统计模式识别方法在录井油气评价中的应用

深入地研究了综合录井的特征参数,对其进行了降维映射处理。提出了利用窗函数法和近邻法求录井参数的特征分布,并以此来构造概率密度分布函数;应用统计模式识别的贝叶斯判别决策方法训练分类的有关参数,确定了基于线性窗函数的贝叶斯方法和基于独立近邻原则的贝叶斯方法,为利用统计规律进行录井数据的自动处理提供了一种新的探索途径。     

基于贝叶斯法的长白落叶松林分优势高生长模型研究

贝叶斯统计推断是基于总体信息、样本信息和先验信息的一种统计推断方法,并已成为森林生长模型中的一种重要方法。本文以长白落叶松人工林为对象,基于1 687对林分优势高与年龄数据,利用Richards生长方程构建基于贝叶斯法和经典概率统计法的林分优势高生长模型,探讨贝叶斯统计法拟合小样本量数据的稳定性。分别基于全部样本,以及随机抽取的10%、5%和2%样本,利用经典概率统计法(非线性最小二乘法)、无先验信息的贝叶斯统计法和有先验信息的贝叶斯统计法进行参数估计,分析模型表现和参数分布。模型评价指标包括均方根误差(RMSE)、贝叶斯统计常用的DIC统计值以及参数的可信区间。结果表明:基于小样本的贝叶斯统计与大样本的经典概率统计的拟合结果相近,但贝叶斯统计法估计的参数稳定性强,且抽样5%时的RMSE值最小。有先验信息的贝叶斯统计拟合结果优于无先验信息的贝叶斯统计拟合结果,参数分布也较为集中,不确定性小;有先验信息贝叶斯统计和经典概率统计的参数分布区间有较大重叠。另外,有先验信息贝叶斯统计对3种不同样本量的拟合结果显示,参数标准差以及模型RMSE值都是在抽样5%时最小,说明用贝叶斯统计的拟合精度及参数确定性与样本量大小也有一定关系。研究验证了贝叶斯统计在利用先验信息、基于小样本量进行森林生长建模时的优越性。      

基于贝叶斯法的新疆天山云杉树高-胸径模型研究

【目的】贝叶斯统计法能够利用先验信息与样本信息去进行统计推断,可有效提升模型参数的可靠程度和稳定性。【方法】本研究以天山云杉林为研究对象,使用3块100 m×100 m天山云杉调查样地数据,利用经典统计方法(极大似然法)、贝叶斯法构建天山云杉树高-胸径模型。利用随机抽样法抽取80%样地数据进行建模,20%样地数据进行检验,对比分析基于经典方法的非线性模型和非线性混合效应模型以及基于贝叶斯法的贝叶斯模型和层次贝叶斯模型的表现和参数分布。【结果】通过对比非线性模型和贝叶斯模型,贝叶斯模型的a、b、c 3个参数置信区间比非线性模型的分别要窄53.86%、46.87%、65.17%。而层次贝叶斯模型和非线性混合效应模型相比,层次贝叶斯模型的固定效应参数置信区间比非线性混合效应模型的要窄37.21%、62.62%、49.31%,但随机效应参数标准差的置信区间更为分散。基于贝叶斯法的模型,其参数标准差均低于基于经典方法的模型。4种树高-胸径模型的拟合结果显示：层次贝叶斯模型的拟合效果优于其他3种模型,其决定系数(R²)为0.961。拟合精度显示：层次贝叶斯模型的预测精度略高于...     

基于Gibbs抽样的贝叶斯金融随机波动模型分析

通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布.利用贝叶斯定理获得了相应的模型参数后验条件分布.同时,为了获得模型参数的贝叶斯估计及其置信区间,设计了基于Gibbs抽样的MCMC数值计算程序,并利用上海综合指数和深圳成分指数数据进行了建模实证分析,解决了参数随机条件下金融随机波动时间序列建模问题,提高了模型预报精度.     

基于窗函数的林区ICESat-GLAS波形数据消噪研究

在利用对地学激光测高系统(the Ice,Cloud and land Elevation-Geoscience Laser Altimeter System)数据估测森林结构参数时,需对原始波形进行去噪处理,以提高估测精度。以吉林汪清林区为例,提出了基于窗函数的林区GLAS数据消噪方法,选取了5种窗函数对GLAS数据进行消噪并比较其消噪精度。结果表明:窗函数对林区波形数据消噪具有较好的效果,窗函数消噪法的信噪比SNR最高为40.488 679,均方根误差RMSE最低为0.000 335;GLAS数据经窗函数消噪后能够合理地预测林区冠层高度,预测冠层高度与实测冠层高度的回归精度r从0.725增至0.820;本研究所选的几种窗函数中布拉克曼窗函数的消噪效果较好。结果说明了窗函数在对ICESat-GLAS波形数据消噪中具有很大的应用潜力。     

