基于加权贝叶斯网络的海洋灾害风险评估     

李明  张韧  洪梅 《海洋通报》2018,(2):121-128

全球气候变化背景下,海洋灾害的群发性、难以预见性和灾害链效应日显突出,造成的损失逐年上升,开展海洋灾害的风险评估工作至关重要。针对海洋灾害评估中的不确定问题,本文首先基于风险理论剖析了海洋灾害风险的不确定性特征,构建了灾害评估指标体系;然后基于贝叶斯网络模型,提出针对不确定性灾害评估的风险贝叶斯网络,进而基于主客观定权,构建了加权贝叶斯网络评估模型;最后对我国沿海地区海洋灾害开展评估研究。实验表明,该评估模型有效实现海洋灾害的风险评估,具有实际可操作性。  相似文献   

A sequential sparse polynomial chaos expansion using Bayesian regression for geotechnical reliability estimations     

Qiujing Pan  Xingru Qu  Leilei Liu  Daniel Dias 《国际地质力学数值与分析法杂志》2020,44(6):874-889

Polynomial chaos expansions (PCEs) have been widely employed to estimate failure probabilities in geotechnical engineering. However, PCEs suffer from two deficiencies: (a) PCE coefficients are solved by the least-square minimization method which easily causes overfitting issues; (b) building a high order PCE is often computationally expensive. In order to overcome the aforementioned drawbacks, the Bayesian regression technique is employed to evaluate PCE coefficients, which not only provides a sparse solution but also avoids overfitting. With the aid of the predictive means and variances given by Bayesian analysis, a learning function is proposed to sequentially select the most informative samples that are critical to build a PCE. This sequential learning scheme can highly enhance the computational efficiency of PCEs. Besides, importance sampling (IS) is incorporated into the sequential learning (SL)-PCEs to deal with geotechnical problems with small failure probabilities. The proposed method of SL-PCE-IS is applied to three illustrative examples, which shows that the improved PCE method is more effective and efficient than the common PCEs method, leading to accurate estimations of small failure probabilities using fewer training samples.  相似文献   

IntCal13 calibrated ages of the Vedde and Saksunarvatn ashes and the Younger Dryas boundaries from Kråkenes,western Norway          下载免费PDF全文

ØYSTEIN S. LOHNE  JAN MANGERUD  HILARY H. BIRKS 《第四纪科学杂志》2014,29(5):506-507

  相似文献   

长白山景区旅游安全风险动态评价研究   总被引：1，自引：0，他引：1  

孙滢悦  杨青山  陈鹏 《地理科学》2019,39(5):770-778

以长白山景区旅游安全为研究对象,以鱼骨图、动态贝叶斯、GIS技术等为基本研究方法,从研究区自然环境、社会环境及责任人为3个方面出发,筛选景区致险因子,构建景区旅游安全风险危险性评价指标体系,利用动态贝叶斯方法综合构建景区旅游安全风险动态评价模型;并以实测数据及景区统计数据为依据,划分景区旅游安全风险评价的4个动态时段,综合实现景区旅游安全风险动态风险评价。研究结果表明：① 中等以上风险区域呈条带状分布;② 高风险区域与主要景点重合;③ 长白山景区安全风险发生高概率的时段发生在第三个时段（12:00~14:00）;较高概率发生分别在第二个时段（10:00~12:00）与第四个时段（14:00~16:00）;中等概率发生较高的时段在第四个时段（14:00~16:00）;较低概率发生在第一个时段（8:00~10:00）。  相似文献   

海洋环境因子对澳洲鲐亲体补充量关系的影响——基于贝叶斯模型平均法的研究   总被引：1，自引：1，他引：0  

张畅  陈新军 《海洋学报》2019,41(2):99-106

澳洲鲐（Scomber australasicus）是西北太平洋重要的中上层经济鱼类，生命周期相对较短，资源量受补充量影响明显，了解澳洲鲐太平洋群系补充量状况对掌握其资源量及确保其可持续利用具有重要的意义。本文利用产卵场1（30°~32°N，130°~132°E）海表面温度（sea surface temperature，SST1）、产卵场2（34°~35°N，138°~141°E）海表面温度（SST2）、索饵场（35°~45°N，140°~160°E）海表面温度（SST3）、潮位差（tidal range，TR）、太平洋年代际涛动（Pacific decadal oscillation，PDO）和亲体量（spawning stock biomass，SSB）6个影响因子任意组合与补充量构建多个模型，运用贝叶斯模型平均法（Bayesian model averaging，BMA）分析各个环境因子对资源补充量的解释能力，并预测其补充量的变化。结果表明，SSB对补充量具有最长期且稳定的解释能力，其次是SST3，PDO、TR、SST2、SST1也对补充量模型具有一定的解释能力。SST3是环境因子中影响最大的因子，可能是由于补充群体在索饵场内生活时间较长，索饵场温度对仔鱼或鱼卵的生长存活有较大的影响。研究认为，基于BMA的组合预报综合考虑了各个模型的优势，优于单一模型，可用于澳洲鲐资源补充量的预测。  相似文献   

