课程文献中心 更多>>

关键词： 工厂检查   抽样方法   产品认证  

摘要： 抽样是工厂检查中最基本的方法之一，通过选取样本数据来推断总体状况，但这一过程本身伴随着一定风险性。为降低此类风险，检查抽样通常遵循“明确总体、合理抽样”原则。该原则的充分实施能有效降低抽样带来的检查风险。但在实际的工厂检查中，检查人员需熟练掌握、正确运用抽样方法。本文主要结合产品认证的特点，对如何正确运用工厂检查方法展开探讨，为提升产品认证工厂检查的科学性与有效性提供实践参考。

关键词： 广义失效概率函数   模糊状态   高维   重要抽样法   单层分析框架  

摘要： 分析概率输入和模糊状态条件下的广义失效概率函数对于掌握分布参数在其设计域内变化时影响结构可靠性水平的规律至关重要，现有的单层重要抽样算法虽然可以避免直接双层蒙特卡洛要求的重复分析以及高可靠时要求的大容量样本池而带来的高耗时问题，但这类方法仍没有解决高维高可靠场景下构造单层重要抽样密度耗时且抽样效率低的问题。为此，本文构造了一种显式且易于抽样的统一重要抽样密度，并提出了渐进分层聚类的策略，使得所构造的统一重要抽样密度的样本能够覆盖对广义失效概率函数估计贡献大的区域，从而通过降低广义失效概率函数估计的方差来提高计算效率。相对于已有的单层重要抽样法，本文方法的主要创新表现在构造统一重要抽样密度时采用了渐进分层聚类的策略，避免了对附加计算量高的优化算法的依赖，显著地提升了高维高可靠性时探索目标模糊失效域来构造统一重要抽样密度及估计广义失效概率函数的效率，该优越性得到了文中算例的充分验证。

关键词： 燃料电池汽车   贝叶斯理论   多重定时截尾   高度右截尾   区间估计  

摘要： 中国燃料电池汽车产业正处于起步阶段,在具有广阔前景的同时也存在着设备可靠度及维修策略研究相对薄弱的问题。提出一种集成改进贝叶斯和最小二乘的协同算法以解决其中高可靠性多重截尾估计问题,能够在统一框架下同时获得点估计和区间估计并通过试验模拟验证其可用性;以FCV供氢系统冷却回路风扇为例进行工程应用。结果表明:量化确定了最优的理论检测维护时间为3667 h,置信下限估计为2205 h;相比MLE,提升了19%,通过设置试验模拟和算例分析验证了所提出方法的精确性、稳健性及合理性。

关键词： 重构方法   密度估计   序贯算法   区间估计   贪心算法  

摘要： 针对重构方法给出的密度估计,提出一种基于序贯思想来解决重构密度估计中节点选择问题的算法。将节点视为一个参数,通过最小化损失函数选出下一个节点,利用贪心算法找出整个节点集。该算法操作简单,不仅可以提升估计效果,而且可以减小由于节点选择不同而对密度估计产生的影响。此外,还根据重构方法中参数的实际含义给出了先验分布,利用Metropolis算法得到后验分布的样本,通过样本分位数近似总体分位数构造了密度函数逐点的区间估计。最后,在几个数据集上验证了序贯重构密度估计及其区间估计的效果。

关键词： 子抽样方法   依赖于模型的子抽样   不依赖于模型的子抽样   统计推断  

摘要： 在大数据时代,数据量呈现指数增长.随着数据集规模变得越来越庞大.对完整数据集进行统计和分析越来越困难,不仅要求高性能计算,还导致成本剧增.对此问题,可行应对方法之一是通过挑选小部分的关键数据来实现与完整数据集相近的效果.子抽样就是这样一种重要方法.子抽样方法为统计和分析大数据集提供了一个解决方案,使研究人员能够专注于最相关、最有信息量的数据点,有效减轻完整数据集分析所需的计算负担和成本.目前,该方法已成为统计学、机器学习和数据科学等不同领域研究者的关注焦点.本文从子抽样方法是否依赖于统计模型的角度出发综述了依赖和不依赖于模型的子抽样方法的发展现状.对依赖模型的子抽样方法,本文介绍了适用于线性模型、广义线性模型及非线性模型的部分子抽样算法,每种算法均有其独特优势和局限性.本文还介绍了几种不依赖于模型的子抽样算法.这些算法不依赖于特定的模型假设,处理不同类型数据和问题时具有更大灵活性和适应性,适用更广泛场景.为评估这些算法的性能,本文对均匀随机子抽样、并行数据驱动子抽样、基于信息的最优子抽样及孪生子抽样等四种算法进行了仿真.通过展示算法性能,本文为在实际应用中研究者该如何选择合适的子抽样算法提供了依据.

