摘要：Copula函数可将多维随机变量的边缘分布和相关性结构分开表达,在计及相关性的电网风险分析中日益得到重视。在二维相关性建模上Copula函数精度较好,而高维情况则面临模型参数估计的复杂性和准确性问题。据此,该文提出非参数R藤Copula模型,基于高维模型分解思路将高维Copula函数分解成多个二维Copula函数的乘积,并基于数据驱动方式实现二维Copula函数的非参数估计,此外为避免非参数估计中随机变量分布范围超出实际可行域的问题,进一步提出概率空间变换的思路。该文方法可实现高维随机变量相关性模型的灵活准确构建,最后,通过相关算例分析验证方法的正确性和有效性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社