基于贝叶斯方法的蒙古栎林单木枯死模型

目的贝叶斯统计法在提高模型参数稳定性上有较大的优势,研究贝叶斯方法在单木枯死模型中的应用,改进模型参数的估计方法,为蒙古栎天然林林分生长收获与经营管理提供参考。方法以蒙古栎天然异龄林为对象,基于202块固定样地数据,利用二分类Logistic模型构建基于经典概率统计法、贝叶斯法和分层贝叶斯法的蒙古栎单木枯死模型。随机抽取80%的数据用于建立模型,剩下的20%用于检验模型,利用经典概率统计法（非线性最小二乘法）、有先验信息的贝叶斯统计法和无先验信息的分层贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过计算ROC曲线下的面积AUC（Under Curve）来判断,并利用Pearson-χ2检验来检验模型的拟合优度。结果（1）贝叶斯法与传统极大似然法的估计值相近,且其估计参数的标准差小于传统方法。（2）贝叶斯法估计参数的可信区间最小,比传统极大似然法的置信区间小6.0% ~ 31.8%。层次贝叶斯法估计参数的可信区间最大,比传统极大似然法的置信区间大11.2% ~ 185.0%。（3）拟合效果最好的是层次贝叶斯法,其模型AUC值为0.83,贝叶斯法与传统极大似然法模型的AUC值均为0.73。结论层次贝叶斯法在拟合枯死模型方面具有明显的优势,拟合效果最好,模型预估精度最高。      

参数加速失效模型定位生存性状位点

大多数现存的检测数量性状位点的统计方法,不适于去分析带有偏态分布和删失机制的生存性状。因此,将生存分析中参数和半参数模型镶嵌到数量性状区间定位的框架内,去定位生存性状。在生存性状分析领域里,加速失效时间模型被认为是用于分析数据的一个非常重要模型。基于加速失效时间模型,提出定位生存性状的参数模型,采用EM算法获得参数的极大似然估计。同时,视贝叶斯信息标准为模型选择标准。通过选取带有极大似然和寡参数的指定误差分布,构建了优化模型。为了证明方法的有效性,分析了一个实际数据集,结果表明,在生存分布的五个常用分布函数,对数Logistic分布是控制小鼠高氧性急性肺损伤的最优分布函数。     

林分径级分布预测模型参数的贝叶斯法估计——以金沟岭林场样地数据为例

以吉林省金沟岭林场云冷杉针阔混交异龄林26块检查法样地的5次观测数据为基础,建立转移矩阵模型对一定周期的林分径级分布进行预测。分别利用经典统计学方法和贝叶斯方法对转移矩阵模型的参数进行估计,建立了固定参数的矩阵模型和贝叶斯矩阵模型,并对两种模型的预测效果进行对比。结果显示,固定参数的转移矩阵模型对林分径级分布的预测值比实际值偏高,贝叶斯模型的预测结果更接近林分的实际径级分布,证明了贝叶斯参数估计方法比固定参数平均的方法所建模型具有更高的预测精度。     

基于MH算法的贝叶斯分位自回归模型

针对时间序列分布特征多样性的问题,不考虑序列本身的分布特征而选择非对称Laplace分布的似然函数对模型进行贝叶斯分位回归分析.利用Metropolis-Hastings算法模拟参数的后验边缘分布,解决了参数估计过程遇到的高维数值积分的问题.仿真分析中,参数的迭代轨迹是收敛的,说明MH抽样有效地模拟了参数的后验边缘分布;并且应用该方法估计出了不同分位数下模型参数的后验均值,标准差,MC误差和95%的置信区间.非对称和局部持续性数据的数值模拟,证实了贝叶斯分位自回归模型可以更全面有效地描述滞后变量对响应变量变化范围和条件分布形状的影响.     

基于混合先验分布的贝叶斯因子分析模型

针对现有因子分析模型不能充分融合模型参数信息问题,通过研究因子分析模型的统计结构,构造了参数的混合先验分布;利用贝叶斯定理证明了模型因子载荷阵的条件后验分布为矩阵t分布,协方差阵的条件后验分布为逆Wishart分布.实证研究表明:由于参数先验分布的作用,贝叶斯因子分析结果与传统的因子分析之间存在明显的差异.     

复杂经济运行背景下省域经济风险评价——基于安徽省1995~2009年的经验证据

针对Probit分位回归在参数随机化条件下的建模问题,提出基于Metropolis-Hastings算法的贝叶斯Probit分位回归模型.通过分析Probit分位回归模型结构,选择模型的先验分布,运用M-H算法进行参数估计.利用Monte Carlo仿真技术,得到不同分位点模型参数后验分布,同时用贝叶斯probit分位回归与分位回归方法和光滑分位回归方法对模型参数估计进行比较分析.研究结果表明：贝叶斯Probit分位回归模型可以更全面描述离散选择变量的影响,能够得到更加准确有效的参数估计.     

