1) tampered random variable(TRV) model
损伤随机变量模型
2) stochastic calculating model for creep damage
蠕变损伤随机计算模型
1.
Based on the formers′ research work, a new stochastic calculating model for creep damage is put forward in this paper.
本文提出了新的蠕变损伤随机计算模型。
3) fuzzy stochastic damage incremental vector functions
模糊随机损伤增量方程
1.
Furthermore,the simulation of fuzzy stochastic damage on pit excavation application is realized by the help of viscous-plastic fuzzy stochastic damage incremental vector functions fabrication on the basis of fuzzy damping model on damage field source and sink definition.
提出了初始损伤有效张量的概念模型,在"损伤源汇"概念基础上提出了模糊衰减模型,构造了粘塑性模糊随机损伤增量方程并实现了基坑开挖过程的模糊随机损伤模拟。
4) random variable sum model
随机变量和模型
1.
We studied the random variable sum model and apply it to the survey of profit margin of drugstores.
本文研究了随机变量和模型,并将该模型应用到药店利润率调查中;在具体操作上,为节约经费与提高精度,对每个个体采集两次数据;为进一步满足被调查者对药店利润率的保密心理,对由指数分布生成的随机数,统一加上一个较大的数,以使被调查者看到的随机数远大于药店的毛利百分数。
5) double scalar damage variables
双标量损伤变量模型
6) fuzzy stochastic damage
模糊随机损伤
1.
The origin and development of fuzzy stochastic damage mechanics are introduced in order to interpret and describe damage mechanics more essentially with the analysis of harmony of damage conception,probability,fuzzy degree of membership in interval[0,1].
在分析了损伤、概率、模糊隶属度在[0,1]区间内度量协调一致性基础上,为了更深刻理解和更本质地描述与研究损伤力学提出发展模糊随机损伤力学的观念。
2.
According to the expansion theory and the β probabilistic distribution,CDF and PDF of fuzzy stochastic damage variables were adjusted.
为延拓非确定损伤理论研究以揭示损伤力学本质,基于损伤、概率、模糊隶属度在[0,1]区间上协调一致性提出模糊随机损伤力学观念。
3.
Under expansion theory,CDF and PDF of fuzzy stochastic damage variables that submit to probabilistic distribution are adjusted.
方法基于损伤、概率、模糊隶属度在[0,1]区间上协调一致性,提出了模糊随机损伤力学观念;构造解释了3类损伤变量模糊性态及对应模糊映射分布,即降半分布、"秋千"分布和组合"秋千"分布,实现了随机损伤变量模糊化自适应生成与构建;依据扩张原理及随机损伤变量满足β概率分布,对模糊集上随机损伤变量的CDF、PDF积分修正,结合当量正态理论,将三类模糊随机损伤泛函引入本构方程,完成了模糊随机有限元可靠度与模糊随机损伤同步分析。
补充资料：水文随机变量
受随机因素影响,遵循统计规律变化的水文变量。水文随机变量在未来任一时刻出现的数值无法准确预测，但能以分布函数(或等价的概率密度函数)来反映其统计规律性，也就是表示其各种数值出现的可能性。分布函数的形式，可根据资料按水文统计学的有关原理和方法予以确定。分布函数与概率密度函数则有如下关系：
式中x为随机变量；F（xp；）为分布函数; f(t;θ)为概率密度函数;为x大于或等于xp这一事件出现的概率;xp称为x的p分位数,或超过概率为p的设计值。上式常以图形的方式表示,称为频率曲线(见图)。
确定水文随机变量的分布函数及其所含的参数，是研究水文随机变量的主要目的。水文学中常用的分布函数有以下几种：皮尔逊Ⅲ型分布、对数皮尔逊Ⅲ型分布、对数正态分布、 概化极值分布、 韦克贝分布、克里茨基－门克尔分布等。在中国主要使用皮尔逊Ⅲ型分布。其概率密度函数如下：
x≥α γ0
式中α、β、γ 为待估参数;Γ(γ )为伽玛函数。三个参数α、β、γ 与随机变数 x的三个主要数字特征值（数学期望Ex、方差σ婌、偏态系数Cs）有一定的关系，可相互推求。这种情况对其他分布也是如此。不过不同的分布,参数与特征值之间的关系不同而已。在参数估计时，有的方法，如极大似然法，是先估计参数α、β、γ ，然后由有关公式可求得相应的Ex、Cv（离势系数）与Cs；有的方法，如矩法或适线法，是先估计出Ex、Cv及Cs，需要时，可由有关公式求出相应的参数值。
确定水文随机变量分布函数的形式，除用上述假设检验的方法外（见水文统计学），还使用导出分布的方法，即考虑水文变量的物理性质并做若干假定，再经推导而得。其中又可分为依据事件的模型和联合概率的模型。由于问题复杂，为便于推导而作的假定常与实际情形相差较远，故此种途径尚处于研究阶段，有时可在缺乏资料的小流域上应用。
参考书目
V.Yevjevich， Probability and Statistics in Hydrology，Water Resources Publications，FortCollins,Colorado,1972.
式中x为随机变量；F（xp；）为分布函数; f(t;θ)为概率密度函数;为x大于或等于xp这一事件出现的概率;xp称为x的p分位数,或超过概率为p的设计值。上式常以图形的方式表示,称为频率曲线(见图)。
确定水文随机变量的分布函数及其所含的参数，是研究水文随机变量的主要目的。水文学中常用的分布函数有以下几种：皮尔逊Ⅲ型分布、对数皮尔逊Ⅲ型分布、对数正态分布、 概化极值分布、 韦克贝分布、克里茨基－门克尔分布等。在中国主要使用皮尔逊Ⅲ型分布。其概率密度函数如下：
x≥α γ0
式中α、β、γ 为待估参数;Γ(γ )为伽玛函数。三个参数α、β、γ 与随机变数 x的三个主要数字特征值（数学期望Ex、方差σ婌、偏态系数Cs）有一定的关系，可相互推求。这种情况对其他分布也是如此。不过不同的分布,参数与特征值之间的关系不同而已。在参数估计时，有的方法，如极大似然法，是先估计参数α、β、γ ，然后由有关公式可求得相应的Ex、Cv（离势系数）与Cs；有的方法，如矩法或适线法，是先估计出Ex、Cv及Cs，需要时，可由有关公式求出相应的参数值。
确定水文随机变量分布函数的形式，除用上述假设检验的方法外（见水文统计学），还使用导出分布的方法，即考虑水文变量的物理性质并做若干假定，再经推导而得。其中又可分为依据事件的模型和联合概率的模型。由于问题复杂，为便于推导而作的假定常与实际情形相差较远，故此种途径尚处于研究阶段，有时可在缺乏资料的小流域上应用。
参考书目
V.Yevjevich， Probability and Statistics in Hydrology，Water Resources Publications，FortCollins,Colorado,1972.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条