马尔可夫链在爆破网路分析中的应用

将爆破网路中常见的一些典型形式化归成马尔可夫链的模型,给出了这些马尔可夫链的转移概率矩阵,并将跨越式网路化归成一种“推广的马尔可夫链”,对这种推广的马尔可夫链的任意ｍ步转移概率和ｍ步全转移概率提出了简炼的矩阵算法。     

城市年用水量的马尔可夫过程仿真预测

城市年用水量是一个齐次马尔可夫链.根据某城市统计年鉴中近20 a的用水量,建立一步转移概率矩阵,通过马尔可夫链的计算机仿真,预测了今后5 a的用水量.同时,对仿真结果进行了精度估计.     

基于Markov链的最优化预测模型及其应用研究

马尔可夫预测方法在预测领域有着广泛的应用.该方法应用的一个重要的问题就是如何估计一步状态转移概率矩阵.在历史资料没有给出系统处于n个状态次数的情况下,给出一步状态转移概率矩阵估计的最优化方法.最后探讨了基于M arkov链的最优化预测模型在长江水质预测中的应用,从而表明该模型的有效性.     

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.     

城市年用水量的马尔可夫过程仿真预测

城市年用水量是一个齐次马尔可夫链。根据某城市统计年鉴中近20a的用水量,建立一步转移概率矩阵,通过马尔可夫链的计算机仿真,预测了今后5a的用水量。同时,对仿真结果进行了精度估计。     

上证综指Markov预测模型合理性卡方检验方法

在建立上证综合指数Markov预测模型过程中,连续型指数需转换为较少状态的离散时间序列。只有选择恰当离散化方法,才能保证所得离散时间序列满足马尔科夫性。借助同分布卡方检验方法,可检验给定两个出发状态的转移概率分布之间是否存在差异。若同一转移概率矩阵不同行的分布差异较大,表明两个出发状态确有差异,即这两行对应的状态划分合理。而不同历史时期转移概率矩阵同一行的比较,可作为检验马尔科夫链非齐次性的一种方法。     

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。     

随机进程代数IMCs的性能评价

将马尔可夫路径概率计算方法推广到随机进程代数:交互式马尔科夫链(IMCs)模型上.由于IMCs中存在动作转移和概率转移,两种不同性质的转移破坏了系统的稳定性,因此在IMCs的性能刻画中,去掉系统的稳态性刻画,给出动作和概率转移共存的IMCs模型的路径定义和基于概率转移率的路径转移发生的概率计算方法,解决了Until算子的描述.使用基于动作的逻辑aCSL给出IMCs的性能评价.证明该方法的正确性,它是纯马尔可夫链模型中性能评价方法的扩展.     

HDNN-MC模型在特高拱坝变形预测中的应用

递阶对角神经网络(HDNN)采用动态BP学习算法,可以逼近任意非线性函数且具有收敛速度快、预报精度高的特点,因此本文将其引入到大坝安全监测领域,以水压、温度和时效为输入量,坝体位移为输出量,在此基础上运用马尔科夫链(MC)模型对预测数据进行残差计算和状态划分,确定马尔科夫链状态概率矩阵,通过马尔科夫链状态概率矩阵对HDNN模型进行反馈修正,从而提高精度。基于此建立了HDNN-MC模型并应用于某特高拱坝的变形预测。结果表明,HDNN-MC综合模型相对于单一模型,预测精度得到显著提高,能更高效准确地预测大坝变形。     

基于隐马尔可夫模型的单音及和弦钢琴指法自动标注（英文）

提出了一种基于隐马尔可夫模型的用于双手的钢琴指法标注方法.在隐马尔可夫模型中,指法的形式是隐藏状态,乐谱的音符是输出状态.方法主要包含两个步骤:确定隐马尔可夫模型的转移概率矩阵和输出概率矩阵,以及使用维特比算法寻找对应于音符序列的概率最大的指法序列.所提方法中的隐马尔可夫模型可以同时处理单音以及和弦.同时方法的有效性也通过真实的钢琴乐谱得到了验证.     

