发表机构
Yachiyo Engineering Co., Ltd.（八千代工程有限公司）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
针对马尔可夫劣化风险模型对协变量缩放敏感的问题，本文系统比较四种缩放变换，在桥梁检测数据上通过L-BFGS-B估计EHM模型，并基于收敛感知的Pareto选择提出最优缩放方案。
AI 中文摘要
基础设施资产管理中马尔可夫劣化风险模型的最大似然估计对解释性协变量的数值条件敏感，然而生产流程往往采用单一的缩放约定而缺乏系统论证。我们研究了四种协变量缩放变换——基线最大缩放、最小-最大缩放、z-score缩放以及带有训练派生正移位的Box-Cox变换——应用于通过L-BFGS-B在桥梁检测转移数据上估计的指数风险马尔可夫（EHM）模型。
英文摘要
Maximum likelihood estimation of Markov deterioration hazard models for infrastructure asset management is sensitive to the numerical conditioning of explanatory covariates, yet production pipelines often adopt a single scaling convention without systematic justification. We study four covariate scaling transformations---baseline max scaling, min-max scaling, z-score scaling, and Box-Cox transformation with a training-derived positivity shift---applied to an Exponential Hazard Markov (EHM) model estimated via L-BFGS-B on bridge inspection transition data.
Comments19 pages, 2 figures, 5 tables
