马尔科夫模型在锥形筒谷糙分离中的应用研究

建立锥形筒谷糙分离过程的时间──转移马尔科夫模型，应用线性规划程序对马尔科夫模型进行转移概率估算，并用试验数据对模型性能进行验证．     

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响，提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法．该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计，并将估计结果用于交互式多模型算法的设计中，构造出时变马尔科夫状态转移概率的交互式多模型算法，有效地降低了人为因素对机动目标跟踪精度的影响．通过对一个机动目标的跟踪对比，说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率．     

利用马尔科夫和灰色模型预测高校师资队伍

状态转移矩阵是马尔科夫预测的关键。本文通过多元回归理论,建立多目标规划模型求解马尔科夫状态转移矩阵;借助灰色预测GM(1,1)模型来改进马尔科夫模型状态转移容易局限于内部等缺陷;将该模型运用于某高校师资队伍预测,为优化高校师资队伍结构提供一种有效的方法。     

指数平滑结合条件Markov预测模型研究——基于新疆货运量预测

建立了一个时间序列预测模型。以三次指数平滑模型为基本预测模型,并基于马尔科夫链定义了误差修正模型--条件马尔科夫链。条件马尔科夫链的特点在于将传统马尔科夫链中的一步状态转移概率矩阵变成条件一步状态转移概率矩阵,即在条件马尔科夫链的状态转移概率矩阵中,每个元素的意义为:在已知t-1时刻的状态下,t时刻的状态转向t+1时刻状态的概率:即P{(E_t→E_(t+1))/E_(t-1)}。在文章中以新疆货运量为实验对象,通过对新疆货运量这一指标用三次指数平滑模型,用三次指数平滑模型结合马尔科夫链和三次指数平滑模型结合条件马尔科夫链三个模型进行预测,结果显示,经过条件马尔科夫链修正后的预测结果误差最小,证明文中模型可以有效提高预测精度。     

基于时变状态转移隐半马尔科夫模型的寿命预测

隐半马尔科夫模型在进行系统状态估计及寿命预测时,其状态转移概率矩阵是固定值,得到的剩余寿命预测值呈阶梯状变化,与系统的实际剩余寿命值之间存在着较大的误差.针对上述问题,提出了具有时变状态转移概率矩阵的隐半马尔科夫模型,根据系统的3种典型退化状态分析,给出3种不同的状态转移系数.与初始状态转移矩阵相结合,得到随时间变化的状态转移矩阵.提高系统在当前健康状态下的剩余持续时间估计精度,最终得到更为准确的总体剩余寿命预测值.结果表明,基于时变状态转移概率矩阵的隐半马尔科夫模型相比传统的隐半马尔科夫模型,可显著提高剩余寿命预测的准确性.     

纸浆浓度噪声的马尔科夫性判断

马尔科夫性是噪声信号的重要性质,针对于纸浆浓度噪声转移概率分布密度和转移概率分布函数未知,而无法直接判断其马尔科夫性的问题.使用尤利-沃克方程建立纸浆浓度噪声AR模型,并将AR模型转化为白噪声驱动的N维状态方程,以判断纸浆浓度噪声的马尔科夫性.该方法判断出纸浆浓度噪声过程是马尔科夫过程,纸浆浓度噪声具有马尔科夫性.     

带跳和马尔科夫转换随机利率模型长时间行为

考虑利率的波动性、随机性和资产价格的不连续性，本文通过建立带泊松跳跃和马尔科夫转换的CIR模型，研究瞬时利率的长时间行为。利用遍历理论和Lyapunov函数，证明随机利率过程存在唯一的平稳分布。而且，由于参数都服从马尔科夫过程，带跳和马尔科夫转换过程中的长时间利率行为的收敛性，与马尔科夫链的转移概率和随机扰动项系数密切相关。     

基于马尔科夫过程的行驶工况构建中数据处理与分析

在利用马尔科夫过程构建行驶工况的方法中,将车辆的行驶状况看做一个随机过程,只需求得实验数据的状态转移矩阵,便可得到随机过程的统计性质,通过对实验数据进行状态划分、模型事件分类、模型事件集确定,最终可得到实验数据的转移矩阵。文章简述了马尔科夫构建行驶工况的基本原理及实验数据的处理方法和转移矩阵的求法,并利用VBA语言设计了一种数据分析处理程序。     