一类具有执行器故障的马尔科夫跳跃系统容错控制

研究一类转移概率部分已知马尔科夫跳跃线性系统的自适应容错控制问题.所考虑的转移概率情况更具一般性,即转移概率包括完全已知,未知但已知转移概率的上下界和完全未知三种情况.针对执行器失效故障,首先设计自适应故障估计器;而后,基于故障参数的估计值设计鲁棒补偿控制器,保证系统在发生执行器故障时的鲁棒稳定性.在处理未知转移概率时,采用自由权重的方法,以保证所得线性矩阵不等式条件具有更小的保守性.最后,数值仿真算例验证了所提方法的有效性.     

基于DRJMCMC方法处理多元正态混合模型

运用带延迟拒绝的可逆跳马尔科夫链蒙特卡洛方法(DRJMCMC)来研究多元混合模型的参数估计和模型选择问题.在混合元的分裂和合并过程中,依然遵照转移前后模型的一阶和二阶矩不变的原则,同时引进随机产生的正交阵解决协方差矩阵不同的问题.还给出DRJMCMC算法在多元正态混合模型中的接受概率的具体表达式.最后给出了一些模拟数据的结果来验证这个算法的可行性及优良性.     

基于灰色马尔可夫链的农民平均收入实证研究

将灰色理论和离散状态的马尔可夫链相结合,用灰色马尔可夫链对农村居民人均纯收入进行实证研究.针对灰色数据系列首先用GM(1,1)模型进行趋势预测,然后利用马尔可夫状态转移概率矩阵预报方法对其预测值进行二次拟合,得到马尔可夫链预测精度明显高于GM(1,1)模型预测.     

一类马尔可夫链M矩阵的性质

在一步转移概率矩阵典型化的基础上,给出马尔可夫链M矩阵的定义并证明它的一些性质。最后,以例说明M矩阵的性质的应用。     

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。     

基于隐马尔可夫模型与并行模型组合的特征补偿算法

提出了一种基于隐马尔可夫模型和并行模型组合的特征补偿算法.首先,利用一个包含较多状态的隐马尔可夫模型来描述全部单词特征向量的分布.然后,根据静音段估计的噪声均值和方差,采用并行模型组合方法调整隐马尔可夫模型的均值向量和协方差矩阵,使之与识别环境相匹配.最后,根据基于状态转移矩阵压缩的前向后向算法计算隐马尔可夫模型的后验概率,并通过最小均方误差准则估计纯净语音特征向量.实验结果表明,该算法能够更加准确地估计纯净语音特征向量,其性能明显优于基于高斯混合模型的特征补偿算法;状态转移矩阵压缩算法可以在不影响补偿精度的前提下,显著减少前向后向算法的计算量.     

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。     

基于马尔可夫链嵌入法的两阶段Start-Up验证试验模型

为了给出两阶段start-up验证试验模型相关指标的解析表达式,构造了符合两阶段start-up验证试验模型状态转移规律的马尔可夫链.应用马尔可夫链相关理论给出了试验次数的期望、方差、分布律、分布函数,以及接受和拒绝产品的概率矩阵表达式.数值示例表明,对于各种参数的两阶段start-up验证试验模型相关指标求解问题,有限马尔可夫链嵌入法比概率生成函数法更加有效.     

灰色马尔可夫链模型的改进及其应用

将灰色模型与马尔可夫链方法相结合,建立了灰色马尔可夫链预测模型,并对该模型进行了改进.采用滑动转移概率矩阵,并依据广西合面狮水库10 a的年最大洪水流量预测以后2 a的年最大洪水流量范围.结果表明,采用改进的灰色马尔可夫链模型,可比较准确地预测随机波动性较大的水文数据序列的范围.     

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.