基于贝叶斯推理的随机模型修正方法

摘要

为了解决常规优化方法存在的梯度计算困难、病态、非唯一解等问题,采用贝叶斯方法来实现随机模型修正,同时为了加快贝叶斯方法推断修正参数的后验概率密度的速度,将高斯过程替代模型技术和基于延缓拒绝自适应的Metropolis(DRAM)算法的先进马尔科夫链蒙特卡罗(MCMC)方法用于贝叶斯推断,最后,用一斜拉人行桥实例来验证基于贝叶斯推理的随机模型修正方法。结果表明:贝叶斯方法的修正结果与实测结果吻合较好,验证了基于贝叶斯推理的随机模型修正方法的可行性。