基于贝叶斯方法和MATLAB工具,尝试通过数值模拟的方法计算关键比对参考值及其不确定度。首先,阐述贝叶斯方法,并通过举例,应用马尔科夫链蒙特卡洛法(MCMC)得到关键比对参考值及其不确定度。其次,通过改变建议分布σ的大小,阐述了如何选...基于贝叶斯方法和MATLAB工具,尝试通过数值模拟的方法计算关键比对参考值及其不确定度。首先,阐述贝叶斯方法,并通过举例,应用马尔科夫链蒙特卡洛法(MCMC)得到关键比对参考值及其不确定度。其次,通过改变建议分布σ的大小,阐述了如何选取合适的建议分布和初始值。此外,还阐述了算法的一般收敛性。最后,通过与M. G. Cox的权重法比较,证明了应用MCMC法计算关键比对参考值及其不确定度的正确性。展开更多
适当的大气扩散模型对于核电厂假想事故的后果评价是必要的,对其进行参数不确定性分析对于提高模型预测的可信度具有重要的意义。相比于传统的不确定性分析方法,贝叶斯方法充分考虑了已有的观测数据,马尔科夫链蒙特卡罗方法(Markov Chai...适当的大气扩散模型对于核电厂假想事故的后果评价是必要的,对其进行参数不确定性分析对于提高模型预测的可信度具有重要的意义。相比于传统的不确定性分析方法,贝叶斯方法充分考虑了已有的观测数据,马尔科夫链蒙特卡罗方法(Markov Chain Monte Carlo,MCMC)可以方便地将贝叶斯方法和高斯烟羽模型相结合。首先使用一次改变一个变量值的方法分析模型对几个重要参数的敏感性,然后选择敏感性最大的两个参数使用贝叶斯MCMC方法进行了不确定性分析。通过分析MCMC样本序列,得到了观测值的最优拟合及模拟结果的置信区间。贝叶斯方法能获得更可靠的置信区间,从而为事故后应急响应提供更好的参考数据。展开更多
文摘基于贝叶斯方法和MATLAB工具,尝试通过数值模拟的方法计算关键比对参考值及其不确定度。首先,阐述贝叶斯方法,并通过举例,应用马尔科夫链蒙特卡洛法(MCMC)得到关键比对参考值及其不确定度。其次,通过改变建议分布σ的大小,阐述了如何选取合适的建议分布和初始值。此外,还阐述了算法的一般收敛性。最后,通过与M. G. Cox的权重法比较,证明了应用MCMC法计算关键比对参考值及其不确定度的正确性。
文摘适当的大气扩散模型对于核电厂假想事故的后果评价是必要的,对其进行参数不确定性分析对于提高模型预测的可信度具有重要的意义。相比于传统的不确定性分析方法,贝叶斯方法充分考虑了已有的观测数据,马尔科夫链蒙特卡罗方法(Markov Chain Monte Carlo,MCMC)可以方便地将贝叶斯方法和高斯烟羽模型相结合。首先使用一次改变一个变量值的方法分析模型对几个重要参数的敏感性,然后选择敏感性最大的两个参数使用贝叶斯MCMC方法进行了不确定性分析。通过分析MCMC样本序列,得到了观测值的最优拟合及模拟结果的置信区间。贝叶斯方法能获得更可靠的置信区间,从而为事故后应急响应提供更好的参考数据。
