[發明專利]一種小樣本完好性風險評估方法

在審

• 申請號: 202110669462.2
• 申請日: 2021-06-17
• 公開（公告）號: CN113298424A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 李亮;李瑞杰;王柳淇;趙琳
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種小樣本完好性風險評估方法，其特征在于，包括以下步驟：

步驟1：采集獨立序列樣本，建立小樣本數據集；

步驟2：選用廣義Pareto分布模型，估計小樣本數據集模型參數；

步驟3：利用Kolmogorov-Smirnov檢驗方法測試模型擬合優度，得到通過K-S檢驗的廣義Pareto分布模型；

步驟4：利用步驟3得到的通過K-S檢驗的廣義Pareto分布模型，評估小樣本數據集的完好性風險；

步驟5：分析極值理論與完好性風險的數值關系，搜索參數估計誤差補償值，提高評估保守性。

2.根據權利要求1所述的一種小樣本完好性風險評估方法，其特征在于：步驟2所述選用廣義Pareto分布模型，估計小樣本數據集模型參數具體為：

所述模型滿足：

其中，μ為選取的閾值參數，σ和γ分布代表尺度參數和形狀參數，γ為非負值，μ＝sort(Sample)_[N×0.99]，sort表示對樣本Sample進行從小到大排序，N為樣本個數，下標[N×0.99]表示選取位于序列99％處樣本值；

然后利用極大似然法MLE估計模型的尺度參數和形狀參數；

獲取閾值參數μ、尺度參數σ以及形狀參數γ后，模型分布表達式滿足：

其中，F(x)為樣本總體分布函數。

3.根據權利要求1或2所述的一種小樣本完好性風險評估方法，其特征在于：步驟3所述利用Kolmogorov-Smirnov檢驗方法測試模型擬合優度具體為：

K-S的檢測統計量定義為：

T＝sup|F(x)-F_ECDF(x)|

其中，F_ECDF(x)為樣本的經驗累積分布函數；根據K-S檢驗理論，當n＞35，檢驗門限為：

其中，K為特定常值，N為樣本量，當K-S檢測統計量大于檢驗門限TD，模型無法準確描述小樣本集數據數理特性，完好性風險評估結果失效，則返回步驟1，直至檢測統計量小于檢驗門限。

4.根據權利要求1或2所述的一種小樣本完好性風險評估方法，其特征在于：步驟4所述利用步驟3得到的通過K-S檢驗的廣義Pareto分布模型，評估小樣本數據集的完好性風險具體為：

完好性風險計算方式如下：

P_IR＝F(∞)-F(1)＝1-F(1-μ)[1-F_ECDF(μ)]+F_ECDF(μ)

其中，P_IR表示完好性風險概率值。

5.根據權利要求1或2所述的一種小樣本完好性風險評估方法，其特征在于：步驟5所述分析極值理論與完好性風險的數值關系，搜索參數估計誤差補償值，提高評估保守性具體為：

引入雙重約束：(1)廣義極值分布必須完全包絡樣本數據；(2)保守性提升引入的完好性風險誤差最小，以完好性風險誤差滿足所述雙重約束為條件，搜尋參數補償值：

利用：

搜索得到滿足雙重約束的參數補償值，對GPD分布參數進行修正補償，提高完好性風險評估的保守性。