论文成果
基于分位点的广义Pareto分布函数最小二乘拟合方法
- 点击次数：
- 论文类型：期刊论文
- 发表时间：2018-01-01
- 发表刊物：应用数学和力学
- 收录刊物：CSCD
- 文献类型：J
- 卷号：39
- 期号：4
- 页面范围：415-423
- ISSN号：1000-0887
- 关键字：广义Pareto分布;最小二乘拟合;分位点;Kriging模型
- 摘要：广义Pareto分布函数(GPD,generalized Pareto distribution)是一种针对随机参数尾部进行渐进插值的方法,能够对高可靠性问题进行评估.应用该函数进行随机参数尾部近似时,需要对函数中的两个重要未知参数进行拟合确定.最常用的拟合方法是最大似然拟合和最小二乘拟合,需要将所有的尾部样本进行计算;需要大量尾部样本,计算效率低.该文提出依据少量的分位点进行最小二乘拟合,既保证了尾部样本空间足够大,同时又降低了计算成本;进一步提出了Kriging模型的两阶段更新,实现了分位点求解的快速收敛.算例表明,该文提出的方法能够快速提高模型精度,求得指定的分位点,而且与基于大量尾部样本的最大似然拟合结果精度一致.