一种海洋混合层深度的智能识别方法研究     

张康  郭双喜  黄鹏起  屈玲  鲁远征  岑显荣  于璐莎  周伟东  周生启 《热带海洋学报》2019,38(5):32-41

文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型, 并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布, 在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据, 得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置, 以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Array for Real-time Geostrophic Oceanography, ARGO)数据进行测试, 并且以质量因子(Quality Index, QI)值作为判断识别混合层深度结果准确性的依据, 发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。  相似文献   

基于共轭梯度搜索的病态问题处理方法     

刘杰  张娟娟 《大地测量与地球动力学》2019,39(8):863-868

在最小二乘平差准则基础上，把病态平差问题转化为无约束的二次规划问题，并利用优化理论分析病态对平差解的影响。通过共轭梯度搜索算法在可行域中寻找最优步长因子，自动寻找最速下降方向，并给出迭代初值的设置方法。分析近似计算中病态问题与局部最优解的关系，讨论局部最优解的快速迭代方法，并通过实例验证算法的有效性，计算迭代的速度。由于整个过程没有对法方程系数矩阵进行求逆计算，该算法可用于处理大规模系数矩阵高病态的平差问题。  相似文献   

Indoor localization for pedestrians with real-time capability using multi-sensor smartphones     

Catia Real Ehrlich 《地球空间信息科学学报》2019,22(2):73-88

ABSTRACT

The localization of persons or objects usually refers to a position determined in a spatial reference system. Outdoors, this is usually accomplished with Global Navigation Satellite Systems (GNSS). However, the automatic positioning of people in GNSS-free environments, especially inside of buildings (indoors) poses a huge challenge. Indoors, satellite signals are attenuated, shielded or reflected by building components (e.g. walls or ceilings). For selected applications, the automatic indoor positioning is possible based on different technologies (e.g. WiFi, RFID, or UWB). However, a standard solution is still not available. Many indoor positioning systems are only suitable for specific applications or are deployed under certain conditions, e.g. additional infrastructures or sensor technologies. Smartphones, as popular cost-effective multi-sensor systems, is a promising indoor localization platform for the mass-market and is increasingly coming into focus. Today’s devices are equipped with a variety of sensors that can be used for indoor positioning. In this contribution, an approach to smartphone-based pedestrian indoor localization is presented. The novelty of this approach refers to a holistic, real-time pedestrian localization inside of buildings based on multi-sensor smartphones and easy-to-install local positioning systems. For this purpose, the barometric altitude is estimated in order to derive the floor on which the user is located. The 2D position is determined subsequently using the principle of pedestrian dead reckoning based on user's movements extracted from the smartphone sensors. In order to minimize the strong error accumulation in the localization caused by various sensor errors, additional information is integrated into the position estimation. The building model is used to identify permissible (e.g. rooms, passageways) and impermissible (e.g. walls) building areas for the pedestrian. Several technologies contributing to higher precision and robustness are also included. For the fusion of different linear and non-linear data, an advanced algorithm based on the Sequential Monte Carlo method is presented.  相似文献   

台风风暴潮情景构建与时空推演     

饶文利  罗年学 《地球信息科学学报》2020,22(2):187-197

因台风风暴潮的突发性、情景演变时间的连续性和路径的不确定性,导致应急决策者在应急救援中难以做出正确决策,针对这一现状,将“情景—应对”应用在台风风暴潮应急决策中。本文在分析台风风暴潮情景、情景要素的概念模型基础上,首先通过资料搜集、属性识别等方法提取关键情景要素,采用框架表示法构建情景;然后分析台风风暴潮情景演变规律及演变路径;其次通过动态贝叶斯网络法构建台风风暴潮动态情景网络;最后利用先验概率与条件概率计算情景状态概率,实现了台风风暴潮的关键情景推演。本文以2018年9月16日11时至17时山竹台风对广东省沿海城市影响为例,演示了台风风暴潮的情景推演流程及关键技术。实证分析结果表明,溃堤、海水倒灌、洪水、滑坡发生的概率分别为85%、81%、74%、54%,验证了情景推演在风暴潮中应用的合理性。  相似文献   

WiFi指纹定位的一种新组合算法     

张伟  花向红  邱卫宁  薛卫星  周定杰 《测绘工程》2017,26(3)

探讨AP选取策略和贝叶斯位置估计算法对基于RSS的WiFi室内定位技术位置估计精度的影响。国内外学者分别对AP选取算法和贝叶斯位置估计算法进行了大量的研究。为了进一步深入研究不同算法的优劣性,利用组合优化的思想对不同算法进行组合,通过找出最优算法组合从而提升WiFi室内定位系统的性能。基于互信息最小化的AP选取策略和考虑AP相关性的贝叶斯位置估计算法,提出一种新的WiFi指纹定位组合算法。实验分析表明:新算法具有良好的实用性和定位性能。  相似文献