪论 |
1.1 长度偏差数据 |
1.1.1 长度偏差数据的定义 |
1.1.2 研究现状 |
1.2 均值剩余寿命函数 |
1.2.1 均值剩余寿命的定义 |
1.2.2 研究现状 |
1.3 半参数模型简介及研究现状 |
1.3.1 比例似然比模型 |
1.3.2 半参数风险模型 |
1.3.3 半参数均值剩余寿命模型 |
1.4 本文的主要研究内容 |
第二章 长度偏差数据下均值剩余寿命的矩类估计 |
2.1 引言 |
2.2 必要符号和预备知识 |
2.3 主要结果 |
2.3.1 长度偏差完全数据下均值剩余寿命的矩类估计 |
2.3.2 长度偏差右删失数据下均值剩余寿命的矩类估计 |
2.4 渐近性质 |
2.5 随机模拟研究 |
2.5.1 长度偏差完全样本 |
2.5.2 长度偏差右删失样本 |
2.6 实际数据研究 |
2.7 小结 |
2.8 引理和定理的证明 |
第三章 长度偏差数据下均值剩余寿命的经验似然区间估计 |
3.1 引言 |
3.2 主要结果 |
3.3 随机模拟研究 |
3.4 实例分析 |
3.5 小结 |
3.6 引理和定理的证明 |
第四章 长度偏差数据下加性风险模型的复合估计方程 |
4.1 引言 |
4.2 必要的符号和模型 |
4.3 复合估计方程 |
4.3.1 成对伪似然估计方程 |
4.3.2 复合条件-成对伪似然估计方程 |
4.4 渐近性质 |
4.5 数值模拟研究 |
4.6 实例分析 |
4.7 小结 |
4.8 定理证明 |
第五章 长度偏差数据下加性均值剩余寿命模型的估计方程 |
5.1 引言 |
5.2 必要的数学符号和模型 |
5.3 主要结果 |
5.3.1 鞅类估计 |
5.3.2 逆概率加权估计 |
5.4 渐近性质 |
5.5 数值模拟研究 |
5.6 实际应用 |
5.7 小结 |
5.8 定理证明 |
参考文献 |
攻读博士学位期间发表及完成的论文 |
致谢 |
学位论文评阅及答辩情况表 |
(7)高速流测量技术的研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景 |
1.1.1 网络流测量的要求 |
1.1.2 研究现状 |
1.2 主要研究内容和难点 |
1.2.1 主要研究内容 |
1.2.2 研究难点 |
1.3 主要研究成果和创新点 |
1.4 论文组织结构 |
第2章 相关工作综述 |
2.1 工业界高速流测量技术调研 |
2.1.1 高速流测量技术的发展历程 |
2.1.2 流记录导出设备结构与功能介绍 |
2.1.3 流记录导出设备调研 |
2.2 高速流测量的体系结构设计研究 |
2.2.1 SRAM和 DRAM混合结构 |
2.2.2 DRAM交织访存结构 |
2.2.3 统计复用变长计数器结构 |
2.3 高速流测量的计数估计器算法 |
2.3.1 基于随机共享的计数估计器算法 |
2.3.2 基于自适应非线性采样的计数估计器算法 |
2.4 本章小结 |
第3章 缓存加速的自适应非线性采样结构设计 |
3.1 概述 |
3.1.1 每流测量的定义与测量系统设计需求 |
3.1.2 本章贡献 |
3.2 计数估计器原理及CASE结构设计 |
3.2.1 流大小估计和计数器更新阶段 |
3.2.2 CASE结构的系统设计 |
3.2.3 硬件实现CASE结构的一些重要问题 |
3.3 CASE结构的理论分析 |
3.4 实验验证与性能评价 |
3.4.1 实验配置 |
3.4.2 相对误差结果 |
3.4.3 吞吐率结果 |
3.4.4 存储消耗结果 |
3.5 本章小结 |
第4章 带小流过滤器的自适应非线性采样结构的设计 |
4.1 概述 |
4.1.1 缓存加速的自适应非线性采样结构CASE的性能瓶颈 |
4.1.2 本章贡献 |
4.2 CASE+结构的详细设计及其与分段缓存SLRU的区别 |
4.2.1 带小流过滤器的自适应非线性采样结构CASE+的设计 |
4.2.2 CASE+结构与分段缓存SLRU的区别 |
4.3 CASE+结构的理论分析 |
4.4 实验验证与性能评价 |
4.4.1 实验配置 |
4.4.2 流过滤器效果实验 |
4.4.3 相对误差结果 |
4.4.4 吞吐率结果 |
4.4.5 存储消耗结果 |
4.5 本章小结 |
第5章 自适应非线性采样的计数器更新算法加速 |
5.1 概述 |
5.1.1 计数器更新过程描述 |
5.1.2 基于简单查找表实现的更新计算开销 |
5.1.3 基于浮点数单元实现的更新计算开销 |
5.1.4 本章贡献 |
5.2 改进的计数器更新算法设计 |
5.3 系统实现与验证测试 |
5.3.1 基于自适应非线性采样算法的流测量原型系统 |
5.3.2 流测量原型系统的性能测试 |
5.4 本章小结 |
第6章 总结和进一步的研究展望 |
6.1 研究工作总结 |
6.2 进一步研究计划 |
参考文献 |
致谢 |
附录A 文中部分定理的证明 |
个人简历、在学期间发表的学术论文与研究成果 |
(8)管道环焊缝可靠性分析(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国内外含缺陷压力管道安全评定研究 |
1.2.2 国内外工程结构可靠性分析方法的研究现状 |
1.2.3 国内外可靠性灵敏度研究现状 |
1.3 主要研究内容 |