基于小波包变换和峰式马尔科夫链的风速短期预测

利用小波包的信号分析特性及峰式马尔科夫链的非稳态数据预测特性,提出一种新型风速短期预测方法。该方法对历史风速数据进行小波包分解,利用峰式马尔科夫链对小波包系数进行统计,分别得到小波包系数上升转移概率矩阵和下降转移概率矩阵,并由此得到下一时刻的小波包预测系数,将小波包系数进行重构可得到预测的风速。该文模型与其他模型的预测结果对比表明,该方法具有较高精度。     

基于马尔科夫优化的灰色GM (1,1) 沉降预测模型及应用

针对灰色GM(1,1)模型在对随机波动较大的沉降数据序列进行预测时存在的不足,本文结合灰色理论模型和马尔科夫链理论,建立了一种基于马尔科夫修正的新维GM(1,1)沉降预测模型。首先,考虑监测数据的时效性,通过在原始数据列中不断补充新的沉降监测数据,采用新陈代谢的方法建立了新维GM(1,1)模型;随后采用马尔科夫链理论对新维GM(1,1)模型进行优化,根据模型预测时产生的相对误差范围对其进行状态区间划分,并构建了相应的状态转移概率矩阵,得到了基于马尔科夫优化的新维GM(1,1)预测模型;将本文中的模型应用于福州火车站南广场深基坑周边建筑物地表沉降预测中,并对不同模型的预测效果进行对比分析,结果表明：基于马尔科夫优化的灰色GM(1,1)模型的预测精度较传统灰色GM(1,1)模型有明显提高,验证了本文所提出的优化模型在基坑沉降分析与预测中的合理性。     

利率期限结构波动效应协整的实证

在刻画短期利率波动具有长期回复均值和负向飘移率的非线性均值-广义自回归条件异方差(GARCH)模型中,引入马尔科夫区制转移特征,给出波动区制转移概率的计量递推公式和最大似然函数数值求解程序.对动态模型综合设计的科学性进行参数假设检验,证实非线性均值回复与马尔科夫区制转移效应的GARCH模型相比,其单独或双项组合的杠杆效应、负向信息强响应、高波动低持续等效应模型具有更强的现实数据拟合能力,可从时间序列和横截面角度,进一步揭示短期市场利率期限结构的内在波动规律.     

基于一种新型马尔科夫模型的预测蛋白质亚细胞位点的方法

亚细胞位点是蛋白质很重要的功能特征.找到一种有效的、可信度高的预测蛋白质位点的方法是很必要的.提出了一种基于马尔科夫模型的改进预测方法.首先,对于一条给定的蛋白质序列,通过计算在马尔科夫模型下20个氨基酸残基的状态转移矩阵,建立一个420维的特征向量,然后利用支持向量机进行训练和预测,最后夹克刀检验证实了该方法的预测精度与以前的马尔科夫模型相比得到了一定的提高.     

分解—排序—更新法求解马尔科夫链

论文提出了一种计算有限状态离散时间马尔科夫链平稳分布的算法，算法的核心是块划分马尔科夫链的状态转移图，对分解怕得的状态子空间进行了拓扑排序，然后根据拓扑充列计算每个状态子空间，相应地更新马尔科夫链的实始分布。本算法对求解有限状态离散时间可约马尔科夫链；尤其是当马尔科夫链有非常迟状态且可分成多个块时就非常适用。     

基于马尔科夫链的MOOC计算思维学习规模的预测

利用中国大学MOOC平台数据,统计从2012—2018年的计算思维课程修学人数,建立马尔科夫链模型。确定学习规模变化的平稳S、增长G和减少R等3个状态,设定变化概率的计算公式,明确变化概率的值与状态的对应关系,并据此确定一次转移矩阵。根据预测数据的特点,比较估算状态转移概率矩阵的多种求解方法,选择二次规划法求解状态转移概率矩阵。引入最小二乘法的思想,将各个概率非负以及行和为1的条件加入模型中。在Matlab中实现了状态转移概率矩阵的求解过程。依据状态转移概率矩阵预测MOOC计算思维课程的学生规模,进行了模型检验。结果表明,建立的马尔科夫链模型可以预测中国大学MOOC计算思维课程规模的变化趋势,对未来发展规模的预测结果进行了分析。     

