导读:本文包含了概率分布模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,模型,风速,误差,函数,高斯,过程。
概率分布模型论文文献综述
杨茂,杨春霖,董骏城[1]（2019）在《基于预测误差分布优化模型的风电功率超短期概率区间预测研究》一文中研究指出提出一种基于预测误差分布优化模型的风电功率概率区间预测方法。由于风功率数据存在显着的时间相依结构,该方法首先对预测功率按出力不同进行划分,以划分区段内的预测误差为统计样本,分别采用多种分布模型拟合误差概率密度,通过拟合指标选择优化模型,进而求解该分布模型的累积概率,并通过计算指定置信水平下的置信区间进行概率区间预测。利用性能指标比较典型单一分布模型和优化模型的预测结果,表明基于优化模型的概率性预测区间覆盖率更高、平均带宽更窄、精度更好、效果更优。(本文来源于《太阳能学报》期刊2019年10期）
郑晓伟,李宏男,李超,刘杨,张皓[2]（2019）在《基于乘法定理和AL模型的风速风向联合概率分布的研究及应用》一文中研究指出该文开展了风速风向联合概率分布的研究,以大理地区1971年～2017年47年间的风速日值数据资料为例,选用乘法定理和AL模型两种方法建立该地区风速风向联合概率分布。首先,对各风向以及全风向风速数据的最优概率分布进行研究;其次,分别基于谐波函数和混合vonMises分布对风向的概率密度进行拟合,并进一步基于乘法定理和Angular-Linear(AL)模型推导得出了风速风向联合概率密度函数;最后,对大理地区50年重现期内的极值风速进行预测。研究结果表明:Gumbel分布能更好地描述大理地区的风速分布规律,通过AL模型获得的风速风向联合概率密度函数明显优于基于乘法定理得到的联合概率密度函数;而忽略风向的影响将明显高估大理地区的极值风速。(本文来源于《工程力学》期刊2019年10期）
程小康,肖林发,彭建新,胡守旺[3]（2019）在《普通混凝土中氯离子概率分布模型分析》一文中研究指出为了研究混凝土中氯离子的分布情况,开展了普通混凝土氯盐侵蚀实验,得到了混凝土在氯盐侵蚀环境下的氯离子浓度分布及氯离子扩散系数的分布规律。基于蒙特卡洛理论,用Matlab软件对混凝土中氯离子扩散系数进行了10万次随机模拟,得出在一定深度(7.5～27.5 mm)内NC30,NC40和NC50氯离子扩散系数服从对数正态分布,NC30,NC40和NC50所取得的氯离子扩散系数变异系数分别为0.20,0.22和0.20,可以代表氯离子扩散系数均值,其得出的NC30,NC40和NC50混凝土的氯离子扩散系数均值分别为5.468×10~(-12),4.940×10~(-12)和4.132×10~(-12) m~2/s,表明混凝土强度等级越高的混凝土氯离子扩散系数越小。(本文来源于《交通科学与工程》期刊2019年03期）
陈立华,吕淑婷,黄荣华,王焰,王紫玥[4]（2019）在《钦州市台风影响下风雨联合概率分布模型研究》一文中研究指出受台风影响,钦州市洪涝灾害频发,基于copula联合概率分布模型研究台风条件下风雨相关关系。选择1971～2016年中引起钦州市降雨的125场台风的最大风速、时段降雨及累积雨量系列作为统计样本,分别采用Gumbel(2P)、Frechet(3P)、Weibull(2P)、Weibull(3P)、GEV、Gamma(2P)和Burr七种边缘分布进行最大风速、各时段雨量的分布拟合,并应用危险率函数法、累计误差法和Kolmogorov-Smirnov检验进行拟合优度评价,选出合适的风、雨边缘分布;采用Archimedean copula族四种函数构建风雨联合概率模型,并根据AIC、OLS准则做风雨联合分布拟合优度评价,选出符合钦州市各风雨联合概率分布的函数模型;通过对2017年"天鸽"和"帕卡"两场台风降雨数据检验可知,该风雨联合模型,结果可靠。表明了基于Archimedean copula函数构造的风雨联合分布模型可应用于台风影响下钦州市降雨情势的预测与分析。(本文来源于《广西大学学报(自然科学版)》期刊2019年04期）
霍速,谭智敏[5]（2019）在《期刊引文概率分布模型的建立与应用》一文中研究指出目的:分析引文网络中期刊论文引文数据分布,做好期刊文献推荐工作。方法:通过对吉林大学农学部发文的引文分布实例分析,验证其偏离幂律分布的特征,建立通用的引文概率分布模型并拟合数据。结果:通过类比引用行为和物理中的随机扩散建立的引文概率分布模型,可以很好地拟合偏离幂律分布特征的引文数据,并给出拟合参数,结合概率推荐算法建立了一个优化的文献推荐模型。结论:将期刊引文概率分布模型用于优化文献推送模型可增加当前文献推送的精度或减少当前推算法的计算量,降低当前各种高精度的优化算法计算量过大的限制。(本文来源于《中华医学图书情报杂志》期刊2019年07期）
