叠前反演是获取地下介质弹性参数的一种重要手段,马尔可夫蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法是叠前反演求解的经典方法。相比于传统的数值优化算法和线性反演方法,MCMC反演算法具备更高的精度,但仍然存在依赖初始模型、计算...叠前反演是获取地下介质弹性参数的一种重要手段,马尔可夫蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法是叠前反演求解的经典方法。相比于传统的数值优化算法和线性反演方法,MCMC反演算法具备更高的精度,但仍然存在依赖初始模型、计算耗时长和不确定性大等问题。为此,对常规MCMC反演算法进行改进,提出基于构造倾角约束的BLI-MCMC叠前随机反演方法。首先,将地质构造倾角加入先验约束信息中,提高反演的采样效率,降低反演结果的不确定性;然后,利用贝叶斯线性反演(Bayesian Linear Inversion,BLI)算法为MCMC反演提供良好的初始模型,并作为迭代起点,缩短马尔科夫链的燃烧时间,从初始模型角度提高反演的效率。模拟数据和实际资料应用结果均表明,改进后的方法能够显著提高反演精度和效率,保持了地下介质较高的横向连续性。该方法可为地下起伏介质的反演提供技术支撑。展开更多
铂电阻传感器的温度测量系统为动态测量系统,其参数处于时变状态,传统不确定度评定方法的静态假设并不适用。因此,本文提出了一种基于马尔科夫蒙特卡洛(MCMC)的贝叶斯统计的铂电阻传感器动态不确定度评定方法,构建了云边端协同的在线计...铂电阻传感器的温度测量系统为动态测量系统,其参数处于时变状态,传统不确定度评定方法的静态假设并不适用。因此,本文提出了一种基于马尔科夫蒙特卡洛(MCMC)的贝叶斯统计的铂电阻传感器动态不确定度评定方法,构建了云边端协同的在线计量系统对动态测量系统进行实时监测;基于贝叶斯信息融合原理实现动态测量系统信息的动态更新;基于Metropolis-Hastings(M-H)算法求解贝叶斯信息融合后验分布的唯一收敛马氏链,有效减少了参数间的相关性,实现了动态测量系统的不确定度动态评定。实验对比GUM法(Guide to the Uncertainty in Measurement)、传统贝叶斯法和改进贝叶斯法的不确定度评定结果,结果表明,本文方法可有效提高温度测量动态系统的不确定度评定结果的精度,解决了铂电阻温度测量动态系统量值可靠性无法估计的问题。展开更多
准确、合理地构建间歇性电源的发电功率模型对于电力系统的仿真分析与计算具有重要意义。提出了一种风光发电功率时间序列模拟的单变量与多变量马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)仿真方法。该模型针对风电场与光伏电...准确、合理地构建间歇性电源的发电功率模型对于电力系统的仿真分析与计算具有重要意义。提出了一种风光发电功率时间序列模拟的单变量与多变量马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)仿真方法。该模型针对风电场与光伏电站等多种类型的间歇性电源,构建发电功率时间序列的马尔科夫链,采用Gibbs抽样技术实现了单变量或多变量的时间序列模拟。不仅全面地分析了不同类型间歇性电源马尔科夫过程的特征与影响因素,并且在MCMC方法中考虑了多变量之间的相互联系,使模型能够适应多组间歇性电源彼此间存在相关性的情形。对德国2家电力公司控制区域内的风电场、光伏电站进行仿真模拟,通过统计特征参数的对比分析,验证了所提模型的有效性。展开更多
文摘叠前反演是获取地下介质弹性参数的一种重要手段,马尔可夫蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法是叠前反演求解的经典方法。相比于传统的数值优化算法和线性反演方法,MCMC反演算法具备更高的精度,但仍然存在依赖初始模型、计算耗时长和不确定性大等问题。为此,对常规MCMC反演算法进行改进,提出基于构造倾角约束的BLI-MCMC叠前随机反演方法。首先,将地质构造倾角加入先验约束信息中,提高反演的采样效率,降低反演结果的不确定性;然后,利用贝叶斯线性反演(Bayesian Linear Inversion,BLI)算法为MCMC反演提供良好的初始模型,并作为迭代起点,缩短马尔科夫链的燃烧时间,从初始模型角度提高反演的效率。模拟数据和实际资料应用结果均表明,改进后的方法能够显著提高反演精度和效率,保持了地下介质较高的横向连续性。该方法可为地下起伏介质的反演提供技术支撑。
文摘铂电阻传感器的温度测量系统为动态测量系统,其参数处于时变状态,传统不确定度评定方法的静态假设并不适用。因此,本文提出了一种基于马尔科夫蒙特卡洛(MCMC)的贝叶斯统计的铂电阻传感器动态不确定度评定方法,构建了云边端协同的在线计量系统对动态测量系统进行实时监测;基于贝叶斯信息融合原理实现动态测量系统信息的动态更新;基于Metropolis-Hastings(M-H)算法求解贝叶斯信息融合后验分布的唯一收敛马氏链,有效减少了参数间的相关性,实现了动态测量系统的不确定度动态评定。实验对比GUM法(Guide to the Uncertainty in Measurement)、传统贝叶斯法和改进贝叶斯法的不确定度评定结果,结果表明,本文方法可有效提高温度测量动态系统的不确定度评定结果的精度,解决了铂电阻温度测量动态系统量值可靠性无法估计的问题。
文摘准确、合理地构建间歇性电源的发电功率模型对于电力系统的仿真分析与计算具有重要意义。提出了一种风光发电功率时间序列模拟的单变量与多变量马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)仿真方法。该模型针对风电场与光伏电站等多种类型的间歇性电源,构建发电功率时间序列的马尔科夫链,采用Gibbs抽样技术实现了单变量或多变量的时间序列模拟。不仅全面地分析了不同类型间歇性电源马尔科夫过程的特征与影响因素,并且在MCMC方法中考虑了多变量之间的相互联系,使模型能够适应多组间歇性电源彼此间存在相关性的情形。对德国2家电力公司控制区域内的风电场、光伏电站进行仿真模拟,通过统计特征参数的对比分析,验证了所提模型的有效性。