第2章 随机参数的统计分布 |
2.1 基本原理 |
2.1.1 概率分布 |
2.1.2 参数估计 |
2.1.3 非参数检验 |
2.2 变量拟合分布 |
2.2.1 抗拉强度 |
2.2.2 冲击功 |
2.2.3 断裂韧性 |
2.3 变量拟合优度检验 |
2.3.1 K-S检验 |
2.3.2 χ2检验 |
2.4 本章小结 |
第3章 可靠性分析模型 |
3.1 基本概念 |
3.1.1 可靠性及可靠度 |
3.1.2 结构的功能函数及极限状态方程 |
3.1.3 结构可靠度指标 |
3.2 环焊缝缺陷 |
3.2.1 缺陷分类 |
3.2.2 缺陷成因 |
3.3 极限状态方程 |
3.3.1 基于应力 |
3.3.2 基于应变 |
3.4 Monte Carlo方法 |
3.4.1 基本原理 |
3.4.2 求解步骤 |
3.4.3 优缺点总结 |
3.5 本章小结 |
第4章 可靠性影响因素分析 |
4.1 可靠性分析 |
4.1.1 基于应力 |
4.1.2 基于应变 |
4.2 影响因素分析 |
4.2.1 缺陷尺寸 |
4.2.2 材料性能 |
4.2.3 管道尺寸 |
4.2.4 工况条件 |
4.3 灵敏度分析 |
4.3.1 灵敏度定义 |
4.3.2 灵敏度计算方法 |
4.3.3 实例分析 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
致谢 |
(9)Erlang混合模型在保险精算中的应用(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
1.1 问题研究背景及意义 |
1.2 研究现状和动机 |
1.3 研究内容与结构安排 |
第二章 一维Erlang混合模型及其应用 |
2.1 一维Erlang混合分布的定义及性质 |
2.2 一维Erlang混合模型参数估计:CMM-GEM算法 |
2.3 数据模拟 |
2.4 实例应用 |
第三章 多维Erlang混合模型及其应用 |
3.1 多维Erlang混合分布的定义及性质 |
3.2 多维Erlang混合模型参数估计:带粗糙惩罚的CMM-GEM算法 |
3.3 数据模拟 |
3.4 实例应用 |
第四章 Erlang混合模型在(n-k+1)-out-of-n系统中的应用 |
4.1 研究现状 |
4.2 预备知识 |
4.3 (n-k+1)-out-of-n系统的条件剩余寿命 |
4.4 (n-k+1)-out-of-n系统的随机序 |
总结与展望 |
参考文献 |
附录A 文中相关定理证明 |
A.1 次序统计量 |
A.2 (n-k+1)-out-of-n系统剩余寿命结论一般证明 |
在学期间发表的学术论文与研究成果 |
致谢 |
(10)维数发散的高维数据的经验似然推断(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
1.1 研究背景 |
1.2 文献综述 |
1.3 经验似然 |
1.4 本文主要研究工作及内容结构 |
第二章 高维半参数模型的经验似然推断 |
2.1 高维半参数模型的经验似然 |
2.2 高维稀疏半参数模型的惩罚经验似然 |
2.3 定理的证明 |
2.4 数值模拟 |
2.5 实例分析 |
第三章 高维可加危险率模型的经验似然推断 |
3.1 高维可加危险率模型的经验似然 |
3.2 高维稀疏可加危险率模型的惩罚经验似然 |
3.3 定理的证明 |
3.4 数值模拟 |
3.5 实例分析 |
第四章 高维异方差部分线性单指标模型的经验似然推断 |
4.1 方法与主要结果 |
4.2 两种特性情形:部分线性模型和单指标模型 |
4.3 定理的证明 |
4.4 数值模拟 |
4.5 实例分析 |
第五章 高维情形下两样本问题的经验似然推断 |
5.1 两样本均值的经验似然推断 |
5.2 两样本线性模型系数之差的经验似然推断 |
5.3 定理的证明 |
5.4 数值模拟 |
5.5 实例分析 |
第六章 全文总结及展望 |
参考文献 |
攻读博士学位期间完成的论文 |
致谢 |
四、关于二参数Weibull分布变异系数的一个定理证明(论文参考文献)
- [1]基于数据概要的大数据近似计算关键技术研究[D]. 张美范. 哈尔滨工业大学, 2021(02)
- [2]基于极值理论的风暴潮损失分布拟合及债券定价[D]. 文帆. 湖南师范大学, 2020(01)
- [3]天然林结构解译及林分状态综合评价[D]. 张岗岗. 中国林业科学研究院, 2020(01)
- [4]水煤浆气化装置系统主压力管道的可靠性及冲蚀分析[D]. 时传兴. 山东大学, 2019(02)
- [5]基于退化系统的设备维护与设备更换联合决策研究[D]. 郑志斌. 华南理工大学, 2019(01)
- [6]长度偏差数据下非参数均值剩余寿命和半参数模型的研究及应用[D]. 武洪萍. 山东大学, 2019(09)
- [7]高速流测量技术的研究[D]. 黎阳. 清华大学, 2018(04)
- [8]管道环焊缝可靠性分析[D]. 任伟. 中国石油大学(北京), 2017(02)
- [9]Erlang混合模型在保险精算中的应用[D]. 桂文永. 厦门大学, 2017(07)
- [10]维数发散的高维数据的经验似然推断[D]. 方江林. 湖南师范大学, 2017(01)