李中捷,刘倩倩,陈燚雷[6]（2019）在《基于用户簇分布模型的叁维异构蜂窝网络覆盖概率分析》一文中研究指出采用随机几何理论分析异构蜂窝网络性能时,通常假设用户均匀分布且独立于基站。但在实际的异构蜂窝网络中,小基站一般部署在热点地区或覆盖盲区,因此,小基站与用户的空间位置存在相关性。针对叁维空间中蜂窝用户以小基站为父节点的Matern簇过程和Thomas簇过程进行建模,再采用最大信号干扰比(signal to interference ratio,SIR)的小区接入准则,在瑞利衰落信道下推导出下行链路的覆盖概率;通过蒙特卡罗仿真验证理论结果,分析用户簇过程的半径或方差、SIR门限值、小基站密度和小基站功率对覆盖概率的影响,并比较叁维用户簇分布模型、叁维用户均匀分布模型和二维用户簇分布模型的网络性能。实验结果表明基于叁维用户簇分布模型的异构蜂窝网络具有较好的覆盖概率。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年03期）
冯司宇,马小舟,董国海[7]（2019）在《波高非线性概率分布高阶谱数值模型研究》一文中研究指出由于波浪的调制不稳定以及非线性波-波相互作用等因素的存在,波浪的分布会偏离线性假设下瑞利分布的结果。通过使用高阶谱模型对不同初始条件下波浪数值模拟。对统计得到的波高与线性理论下的瑞利分布和考虑非线性下改进的埃奇沃思-瑞利(MER)分布和依据Gram-Charlier展开的分布(GC分布)进行对比。结果表明,深水条件下波浪传播过程中偏度值变化较小,而峰度值出现增长。在较小有效波高值的波况下波高分布符合瑞利分布,但随着有效波高值的增加,波浪的非线性增强,波高分布与考虑非线性影响下的GC和MER分布结果相符。宽谱下的波高分布偏离瑞利分布的程度小于窄谱的情况,波高分布更接近瑞利分布的结果。(本文来源于《海洋学报》期刊2019年03期）
曹魏聪[8]（2019）在《猕猴在自步任务线索范式下任务切换过程中的心理机制》一文中研究指出任务线索范式(Task-cueing paradigm)是任务切换(Task Switching)领域常见的研究范式。大量的研究通过操纵线索出现后的准备时间研究线索切换对任务切换损失的影响,认为线索切换会导致任务重建(task-set reconfiguration)或任务间的干扰(interference),进而引发任务切换损失(task switch cost)。然而在这些研究中,准备时间均由研究者事先设定,被试仅能被动地接受任务流程完成实验,这可能会干扰被试面对线索切换时的正常反应,而不能反映被试在线索切换任务中完整的心理过程。此外,以往的研究往往直接使用包括ANOVA在内的一般线性模型分析反应时均值,平均正确率等汇总统计量,忽略了这些汇总统计量的分布通常都是非正态的,也不满足方差齐性这一事实。本研究在传统任务线索范式的基础上引入自步的实验设置,在线索出现后,由被试自主决定何时开始实验任务。并以时序判断任务和分辨率判断任务为目标任务,成功训练猕猴掌握了这一范式。本研究中的正式实验综合考察了任务类型,任务难度以及切换类型对任务切换过程的影响,并使用广义线性混合模型对准备时间的均值、反应时的均值以及平均正确率这叁个汇总统计量进行了分析,并使用ex-Gaussian模型拟合了反应时的平均分布,基于狄利克雷过程混合模型对准备时间的平均分布进行了建模。以期从分布的形式与参数中获取更多有价值的信息,以更好地了解任务切换的心理机制。通过对准备时间的均值以及准备时间平均分布的分析,结果发现:在自步的实验设置下,准备时间虽然仍会受到切换类型的影响,但是不会影响任务表现。在准备阶段,被试并不会在每个试次中都针对任务进行准备,有些时候会忽略线索直接进入任务阶段。针对任务进行准备的比例是影响准备时间长短的关键因素。通过对被试反应时均值、反应时的平均分布以及平均正确率的分析可以发现:反应时和正确率会受到任务类型与任务难度的影响,不同任务类型与任务难度下反应时和正确率的差异是任务特质的外在体现。反应时和正确率也确实会受到切换类型的影响,但与传统研究中的发现不同,在自步的实验设置下,任务切换会提升任务表现。针对反应时平均分布的分析则表明,切换类型仅会影响被试的专注程度,而对完成任务的能力没有影响。本研究通过引入自步的设置,更加完整地呈现了准备阶段的心理过程,为系统、有效地探究任务切换过程的心理机制提供可靠基础。使用广义线性混合模型和概率分布模型对数据进行分析,得到了更加准确、可靠的结论,并在此基础上提出了准备阶段存在两种互斥的心理过程的猜想,为相关领域的研究提供了有益的补充。而猕猴任务切换模型的建立,为进一步深入研究任务切换的神经机制提供了便利。(本文来源于《华东师范大学》期刊2019-03-01）
