用于大规模物理系统检测的贝叶斯线性方差结构学习
统计方法学
2013-02-26 v1
摘要
大规模物理系统的检测数据建模对其完整性评估至关重要。我们提出了一种通用方法，用于从空间分布的时间序列中推断系统状态和相关的模型方差结构，这些时间序列通常较短、不规则、不完整且不可直接观测。贝叶斯线性分析简化了参数估计，并避免了通常不现实的分布假设。二阶可交换性判断有助于稀疏检测时间序列的方差学习。该模型应用于全尺寸海上平台腐蚀管道网络的最小壁厚检测数据，并且与忽略方差学习的等效模型相比，给出了显著不同的剩余寿命预测。
引用
@article{arxiv.1302.5714,
title = {Bayes linear variance structure learning for inspection of large scale physical systems},
author = {David Randell and Michael Goldstein and Philip Jonathan},
journal= {arXiv preprint arXiv:1302.5714},
year = {2013}
}