基于半马尔科夫过程的虚拟网络生存性模型

针对虚拟网络生存性缺乏准确的定量描述,提出了一种基于半马尔科夫过程的虚拟网络生存性模型。根据虚拟网络运行特征,重点引入虚拟网络重构状态以及认知状态,构建一种优化的虚拟网络状态转移图,并引入半马尔科夫理论,建立虚拟网络状态转移概率方程,构建基于半马尔科夫过程的虚拟网络生存性模型,最后通过仿真实验验证了虚拟网络生存性对各参量的敏感度以及不同类型虚拟网络的生存性特点。仿真表明,降低网络部件发生故障的概率,提高虚拟网络攻击识别概率和虚拟网络重构成功概率可以显著提高虚拟网络生存性;在映射阶段进行资源备份可以显著增强军事虚拟网络生存性。     

二阶隐马尔科夫模型在基因识别中的应用

对经典隐马尔可夫模型( HMM) 的状态转移和输出观测值的假设条件进行改进,提出了一个基于二阶隐马尔科夫模型(second-order HMM: HMM2)的基因识别系统的模型, 论述了用该模型和扩展的Viterbi 算法发现基因的方法.     

灰色马尔科夫模型在我国病毒性肝炎发病率预测中的应用研究

为科学、准确的预测我国病毒性肝炎的发病趋势，利用灰色马尔科夫模型对我国2000-2016年病毒性肝炎发病率进行拟合，对2017-2019年发病率数据进行预测，并与灰色GM(1,1)预测模型比较以检验模型拟合与预测效果.结果表明，2000-2016年我国病毒性肝炎发病率的灰色马尔科夫模型拟合的平均相对误差为3.06%,灰色GM(1,1)模型拟合的平均相对误差为11.96%;2017-2019年灰色马尔科夫模型预测的平均相对误差为2.05%,灰色GM(1,1)模型预测的平均相对误差为13.47%.灰色马尔科夫模型比灰色预测模型的预测结果更准确，模型精度更优，是我国病毒性肝炎发病率预测效果较为科学、准确的预测模型.     

一种基于理想隐性马尔科夫模型的地图匹配算法

描述了一种基于理想马尔科夫模型(Hidden Markov Model,HMM)的地图匹配算法IHMM,然后提出了一种新的状态转移概率计算方式,使得这一隐形马尔科夫模型严格符合Viterbi算法的要求,最后在真实数据集上对该算法进行测试.结果显示:尽管该算法的实现较为简单,但在GPS轨迹点含有噪声及道路网络稀疏的条件下依然拥有较好的性能.     

基于马尔科夫链的短期电力负荷预测

电力负荷预测是城市电网规划的基础工作之一,是保证电力系统可靠运行的前提,而保证其正确实现的关键是数学模型的建立。本文提出一种马尔科夫链和模糊聚类相结合的预测方法,对样本所属状态采用模糊划分,使得分类更加符合实际情况;利用马尔科夫链对研究对象做状态分析,根据状态转移进行预测。应用该模型对青海省某地区的短期电力负荷进行预测,并与实际用电负荷进行对比。仿真结果表明:对于各种扰动因素,预测误差范围可控制在5%以内,结果验证了马尔科夫模型对电力负荷短期预测具有较高的精度。     

建筑用户在室行为预测新方法

准确预测建筑用户在室行为可显著提高建筑能耗模拟精度,并进一步帮助建筑设计及运行控制优化.当前进行在室行为预测时所采用的主要是基于隐马尔可夫链方法的数学模型,该模型考虑了在室行为的时间关联性,可平稳有效地预测在室行为.然而现有隐马尔科夫模型难以准确描述在室行为动态变化规律以及在室行为与可观测参数之间的关联,降低了模型预测精度.针对该问题,本文提出一种基于状态转移的时变隐马尔科夫模型.该模型采用时变状态转移概率矩阵量化不同时刻在室行为的动态变化特征及关联,同时该模型基于状态转移计算可观测参数的概率分布以定量描述在室行为对可观测参数的影响.本文采用比利时某办公室在室行为数据库进行了相关建模和验证,结果表明该模型可更有效地捕捉在室状态变化,从而提高了在室行为预测精度.