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.     

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．     

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。     

应用交互式多模型算法的设备剩余寿命预测

针对目前异常检测与剩余寿命预测联合研究中存在的问题,基于交互式多模型算法,提出了一种考虑退化模式动态转移的设备剩余寿命预测模型。首先根据模式动态转移的状态空间模型对设备进行退化建模,然后使用IMM算法对设备的隐含退化状态与退化模式后验概率进行联合估计,根据后验概率判别异常点,并采用期望最大化(Expectation Maximum,EM)算法对模型参数进行在线估计与更新,最终实现设备的实时剩余寿命预测。数值分析结果表明:该模型能够准确地检测异常点、降低剩余寿命概率分布的不确定性与提高剩余寿命的预测精度,为实现设备的视情维修提供决策依据。     

基于隐半马尔可夫模型的补偿电容维修机制优化

通过分析轨道电路信号传输机制,结合其电气化特性提出了一种增设轨面信号采集点的方式实现轨道电路补偿电容的故障定位并实现剩余寿命的估计。首先结合历史数据和仿真试验数据构建各补偿电容采集点的隐半马尔可夫模型,采用训练后的隐半马尔可夫模型对补偿电容实时运行状态进行监测;其次对轨道电路补偿电容运行数据偏移状态进行分析,通过安全偏移距离对各监测点的归一化分路电流进行安全分析,对超出安全偏移状态的补偿电容进行泄漏定位,结合监测数据与训练后的隐半马尔可夫模型估计补偿电容的剩余寿命。最后结合仿真试验数据表明增设补偿电容轨面采集点可实现补偿电容泄露定位并对其进行剩余寿命的估计,且剩余寿命估计的准确性可达90%以上,达到补偿电容维修机制优化的目的。     

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。     

基于钻孔资料的耦合马尔可夫链水平方向转移概率矩阵估计

地层变异在实际滑坡中广泛存在,其表现为不同类型岩土材料的互相嵌套或一种类型岩土体在另一种较均质岩土体中的随机分布.岩土工程实践中仍缺乏一种有效的地层变异模拟方法.为此,搜集了不同地区的钻孔资料,检验了土体状态转移的一阶马尔可夫性.提出了一种实用的基于钻孔数据的耦合马尔可夫链水平方向转移概率矩阵估计方法.利用给定的水平方向转移概率矩阵进行耦合马尔科夫链模拟以产生虚拟钻孔,通过比较给定的水平方向转移概率矩阵和利用虚拟钻孔估计的水平方向转移概率矩阵评估了所提方法的有效性.最后,利用澳大利亚珀斯市的钻孔资料进行了水平方向转移概率矩阵的估计.结果表明,土体状态转移的一阶马尔可夫性在现实中是广泛存在的;当给定的转移概率矩阵对角占优(矩阵的对角线元素大于非对角元素之和)程度较高时,估计的水平方向转移概率矩阵和给定值有较好的吻合.所提方法使耦合马尔科夫链模型能被有效地用于地层变异的模拟,为在岩土工程中考虑地层变异奠定了基础.     

基于HSMM的数控装备运行可靠性评估

数控装备是高成本的产品,仅仅依靠寿命试验获得数控装备的失效时间耗费太大,在实验数据呈现小样本的情况下研究数控装备的运行性能随时间而变化的规律,从而对数控机床进行可靠性评估是非常有重要意义的.提出采用隐半马尔科夫模型(HSMM)对数控装备运行性能特征参数进行数据挖掘,计算出描述数控装备从正常状态到失效状态变迁过程的状态转移矩阵.结合状态转移矩阵和马尔科夫预测模型对数控装备运行可靠性进行评估.最后,在一款数控铣床上验证该方法的可行性,该方法丰富了数控装备可靠性评估理论.     

一种基于 HMM 算法改进的语音识别系统

针对传统的 HMM 模型中状态持续时间不长的不足,且在计算量大的情况下,语音识别精度不高,训练时间长,训练误差较高,提出了一种基于语音状态持续时间长的 HMM 模型。 首先,令状态转移矩阵的对角线元素全为 0,去掉自转移弧,再增添以参数化的函数描述持续时间的高斯分布,再通过帧与帧相互 之间的关联程度,将每帧都计算进去;其次,通过重估公式反复计算每条弧被指定的转变概率和可见符号序列输出最原始的数值概率,直至收敛,停止运算。 最后,在 HMM 模型改进前后实验中得到更小的训练误差,下降速度更快,计算量较之前减少多,更容易达到收敛,其概率输出与它前面一个概率输出的差值与该概率 输出值的比值大于 HMM 模型设定的初始值。 与传统 HMM 模型实验比较,基于持续时间状态的 HMM 模型可以在一定程度上降低训练次数和训练时间,提高识别语音的精确度,基本完成了语音识别系统的功能。     

