Hierarkkinen Bayes-malli tunnelin vaurioiden ennustamiseen
Authors
Date
2021Copyright
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Ennakoiva kunnossapito säästää aikaa ja rahaa. Tässä työssä sovitetaan kallioon louhitun tunnelin vaurioaineistoon hierarkkinen Bayes-malli, jolla vaurioiden kehittymistä voi ennustaa. Ennusteiden avulla kunnossapitoa voi kohdentaa tarvealueille ennakoivasti ja ehjäksi ennustetuilla alueilla tarkastusväliä voi harventaa. Aineistona tässä työssä käytetään käytetyn ydinpolttoaineen loppusijoituslaitoksen ONKALO®n ajotunnelin vaurioita, joita on kerätty vuosina 2016--2020.
Yleisesti tunnelissa voi esiintyä useita eri vauriotyyppejä. Valittu hierarkkinen Bayes-malli huomioi spatiaalisen riippuvuuden lisäksi myös vauriotyyppien väliset riippuvuudet satunnaisvaikutusten korreloituneisuudella. Ajallinen kehitys puolestaan mallinnetaan satunnaisvaikutusten odotusarvon kautta autoregressiivisesti. Bayesiläinen lähestymistapa mallintamisessa mahdollistaa mallin sovituksen, vaikka aineistossa on puuttuvaa tietoa, kunhan tietyt edellytykset ovat voimassa.
Keywords
Metadata
Show full item recordCollections
- Pro gradu -tutkielmat [28306]
Related items
Showing items with similar title or keywords.
-
Bayesian semiparametric long memory models for discretized event data
Chakraborty, Antik; Ovaskainen, Otso; Dunson, David B. (Institute of Mathematical Statistics, 2022)We introduce a new class of semiparametric latent variable models for long memory discretized event data. The proposed methodology is motivated by a study of bird vocalizations in the Amazon rain forest; the timings of ... -
Conditional particle filters with diffuse initial distributions
Karppinen, Santeri; Vihola, Matti (Springer, 2021)Conditional particle filters (CPFs) are powerful smoothing algorithms for general nonlinear/non-Gaussian hidden Markov models. However, CPFs can be inefficient or difficult to apply with diffuse initial distributions, which ... -
Flexible data driven inventory management with interactive multiobjective lot size optimization
Heikkinen, Risto; Sipilä, Juha; Ojalehto, Vesa; Miettinen, Kaisa (Inderscience Publishers, 2023)We study data-driven decision support and formalise a path from data to decision making. We focus on lot sizing in inventory management with stochastic demand and propose an interactive multi-objective optimisation approach. ... -
bssm: Bayesian Inference of Non-linear and Non-Gaussian State Space Models in R
Helske, Jouni; Vihola, Matti (R Foundation for Statistical Computing, 2021)We present an R package bssm for Bayesian non-linear/non-Gaussian state space modelling. Unlike the existing packages, bssm allows for easy-to-use approximate inference based on Gaussian approximations such as the Laplace ... -
Vedenpinnan tason vaikutus ennallistettujen soiden kasvillisuuden kehittymiseen
Jantunen, Aapo (2024)Suomessa on ojitettu yli puolet soista maa- ja varsinkin metsätalouden käyttöön 1900-luvulla. Ojituksilla on ollut laajoja negatiivisia vaikutuksia Suomen soiden ekologiseen tilaan, jonka takia ennallistamisia on tehty ...