讲座题目：Adaptive Heterogeneity Learning in Nonlinear Wiener Degradation Models via Dirichlet Process Mixtures
主讲人：徐安察 教授
主持人：汤银才 教授
开始时间：2026.3.25 10:00
讲座地址：普陀校区理科大楼A1714室
主办单位：统计学院
报告人简介：
徐安察，浙江工商大学统计学教授，博士生导师。长期从事系统可靠性与管理相关领域的研究，迄今以第一作者或通讯作者在Naval Research Logistics、Scandinavian Journal of Statistics、Journal of Quality Technology、European Journal of Operational Research、IEEE Transactions on Reliability、IISE Transactions等期刊上发表SCI论文60余篇，其中ESI高被引论文6篇。已主持国家自然科学基金以及省部级项目十余项。获浙江省自然科学奖、福建省自然科学奖、第一届全国统计科学技术进步奖等。入选浙江省高校“院士专家结对培养青年英才计划”、浙江省高层次人才特殊支持计划青年人才。目前担任中国运筹学会可靠性分会副理事长、统计期刊《Statistical Theory and Related Fields》Associate Editor。
报告内容：
基于退化过程的可靠性分析严重依赖于随机效应来捕捉单元间的异质性。然而，标准方法对这些潜在变量施加了参数化形式，当真实总体呈现多峰性或偏态时，会带来显著的模型误设风险。我们提出了一种针对广义非线性维纳过程的稳健半参数贝叶斯框架，其中基于漂移的随机效应服从狄利克雷过程混合模型，使数据能够自适应地确定总体结构的复杂度。我们推导了首次通过时间分布的解析近似，保留了可靠性函数和平均失效时间的闭式表达式。后验推断通过一种高效的混合块吉布斯采样器与切片采样相结合的方式执行。广泛的模拟表明，即使在严重的分布误设下，该方法也能一致地恢复真实的潜在密度并产生准确的寿命预测。两个真实数据集展示了该框架揭示潜在子总体和收紧预测区间的能力。
