XiaoMi-AI文件搜索系统
World File Search Systemcopula
PrEF：通过 Copula 进行概率电力预测 - ...
电力预测对现代电力系统的关键决策具有重要意义，包括发电、输电、配电等。在文献中，传统的统计方法、机器学习方法和基于深度学习（例如循环神经网络）的模型用于模拟电力时间序列数据的趋势和模式。然而，它们要么受到确定性形式的限制，要么受到概率假设独立性的限制——从而忽略了电力数据分布之间的不确定性或显著相关性。反过来，忽略这些可能会导致误差累积，尤其是在依赖历史数据并旨在进行多步预测时。为了克服这些问题，我们提出了一种名为概率电力预测 (PrEF) 的新方法，该方法提出了一个非线性神经状态空间模型 (SSM)，并将 copula 增强机制纳入其中，该方法可以从大规模电力时间序列数据中学习不确定性依赖性知识并了解各种因素之间的交互关系。我们的方法通过其可追溯的推理过程和提供高质量概率分布预测的能力与现有模型区分开来。在两个真实世界电力数据集上进行的大量实验表明，我们的方法始终优于其他方法。
基于时变依赖退化模型的飞机公用系统旋转唇形密封可靠性评估及试验验证
摘要 旋转唇形密封件因其多种优良性能而被广泛应用于飞机公用系统中，其可靠性评估受到越来越多的关注。提出一种基于时变相关分析的可靠性评估方法。采用时变Copula函数建立旋转唇形密封件两项性能指标泄漏率和摩擦扭矩之间的依赖关系，以多项式表示时变参数，并采用有效的Copula选择方法选取最优Copula函数。基于贝叶斯方法进行参数估计，基于蒙特卡罗方法计算全寿命期间的可靠度。对旋转唇形密封件进行退化试验，并通过试验数据对所提模型进行验证。基于试验数据确定了最优Copula函数和多项式的最优阶数。结果表明，该模型可有效评估旋转唇形密封件的可靠性，且能获得较好的拟合优度。 � 2019 中国航空航天学会。由 Elsevier Ltd. 制作和托管。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ )。
绝对代际流动性的长期演变
图 1：上图）28 个实证 copula 中相对流动性测度的比较（ρ 是每两个相对流动性测度之间的皮尔逊相关系数。所有情况下，相关值的标准误差均低于 0.01。）；下图）copula 变化对美国绝对代际流动性的影响。绝对流动性是使用 Chetty 等人（2017 年）中使用的边际分布和丹麦、芬兰、德国、挪威、瑞典、英国和美国的 28 个实证 copula 估计的。灰色阴影区域是各种绝对流动性估计值所覆盖的区域。灰色曲线是每年所有 28 个估计值的算术平均值。黑色圆圈是 Chetty 等人（2017 年）报告的估计值。
使用基于 copula 的耦合马尔可夫链表征地下施工中有限钻孔的地质不确定性
本文提出了一种量化地层不确定性和基于钻孔建模地质构造的有效方法。使用两个马尔可夫链描述不同方向的土壤转变，马尔可夫链的转变概率矩阵 (TPM) 用 copula 进行解析表示。这种 copula 表达式非常高效，因为它可以用几个未知参数表示较大的 TPM。由于 TPM 的解析表达式，马尔可夫链模型的似然函数以显式形式给出。然后将 TPM 的估计重新转换为多目标约束优化问题，旨在最大化两个独立马尔可夫链在一系列参数约束下的似然。与通过计算土壤类型之间的转变次数来确定 TPM 的方法不同，所提出的方法在统计上更为合理。此外，提出了一种随机路径抽样方法来避免模拟中的方向效应问题。某个位置的土壤类型是根据沿基本方向的已知最近邻点推断出来的。基于皮卡德定理和贝叶斯规则，提出了一种用于土壤类型生成的条件概率的一般形式。所提出的地层表征和模拟方法应用于从中国武汉某建筑工地收集的实际钻孔数据。结果表明，所提出的方法预测准确，并且在模拟过程中不会出现偏差。
CS440/ECE448 讲座 25：人工智能伦理
模型存在缺陷。大多数大型银行使用高斯 copula 模型来决定谁获得住房贷款；它未能正确模拟多个同时违约的风险。• 损害：公司不能使用医疗测试来决定招聘，但他们
贝叶斯结构学习，具有参数边缘的计数数据：对微生物群的应用
高维和异质计数数据在各种应用领域收集。在本文中，我们仔细研究了有关微生物组的高分辨率测序数据，这些数据使研究人员能够研究整个微生物群落的基因组。揭示这些社区之间的潜在互动对于学习微生物如何影响人类健康至关重要。为了从类似的多元计数数据中进行结构学习，我们开发了一个具有两个关键元素的新型高斯副图形模型。首先，我们采用参数回归来表征边际分布。此步骤对于适应外部协变量的影响至关重要。忽略这种调整可能会在推断基础依赖网络的推断中引起扭曲。其次，我们基于适合高维度的计算效率搜索算法的贝叶斯结构学习框架。该方法返回边缘效应和依赖性结构的同时推断，包括图不确定性估计。一项模拟研究和微生物组数据的真实数据分析突出了所提出的方法在从多元计数数据中推断网络的适用性，尤其是与微生物组分析的相关性。提出的方法是在R软件包BDGraph中实现的。关键字：Copula图形模型，离散的Weibull，链接预测，结构学习，微生物组
