基于MCMC方法的子通道程序模型參數(shù)不確定性量化分析研究

摘要： 假定模型參數(shù)的不確定性服從正態(tài)分布，根據(jù)貝葉斯原理，其最可能的分布是結(jié)合先驗信息和觀測信息得到的最大后驗概率，馬爾科夫鏈蒙特卡羅（Markov Chain Monte Carlo,MCMC）抽樣適用于此類反問題求解。鑒于隨機論方法的巨大計算量，本研究利用BP(Back Propagation)神經(jīng)網(wǎng)絡及相對熵最小化來自適應加密訓練數(shù)據(jù)，從而建立替代復雜正向程序的代理模型，并利用... （共9頁）