模型拟合优度，模型比较和模型参数估计的指标是科学中统计问题的主要类别。 解决这些问题的贝叶斯和频频方法经常依赖于似然函数，似然函数是评估给定观测数据的模型参数的合理性的关键因素。 在某些复杂的系统或实验设置中，无法通过分析来预测模型的结果，因此使用了蒙特卡洛技术。 在本文中，我们提出了一种新的分析可能性，其中考虑了蒙特卡洛不确定性，适用于大小样本限制。 与可用的方法相比，我们的公式比半分析的方法性能更好，可以防止对有偏见的陈述提出强烈要求，并提供更好的覆盖范围。

由于受到角度、距离等因素影响,同种地物反射的激光强度数据存在较大的偏差,需要建立校正模型使强度数据能准确反映地物信息,并快速提取。从激光雷达测距方程出发,设计校正实验,运用多项式模型拟合强度数据校正方程,通过定义其标准值,改正距离和高度影响下的反射强度。采用阈值法和随机森林法进行立木枝叶分离。利用二次多项式对七类材质分别进行校正,校正后各材质强度数据级差均小于0.1,不受距离、高度影响,可以区分主干和叶片;活立木强度数据经过校正可以得到枝叶分离的阈值;随机森林法的最终分类效果较好,两树种叶模型校

针对暂态稳定评估问题的特点，在改进极限梯度提升(XGBoost)算法的基础上进行暂态稳定评估。根据电网物理特点，定义能够反映电力系统稳态运行状态的特征集；研究XGBoost算法用于暂态稳定评估的过程：针对暂态稳定预测中2类错误严重程度不同的特点，定义包含注意力系数的对数损失函数，使得模型对不稳定样本的误预测情况减少；使用Logistic函数将模型输出概率化，用于衡量XGBoost模型输出的可靠程度，预防部分误预测；给出针对任意系统随机产生样本集的方法。IEEE 39节点系统仿真结果表明，XGBo