XiaoMi-AI文件搜索系统
World File Search System随机模型
飞机适航性。第 1 部分。随机模型
摘要。有人认为，由于飞机性能固有的随机变化，有必要采用随机方法进行适航性分析。然后表明，机队服务中任何性能变量的历史最好被视为“随机校正过程”，其特点是缓慢恶化，大修时迅速改善。特别考虑飞机发动机熄火起飞爬升性能，提出了一个模型，该模型考虑了由于机身、发动机和螺旋桨（如果有）的恶化而导致的梯度变化、大修的频率和有效性，以及在任何飞行中实现的梯度与飞机真实能力的偏差。在分析大修的影响时，需要区分整改维护和更换维护。在提出的模型中，共有 14 个参数控制着机队历史中实现的梯度的概率分布，从而控制着起飞爬升期间的事故率。
采用随机模型预测控制方法的储能系统两阶段能量管理
工业消费者越来越倾向于投资光伏 (PV) 和储能系统 (ESS) 来满足其电力需求。然而，负载需求和光伏输出的不确定性给 ESS 的运行带来了巨大的挑战。本文提出了一种基于随机模型预测控制 (MPC) 方法的 ESS 能量管理策略。采用嵌入时间序列相关性的非参数概率预测方法来描述负载需求和光伏输出的不确定性。然后，提出了一个以最小化总运营成本为目标的两阶段能量管理模型。上级可以为 ESS 生成每小时运行策略，而下级则侧重于更详细的分钟级运行策略。每小时运行策略也被用作指导下级 ESS 运行的基础。此外，引入机会约束以实现光伏用电量和电价之间的双赢解决方案，而 ESS 容量的终值约束可以更好地应对预测时间窗口之外的不确定性。最后，数值结果表明所提出的方法可以实现有效的ESS能量管理策略。
随机模型可以从时间序列数据中更好地推断微生物组相互作用
AU：请确认所有标题级别均正确表示：我们如何才能弄清楚不同微生物在微生物群落中是如何相互作用的？为了结合理论模型和实验数据，我们经常将系统平均动力学的确定性模型与平均数据拟合。然而，在平均过程中，数据中的大量信息会丢失——而确定性模型可能无法很好地表示随机现实。在这里，我们基于实验和模型都是随机的想法开发了一种微生物群落推理方法。从随机模型开始，我们不仅推导出平均值的动力学方程，还推导出微生物丰度更高统计矩的动力学方程。我们使用这些方程来推断最能描述生物实验数据的相互作用参数的分布——从而提高可识别性和精度。推断出的分布使我们能够做出预测，同时也能区分相当确定的参数和现有实验数据无法提供足够信息的参数。与相关方法相比，我们推导出也适用于微生物相对丰度的表达式，使我们能够使用传统的宏基因组数据，并解释了随着时间的推移无法追踪单个宿主而只能追踪复制宿主的情况。
电动汽车快速充电：依赖拥塞的随机模型预测性控制不确定参考
摘要：本文介绍了一种控制策略，旨在有效地运营一个配备了电动机电动汽车快速充电，可再生能源和电力储能单元的服务区域的服务区域。此处考虑的控制要求符合服务区域运营商的角度，他们的目的是避免在与分配网格连接点上的功率流中的峰值，同时在最短时间提供充电服务。工作的关键方面包括对充电功率需求和发电的不确定性管理，成本功能的拥堵和国家依赖性权重的设计，以及在工厂的两种不同硬件配置中的控制性能的比较，不包括公共汽车和UPS连接方案。在不确定的干扰效果下分别影响公共汽车和UPS方案的不确定干扰的效果，旨在跟踪不确定的功率参考的随机模型预测控制器的设计。仿真结果表明，根据关注所选参考的跟踪，缓解拥塞的缓解，存储操作的稳定性以及缓解不确定性影响的增量验证计划的相关性。
通过随机模型预测控制对反向燃料电池的可再生能源发电和不确定需求进行优化管理
近年来，可再生能源 (RES) 的广泛传播促使学术界和工业界研究能够更好地利用可再生能源发电来供应能源系统的方法和技术。在文献中，人们研究了不同的技术来管理可再生能源发电并优化其运行。风能和太阳能等可再生能源变化多端且难以预测，因此人们开发了许多随机算法来最佳地管理其预测中的不确定性。为了处理可再生能源预测误差和电力需求的不确定性，并获得电力系统的灵活性，即系统发电机对负载或系统组件性能的意外变化做出反应的能力，必须集成储能系统 (ESS) [1]。电池等电化学储能系统得到了广泛的研究，文献中可以找到许多关于电池管理的著作 [2]。一种有效且环保的电池替代品是电转氢 (P2H) 系统，其中可能的发电过剩通过
细胞群体动态随机模型量化结肠隐窝内的稳态及其在早期肿瘤发生中的破坏
摘要：健康结肠隐窝如何维持其大小，以及驱动突变如何破坏细胞稳态，这些问题对于理解结直肠肿瘤发生至关重要。我们提出了一个包含三种类型的随机分支过程，分别考虑干细胞、过渡扩增 (TA) 细胞和完全分化 (FD) 细胞，以模拟结肠隐窝中细胞群的动态变化。我们的模型公式简单，使我们能够估算文献中除一个模型参数之外的所有参数。通过拟合剩余的一个参数，我们发现模型结果与健康人类结肠隐窝的数据吻合良好，捕捉到了实验观察到的群体大小的显著差异。重要的是，我们的模型可以预测健康结肠隐窝中相关参数值的稳态细胞群。我们表明，APC 和 KRAS 突变（导致结直肠癌的最显著的早期改变）会导致突变隐窝中稳态细胞群增加，这与实验结果一致。最后，我们的模型预测了隐窝内细胞无限生长的简单情况，这与结直肠恶性肿瘤相对应。预计这种情况发生在TA细胞的分裂率超过其分化率时，这对癌症的治疗预防策略具有重要意义。
使用概率 FMEA 对安全气囊系统进行安全性分析...