贝叶斯结构学习，具有参数边缘的计数数据：对微生物群的应用
高维和异质计数数据在各个应用领域收集。在本文中，我们仔细研究了有关Mi-Crobiome的高分辨率测序数据，这些数据使研究人员能够研究整个微生物群落的基因组。揭示这些社区之间的潜在互动对于学习微生物如何影响人类健康至关重要。为了从类似的多元计数数据中进行结构学习，我们开发了一个具有两个关键元素的新型gaussian popula图形模型。首先，我们采用参数回归来表征边际分布。此步骤对于分配外部协变量的影响至关重要。忽略这种调整可能会在推断基础义务网络的推理中引起扭曲。其次，我们基于适合高维度的计算有效搜索算法的贝叶斯结构学习框架。该方法返回边缘效应和降低结构的同时推断，包括图形不确定性估计。一项模拟研究和微生物组数据的真实数据分析突出了所提出的方法从一般的多元计数数据中推断网络的适用性，尤其是对微生物组分析的关系。提出的方法是在R软件包BDGraph中实现的。关键字：Copula图形模型；离散的weibull;链接预测；结构学习；微生物组
城市能源系统中太阳能整合的时空预测与优化
不可调度的可再生能源（如光伏 (PV) 系统）在发电结构中的渗透率不断提高，对电力系统的运行性能提出了挑战。在需求方面，提高客户负载灵活性和电气化程度的先进方案将显著改变电力需求。此外，屋顶安装的光伏系统会改变其所连接建筑物的电力需求，因为所产生的电力首先服务于建筑物的电力负载，从而影响电网所经历的所谓净负载。本论文研究增强分散太阳能光伏电力与电力系统集成的解决方案，特别关注概率和多变量预测以及基于此类预测的控制框架。此外，本论文还通过太阳能光伏逆变器的无功功率控制来评估电压控制。使用静态和动态预测模型生成概率太阳能、负载和净负载预测，其中后者可减少约 99% 的计算时间，并提高校准和锐度，但降低预测分辨率。随后，动态预测模型用于研究客户空间聚集对预测密度的影响，从而提高校准和清晰度。有趣的是，在聚集少数客户时，积极影响已经显而易见，这可以改善社区层面的决策。还研究了时间和时空轨迹形式的多元预测，其中多元分布由 copula 表示。具体而言，结果表明，经验 copula 特别适合高维时空预测，而高斯 copula 非常适合具有较大预测范围的时间预测。此外，该论文开发了基于场景的随机模型预测控制算法的增强版本，该算法实现全局最优控制动作（如果存在）而不是独立最优控制动作的期望，从而更有效地管理预测误差。最后，将基于种群的搜索方法应用于无功功率控制，该方法能够明确且独立地模拟分散太阳能光伏逆变器之间的空间和时间关系，从而以比基准更小的种群获得更好的电压曲线。总之，本文表明，可以使用多种方法改进预测，例如，通过空间聚合客户、结合光伏发电和用电量、预先选择信息预测因子或对预测进行后处理。反过来，预测准确性的提高可以增加其在诸如最优控制问题等应用中的价值，从而改善城市能源系统中的太阳能光伏集成。
尿素蛋白II引起的心室肌细胞肥大
本文在两级价格波动和初始利润分配下调查了供应链中的最佳有序策略。通过利用Copula函数来对价格波动和不确定需求之间的复杂关系进行建模，该研究既开发了连续和离散的决策模型。提出了一种离散算法以近似最佳解决方案，其收敛严格证明。数值实验表明，利润分配比率显着影响最佳订单数量和整体供应链利润。价格波动，特别是在折扣水平上，提出了关键的挑战，需要灵活和适应性的订购策略。该研究还研究了不同的副群岛关系对最佳订购决策的影响，揭示了市场条件的变化（从中等价格敏感性对高波动性）如何影响最佳订单数量。通过检查利润分配合同的订单策略，本研究提供了有关供应链成员如何合作导航不确定市场的新观点。这些发现为经理提供了可行的见解，以减轻风险，改善协调并抓住新的机会。扩展传统模型以结合价格波动和利润分配，这项研究为供应链管理做出了理论和实践贡献，提供了强大的策略来增强供应链的弹性。
在说话、聆听和自我聆听过程中，大脑对语音包络的同步时间
本研究调查了语音产生、聆听和自听过程中语音包络跟踪的动态。我们使用的范例是，参与者聆听自然语音（聆听）、产生自然语音（语音产生）和聆听自己语音的回放（自听），同时用脑电图记录他们的神经活动。在时间锁定脑电图数据收集和听觉记录与回放之后，我们使用高斯 copula 互信息测量来估计脑电图中的信息内容与听觉信号之间的关系。在 2 – 10 Hz 频率范围内，我们确定了语音产生和语音感知过程中最大语音包络跟踪的不同延迟。最大语音跟踪发生在感知过程中听觉呈现后约 110 毫秒，以及语音产生过程中发声前 25 毫秒。这些结果描述了说话者和听众语音跟踪的特定时间线，符合语音链的概念，因此也与交流延迟有关。