原文林,付磊,高倩雨[9]（2019）在《基于极端降水概率分布的山洪灾害预警指标估算模型研究》一文中研究指出针对山洪灾害预警指标确定方法中产汇流机制复杂,多参数不确定性影响因素较大的问题,依据极端降水与山洪灾害内在响应联系,提出以GPD分布为基础耦合小流域内自然因素和人为因素,构建基于极端降水概率分布的山洪灾害预警指标估算模型。选取裴河小流域夏湾组为研究对象,采用时段特征雨量检验法和水位流量反推法与模型计算结果进行对比分析。结果表明:该模型简化预警指标确定过程,合理推求山洪灾害预警指标范围,削弱多参数不确定性影响,计算结果安全可靠,适用于山洪灾害预警预报。基于极端降水概率分布的山洪灾害预警指标估算模型完善预警指标计算理论体系,为山洪灾害预警预报提供技术支撑和经验参考。(本文来源于《水利水电技术》期刊2019年03期）
井沛良,段宇,韩超,郭荣化,宁小磊[10]（2019）在《基于高斯混合模型和期望最大化算法的非高斯分布圆概率误差估计方法研究》一文中研究指出传统圆概率误差(CEP)估计方法无法处理兵器攻击点/观测点数据服从非高斯分布的情况。为了解决这一问题,提出了一种基于高斯混合模型(GMM)和期望最大化(EM)算法的CEP估计新方法。该方法利用GMM对兵器攻击点/观测点非高斯分布概率密度函数(PDF)进行建模,通过EM算法迭代估计GMM参数得到兵器攻击点/观测点PDF,并依据所得到的兵器攻击点/观测点PDF,使用二分法得到兵器攻击点/观测点的CEP指标值。采用大量非高斯分布场景生成兵器攻击点/观测点数据,应用所提方法和传统方法进行CEP估计实验。实验结果表明:所提方法估计的CEP均方误差约为传统方法的1/10,由此说明所提方法性能显着好于传统方法,可以有效解决兵器攻击点/观测点数据服从非高斯分布时的CEP估计问题。(本文来源于《兵工学报》期刊2019年02期）
概率分布模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
该文开展了风速风向联合概率分布的研究,以大理地区1971年～2017年47年间的风速日值数据资料为例,选用乘法定理和AL模型两种方法建立该地区风速风向联合概率分布。首先,对各风向以及全风向风速数据的最优概率分布进行研究;其次,分别基于谐波函数和混合vonMises分布对风向的概率密度进行拟合,并进一步基于乘法定理和Angular-Linear(AL)模型推导得出了风速风向联合概率密度函数;最后,对大理地区50年重现期内的极值风速进行预测。研究结果表明:Gumbel分布能更好地描述大理地区的风速分布规律,通过AL模型获得的风速风向联合概率密度函数明显优于基于乘法定理得到的联合概率密度函数;而忽略风向的影响将明显高估大理地区的极值风速。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概率分布模型论文参考文献
[1].杨茂,杨春霖,董骏城.基于预测误差分布优化模型的风电功率超短期概率区间预测研究[J].太阳能学报.2019
[2].郑晓伟,李宏男,李超,刘杨,张皓.基于乘法定理和AL模型的风速风向联合概率分布的研究及应用[J].工程力学.2019
[3].程小康,肖林发,彭建新,胡守旺.普通混凝土中氯离子概率分布模型分析[J].交通科学与工程.2019
[4].陈立华,吕淑婷,黄荣华,王焰,王紫玥.钦州市台风影响下风雨联合概率分布模型研究[J].广西大学学报(自然科学版).2019
[5].霍速,谭智敏.期刊引文概率分布模型的建立与应用[J].中华医学图书情报杂志.2019
[6].李中捷,刘倩倩,陈燚雷.基于用户簇分布模型的叁维异构蜂窝网络覆盖概率分析[J].重庆邮电大学学报(自然科学版).2019
[7].冯司宇,马小舟,董国海.波高非线性概率分布高阶谱数值模型研究[J].海洋学报.2019
[8].曹魏聪.猕猴在自步任务线索范式下任务切换过程中的心理机制[D].华东师范大学.2019
[9].原文林,付磊,高倩雨.基于极端降水概率分布的山洪灾害预警指标估算模型研究[J].水利水电技术.2019
[10].井沛良,段宇,韩超,郭荣化,宁小磊.基于高斯混合模型和期望最大化算法的非高斯分布圆概率误差估计方法研究[J].兵工学报.2019
论文知识图
