基于Bayes理论的Logistic增长曲线模型参数估计方法研究
Logistic增长曲线模型是一种广泛应用的近"S"型的增长曲线模型,其3个参数不能用常规的最小二乘法来求解。本文将该模型参数视为随机变量,根据贝叶斯理论结合参数的先验信息和观测数据推断参数的后验分布,然后构造基于Gibbs抽样的MCMC数值计算过程并进行工程实例分析。数据分析结果表明,与其它估计方法相比,本文所提出的Bayes方法得到的是参数的分布且估计的结果优于其它方法,在给出参数估计值的同时还给出参数估计值的置信区间,使得工程决策可以考虑预测值的可靠性,在实际工程应用中具有一定的参考价值。
Logistic增长曲线、Gibbs抽样、Bayes推断、参数估计、沉降预测
40
O141.4(数理逻辑、数学基础)
国家高技术研究发展计划(863计划)2009AA121400
2012-09-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
64-67