故障模式和影响分析 (FMEA) 是一种推断系统或系统组件故障可能导致的系统危害的技术。传统上，FMEA 不考虑这些故障可能发生的概率。最近，通过将随机模型检查技术集成到 FMEA 流程中来解决此缺点。进一步的改进是集成了随机模型反例生成技术，我们在本文中提出了这一技术。反例通过提供哪些组件对整个系统故障贡献最大的信息，促进了潜在不安全系统的重新设计。通过将这种新颖的 FMEA 流程方法应用于我们的工业合作伙伴 TRW Automotive GmbH 提供的安全气囊系统案例研究，说明了其实用性。
基于同差的量子随机数发生器，速度达 2.9 Gbps，可抵御量子边信息
量子随机数生成器 (QRNG) 承诺生成完全不可预测的随机数。然而，以随机模型形式对随机数进行安全认证通常会引入难以证明或不必要的假设。两个重要的例子是将对手限制在经典机制中以及连续测量结果之间的相关性可以忽略不计。此外，不严格的系统特性会打开一个安全漏洞。在这项工作中，我们通过实验实现了一个不依赖于上述假设的 QRNG，其随机模型是通过严格的计量方法建立的。基于真空涨落的正交测量，我们展示了 8 GBit/s 的实时随机数生成率。我们的安全认证方法提供了许多实际好处，因此将在量子随机数生成器中得到广泛应用。特别是，我们生成的随机数非常适合当今的传统和量子加密解决方案。
2023-2.pdf -people @ nmsu-新墨西哥州立大学
基于确定性和随机过程混合模型，我们使用白色噪声来说明患者在治疗结果中的变异性，使用超参数代表同类群体中的患者异质性，并根据ITO的随机差分方程来构建随机模型，以测试三种不同治疗方案在CAR T Cell Cell Cell治疗中的效率。随机模型具有三个千古不变的度量，对应于确定性系统的三个不稳定的平衡溶液，而在某些条件下，麦芽怪胎不变的测量是吸引人的肿瘤生长。随机系统的稳定动力学反映了治疗的长期结局，瞬态动力学提供了短期治愈的机会。两个停止时间，治愈时间和进步时间，让我们通过随机模型的瞬时动力学进行三种不同的CAR T细胞处理方案进行数值模拟。治愈时间和进步时间的概率分布是不同方案的当前结果细节，这对于当前的CAR T细胞疗法临床研究很重要。
Hasselmann的范式用于基于随机谎言传输的随机气候建模
为随机气候模型开发了一种通用的方法，该方法是为Ide alive-allized大气模型的示例开发的，该模型基于Hasselmann的随机气候模型。也就是说，通过随机谎言传输方式将随机性纳入了理想化耦合模型的快速大气成分中，而缓慢移动的海洋模型仍然确定性。更具体地说，通过将随机转运引入开尔文的结合定理中的材料环中，可以构建随机模型盐（随机对流）。所产生的随机模型以及基本的确定性气候模型也可以保留循环。在本文中引入了一种称为La-salt的盐（La-salt）（拉格朗日平均盐）。在LA-SALT中，我们用其预期值代替随机矢量场的漂移速度。La-salt的显着特性是其较高矩的演变受线性确定性方程的控制。我们的建模方法是通过确定局部存在的结果，首先是确定性气候模型，该结果将可压缩的大气方程耦合到不可压缩的海洋方程，其次，对于两个随机盐和LA-SALT模型而言。