关键词： 高压共轨燃油系统   喷油特性感知   变分推断   不确定性量化   点估计   区间估计  

摘要： 为实现高压共轨燃油系统喷油特性的精确可信感知，提出一种融合变分贝叶斯与双向长短期记忆神经网络的喷油特性感知模型(VB-BiLSTM)。利用高压共轨系统试验台获取喷油器入口压力波动与喷油速率试验数据，建立模型训练与测试的时序样本数据集，采用变分推断方法构建模型超参数的非参数化变分分布，并结合自适应矩估计算法优化最大证据下限，确定超参数概率密度分布的最优变分近似，实现喷油特性感知模型不确定性的量化表征。结果表明，在点估计方面，与门控循环单元（gated recurrent unit，GRU）、多层感知机（multilayer perceptron，MLP）、单向长短期记忆网络（long short-term memory，LSTM）和卷积神经网络（convolutional neural network，CNN）4种深度学习模型相比，VB-BiLSTM模型对喷油速率的感知精度更高，喷油量感知的平均误差为1.42%；在区间估计方面，VB-BiLSTM模型感知的喷油速率95%后验可信区间（CI）能够合理覆盖试验测量曲线，概率密度分布中心与试验值保持较高一致性。研究证明VB-BiLSTM模型在实现喷油特性感知高精度预测的同时，能够有效地量化感知不确定性，为高压共轨系统精确喷射控制提供模型基础。

关键词： 冠状动脉粥样硬化性心脏病   血脂变异度   炎症指标   心功能   心血管事件  

摘要： 目的:探讨降低血脂变异度对冠心病患者炎性指标、心功能及心血管事件的影响。方法:选取2023年1月~12月厦门医学院附属海沧医院62例冠心病患者,随机分为干预组和对照组,每组31例。对照组给予常规治疗,干预组在此基础上进行降低血脂变异度的综合干预,包括规范使用他汀类药物和强化生活方式干预。比较两组干预前后血脂水平、血脂变异度、炎性指标和心功能指标的变化以及心血管事件发生情况。结果:干预后,两组患者血脂水平均改善,且干预组优于对照组,差异有统计学意义(P<0.05);干预组血脂变异度、炎性指标改善更明显,差异有统计学意义(P<0.05);干预组心功能提高更显著,差异有统计学意义(P<0.05);随访6个月,干预组心血管事件发生率低于对照组[6.45%(2/31)vs 22.58%(7/31),P<0.05]。结论:降低血脂变异度可改善冠心病患者的炎症反应和心功能,减少心血管事件发生。

关键词： 配对设计   鞍点逼近   相对风险   多项式抽样   区间估计   蒙特卡洛模拟  

摘要： 在配对设计中,相对风险(relative risk)通常用来分析某种因素是否对某种疾病的发生产生影响,在流行病学的研究中具有重要的意义.文章用五种方法来构造多项式抽样下相对风险的渐近置信区间,分别为:多项式抽样下的Delta方法,对数变换方法,校正的对数变换方法,基于Fieller定理改进的方法以及鞍点逼近方法.以平均覆盖概率和置信区间的平均长度作为评估准则,通过蒙特卡洛模拟的数据结果对这五种区间估计方法进行评价,得出在样本量较小的小概率情况下,鞍点逼近方法是最好的.最后,文章通过两个实际案例来直观展示五种区间估计方法的表现性能.

关键词： 概率抽样   简单随机抽样   集束抽样   分层抽样  

摘要： 概率抽样(probability sampling):也称“随机抽样”(random sampling)。其特点是每个被抽取的个体都有相同的机会被抽中。具体的概率抽样方法包括简单随机抽样、分层抽样、集束抽样和系统抽样。非概率抽样(non-probability sampling):也称“非随机抽样”或“不等概率抽样”,指没有采用随机抽样方法而选取样本的方法。这种抽样方法由于非随机,所以样本对总体的代表性不能保证。常用的非概率抽样包括方便抽样、配额抽样、立意抽样和滚雪球抽样。

关键词： 相对风险   二项分布   区间估计   蒙特卡洛模拟  

摘要： 相对风险(Relative risk,RR)是流行病学研究中最重要的指标之一,获得相对风险指标的区间估计对于病因推断非常重要.文中采用5种方法,在二项分布下构造相对风险的渐近置信区间,分别为二项分布下的Delta方法,对数变换法,基于Fieller定理改进法,得分统计量法和梯度统计量法,通过蒙特卡洛模拟,给出了在保证相对风险真值覆盖率的同时,5种方法在不同的样本量下置信区间平均长度的表现情况,最后通过4个真实数据直观展示5种区间估计方法的表现性能.