林木最近距离分布模型的参数估计

林木距离分布是森林空间结构的重要体现,描述林木空间分布的方法是评价和分析自然森林经营的基础。以Weibull函数所表达的林木距离分布为基础,利用顺序统计量对Weibull分布的参数进行估计。     

基于高光谱数据的棉田虫害鉴别研究

【目的】快速、准确、无损伤地鉴别棉花虫害类别,以便针对性制定植保施药方案。【方法】对棉花叶片高光谱数据进行采集和分析。采用波段范围为350～2 500 nm的FieldSpec?3便携式光谱分析仪,分别获取受蚜虫和红蜘蛛危害的棉花叶片以及正常棉花叶片的高光谱数据。采用K-近邻和SVM算法区分受红蜘蛛和蚜虫侵害的叶片以及正常叶片。为进一步优化虫害识别模型、提高识别精度,利用主成分分析方法 (PCA)进行特征降维,并利用网格搜索法进行参数寻优。【结果】使用K-近邻算法和SVM算法构建了虫害识别模型,2种模型的识别率分别为86.08%和89.29%;引入PCA进行特征降维并使用网格搜索进行参数寻优后,可以提高虫害识别率,K-近邻算法和SVM算法的识别精度分别达到88.24%和92.16%。【结论】利用高光谱数据可以区分受蚜虫和红蜘蛛侵害以及正常的棉花叶片;结合PCA降维和网格搜索法,能够提高识别率且不需要获得具体的特征波段;对于受蚜虫和红蜘蛛侵害以及正常的叶片识别,基于径向基核函数的SVM算法优于K-近邻算法。     

利用核密度估计改进遥感图像贝叶斯分类法

把非参数核密度估计方法引入到遥感图像贝叶斯(Bayes)分类问题中,对各类的分布密度函数进行非参数核密度估计,从而改进了Bayes分类方法.通过对遥感图像实例分类,与传统Bayes分类方法和其它统计分类方法比较,分类精度得到了提高.该方法解决了其他分类方法单中心的局限,既保留了核密度估计法理论上的优点和平滑性,又适合云南由于地形和光照影响而产生的同一地类在相空间中是多中心的特点,具有一定的应用推广价值.     

桂林市暴雨强度公式的推导与研究

利用桂林国家气象站1957—2014年的自记雨量记录,采用年最大值法的选样方法,选取每年11个短历时的最大雨量记录,建立暴雨强度公式的统计样本;利用皮尔逊-Ⅲ型(P-Ⅲ型)分布、耿贝尔分布和指数分布3种频率分布曲线对统计样本进行拟合,利用最小二乘法和高斯牛顿法推导暴雨强度公式,并进行精度检验。结果表明,P-Ⅲ型分布和耿贝尔分布频率曲线拟合效果优于指数分布;基于P-Ⅲ型分布推导的暴雨强度公式精度明显优于耿贝尔分布和指数分布;利用最小二乘法推导的暴雨强度公式精度明显优于高斯牛顿法;暴雨强度区间参数公式精度优于暴雨强度总公式。     

基于贝叶斯决策的果树害虫图像分割研究

由于果树害虫图像中会存在背景区域,而用户关注的是图像中的害虫,需要把害虫从背景区域中分割出来。针对这种情况,提出基于贝叶斯决策的果树害虫图像分割方法。算法首先将图像中的像素分为前景和背景两类,获取两类的先验概率,取得图像中蓝色通道的灰度图,统计每个灰度级中像素出现的个数,计算出正态分布函数的参数,得到类条件概率密度函数。利用贝叶斯公式计算后验概率从而确定每个像素在两类中的归属。经过试验,可以有效的把前景区域分割出来。     

基于MATLAB的茄子图像分割方法

针对茄子图像的灰度和颜色特点,利用MATLAB中丰富的图像处理函数,分别进行了色差分割和色调分割。在色调分割中,采用了自动选取阈值的Otsu法。在去除残留噪音的处理中,采用标注的方法对二值图像的各连通区域进行面积统计。保留最大面积的区域,从而使分割效果大大改善。利用多参数来衡量分割效果,使评价做到最大程度的客观、合理。     

基于Matlab的二维FIR数字滤波器的设计

数字滤波器设计是数字信号处理的重要组成部分。文章介绍了基于Matlab编程环境下用窗函数设计法,频率采样法,频率交换法,实现FIR二维数字滤波器的设计,并给出了设计实例仿真。设计结果表明,利用Matlab软件设计数字滤波器简便、易行。     

耕地地力评价隶属函数模型参数确定探讨

以安徽省青阳县为例,基于县域耕地资源管理信息系统对土壤有机质隶属函数的参数调整进行研究,利用重新调整参数后的隶属函数进行单因子的评价。研究结果表明,利用重新拟合隶属函数的方法,调整模型的参数,有机质因子的隶属度得到了合理的分布,使得其在决定青阳县耕地地力中的贡献合理性增加。因此,运用该文方法调整的隶属函数参数是可行的,其结果符合当地实际情况。     

耕地地力评价隶属函数模型参数确定探讨——以安徽省青阳县土壤有机质为例

以安徽省青阳县为例,基于县域耕地资源管理信息系统对土壤有机质隶属函数的参数调整进行研究,利用重新调整参数后的隶属函数进行单因子的评价。研究结果表明,利用重新拟合隶属函数的方法,调整模型的参数,有机质因子的隶属度得到了合理的分布,使得其在决定青阳县耕地地力中的贡献合理性增加。因此,运用该文方法调整的隶属函数参数是可行的,其结果符合当地实际情况。