基于马尔科夫链的交互残差估计的跟踪波门设计方法

跟踪波门通常基于残差估计进行设计,但传统残差估计法在目标机动状态未知时的预测精度较差。针对这个问题,在分析2种现有残差估计法的适用环境基础上,提出了一种基于马尔科夫链的交互残差估计法:该方法首先分别利用现有2种估计法对下一时刻残差值进行预测,定义并计算滑窗内2种方法的预测误差,并根据预测误差的似然函数计算对应似然值;然后,基于服从已知概率的马尔科夫链的转移矩阵,采用似然值求解各方法所占权重;最后,通过加权求和得出下一时刻残差预测值。仿真实验表明,利用文中算法得出的残差预测值在目标运动状态未知的情况下精度较高,据此设计的跟踪波门性能更优。     

大系统马尔可夫模型状态转移概率矩阵的快速形成方法

提出马尔可夫模型状态转移概率矩阵的快速形成方法．定义元件状态转移率矩阵和系统状态数组,将系统状态转换为便于计算机存储与处理的数组,有效地描述了系统状态之间的转移;基于元件状态转移率矩阵和系统状态数组提出不受系统状态和元件状态数目限制快速准确计算状态转移率的方法,通过挖掘状态转移概率矩阵中非零元素的分布规律提出非零元素的快速定位方法,进而快速形成状态转移概率矩阵的稀疏存储;针对由两状态元件组成的系统,提出基于给定系统状态排序和服务状态集数纽快速定位状态转移概率矩阵中非零元素的方法．将其应用于电力系统概率安全性评估,以新英格兰10机39节点系统为例,证实了方法的有效性和实用性．     

高铁中基于改进GM(1,1)马尔可夫模型的频谱预测策略

针对现有高铁环境中沿线网络复杂且频谱利用率低的问题,将具有人工智能特性的认知基站引入高铁无线通信,并提出一种新的改进灰色GM(1,1)马尔可夫模型对频谱进行预测.与其他方法不同,分别从主用户到来时间及其持续时间两方面进行预测,建立信道的占用/空闲模型.通过新陈代谢GM(1,1)对历史序列的1步预测结果进行对比,得到最佳历史序列个数,并对最佳序列预测值利用二次加权马尔可夫模型进行校正,该校正模型分别对各步长的转移概率和各概率的转移状态进行加权,使其更加适应真实的高铁无线通信场景.通过MATLAB实验仿真,将新的改进GM(1,1)马尔可夫模型与灰色关联度模型的拟合程度和1步预测精度进行对比.结果表明,就时间序列预测而言,该模型对历史序列的拟合程度及1步预测精度更高.因此,该模型能够有效进行频谱预测,提高预测性能.     

具有马氏相依的环形n中取相邻2坏可修系统

研究环形con/2/n∶F可修系统.假定每个部件的工作时间和维修时间均为负指数分布且系统中的部件是马氏相依的,利用广义转移概率的定义和关键部件优先维修的规则,求得该系统的状态转移概率矩阵.当n已知时,获得该系统的一些重要的可靠性指标.     

有备件串联系统的可靠性分析模型

针对复杂机械系统求解可靠性指标困难的问题,提出一种有备件串联系统的可靠性分析模型.该模型中机械系统可以等效为由冷贮备系统串联而成的系统.当构成系统各部件的寿命分布和故障后修理时间分布均为指数分布时,这样的系统就可以用马尔科夫过程来描述.在部件寿命不相互独立、维修时间相互独立并且故障部件可以修复如新的情况下,建立该系统的模型.通过状态转移率矩阵,给出了系统可用度、可靠度及首次故障前平均时间等指标的计算方法.通过讨论说明该模型同样适用于不可修复的系统.     

基于结构初始不连续状态的结构全寿命评定方法

建立在材料初始不连续状态(IDS)的概念基础上,利用AFGROW软件分析了新LY12CZ试件的疲劳寿命试验数据,得到了LY12CZ材料的IDS值及其分布模型,选取四种分布对IDS尺寸值进行统计特征研究,结果表明IDS值较符合三参Weibull分布。利用IDS对结构进行全寿命评估,算例与试验结果吻合良好。     

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。     

基于Copula的海洋生态系统的稳态转换

基于藻类与食植鱼类的生态动力学模型,采用非线性动力学方法,确定了典型控制参数的分岔区域．运用Copula方法,通过历史数据得到控制参数的概率分布．以分岔区域作为不同状态,建立了系统状态转移的马尔科夫链模型运用蒙特卡罗方法计算转移概率矩阵,得到多稳态转换的平稳概率,并得到了使期望状态平稳概率最大化的控制参数值