基于模糊分类-灰色马尔可夫的陀螺仪漂移预测

针对标准灰色马尔可夫预测模型抗干扰能力差的局限性,提出了一种基于模糊理论和灰色马尔可夫模型的预测方法。将模糊理论引入预测模型中,从分类方法上对标准灰色马尔可夫模型进行改进,该算法可以有效提高灰色马尔可夫预测模型的预测精度。将这种方法用于某型导弹陀螺仪的漂移预测中,实验证明了这种方法的有效性和可行性。     

基于核和灰度的灰色马尔可夫预测模型及应用

在处理预测问题时,常有原始数据为区间数组成的随机波动性较大的区间数列的状况。为进一步提高区间灰数预测精度,提出基于核和灰度的灰色马尔可夫预测模型。该方法以区间灰数核序列为依托建立预测模型,实现区间灰数核的预测;又根据“灰度不减公理”,由灰数核为中心延伸得出区间灰数的上下界;在保持区间灰数独立完整的前提下,构建了区间灰数预测模型,在此基础上用马尔可夫预测模型修正预测结果。该模型在航空货运量的趋势预测中显示马式链修正结果较区间灰数预测数据呈低估状态。结果有助于加强市场参与者对航空货运市场的宏观认识,并为经济决策行为提供参考。     

低消耗器材的马尔可夫预测模型

应用马尔可夫链预测方法,并与蒙特卡罗仿真相结合,建立了一个低消耗器材的预测模型,它可以为年度订货提供依据.     

降水预测的模糊权马尔可夫模型及应用

中长期降水量的预测是气象科学的一个难点问题，论文首先基于降水过程存在大量不确定性、不精确性的特点，应用模糊有序聚类的方法建立降水丰桔状况的分级标准；然后针对降水量为相依随机变量的特点，采取以规范化的各阶自相关系数为权重，用加权的马尔可夫链来预测未来降水的丰桔变化状况；在此基础上，根据模糊集理论中的级别特征值，计算出具体的降水量；最后以山西省河曲水文站近50年的降水资料为实例，对该方法进行了具体的应用，收到了较为满意的结果，从而为提高中长期降水量预报的精度提供了一条值得探索的途径。     

组合预测建模中单项预测模型筛选研究

组合预测模型本身是一个对单项预测模型的信息进行选择利用的过程。分析了如何判定和检验参与组合预测的单项预测需满足何种条件,并运用了协整理论对模型进行筛选,从三方面综合地提出了筛选组合预测单项模型的方法和步骤,以期提高组合预测精度,简化计算。在初选的单项预测模型中,除选用较为常见的预测方法外,还加入了一些具有代表性的的单项预测方法,如状态空间模型、神经网络模型等。这些良好预测模型的选用,在一定程度上提高了组合预测的精度。     

外商直接投资趋势研究——基于灰色马尔可夫预测模型与时间序列模型的对比

外商直接投资是影响中国经济发展的重要因素,而未来外商直接投资的预测是其发展和决策的基础.文章在阐述外商直接投资对中国经济发展的作用以及对未来中国利用外资水平预测的必要性的基础上,选取2000-2013年度中国利用外商直接投资(FDI)的数据,通过建立灰色马尔可夫(GMM)和时间序列模型,对中国利用FDI的趋势进行预测,并对预测结果精度进行比较,以得出较优的预测模型.研究结果表明:传统灰色模型合格,但仍有可提升的空间;在此基础上,建立GMM预测模型对结果进行修正,所得模型的灰色关联度有很大提升,且与真实值差距进一步缩小;建立时间序列模型,并据此对数据进行预测;比较GMM与时间序列模型预测结果的精度,可知,GMM的预测精度较高,拟合效果较好.为验证这一结果的可信度,文章选取1990-2013年度北京市和重庆市FDI水平的数据,建立GMM和时间序列预测模型,再次发现GMM预测效果优于时间序列模型的预测效果.基于此,GMM对中国利用外资水平的预测结果较为可信,预测结果对完善中国直接利用外商投资的机制具有一定参考价值.     

基于有序样品聚类的集对权马尔可夫链年降水量预测模型

本文尝试将有序样品聚类、集对分析和马尔可夫链三种方法相结合,对传统的加权马尔可夫链预测方法进行了多方面改进,建立了基于有序样品聚类的集对权马尔可夫链年降水量预测模型,并将其应用于吉林省白城地区白城站2008-2010年年降水量的预测.将预测结果与实测值进行对比分析,可以发现:与传统方法相比,改进方法可以使降水量等级区间的划分更加合理,并增加了预测概率的集中程度,有效提高了预测精度.实测值均位于预测区间内,表明该方法具有较高实际应用价值.作为降水量预测模型的改进尝试,其预测效果令人满意.     

基于HMM的移动预测模型与仿真

提出了一种基于隐马尔柯夫模型的移动预测模型,并给出增强模型预测能力和提高预测精度的方法。该模型用于预测移动IP网络中移动节点的运动方向和将要连接的接入路由器,为避免或减小由于移动造成的通信中断和时延赢得准备时间。仿真结果说明,模型的预测准确率较高,在适当选择状态数的条件下,模型对移动的随机性具有较好的适应能力。     

无偏灰色预测模型递推解法及其优化

针对传统灰建模由差分方程向微分方程跳跃而导致误差的问题,提出了无偏灰色预测模型的 递推解法,给出了不同初始条件下无偏灰色模型递推预测公式.在此基础上,进一步研究了在两 种准则下初始条件的优化问题,结果表明,同一准则下两种优化模型的模拟预测值相等,且都能 获得较高的模拟、预测精度.最后以实例验证了该方法的有效性与实用性.     

基于“回归+马尔可夫”组合模型的民用航空事故症候数预测

民航事故症候数预测对于民航安全具有重要的意义。准确的预测民航事故症候数的发展趋势可以指导采取合适的事故预防措施,从而尽可能地减少民航事故数。本文在回归模型的基础上,发展了“回归+马尔可夫”组合模型来进行民用航空事故症候数的预测。其中回归模型用于发展趋势项的预测,马尔可夫模型用于随机干扰项的预测。通过中国民航局以及国家统计局发布的2006～2020年的历史统计数据,计算了回归模型、GM(1,1)灰色模型和“回归+马尔可夫”组合模型的拟合及测试误差。结果表明,“回归+马尔可夫”组合模型的拟合精度以及测试精度相比单一模型均得到了有效提高。     

航空集群协同搜索马尔可夫运动目标方法

针对航空集群执行未知区域的协同搜索任务,提出一种分布式模型预测控制(distributed model predictive control,DMPC)下的贪婪迭代决策方法。该方法首先建立航空集群飞行器的运动模型,对其运动特性进行分析,而后采用搜索信息图模型,描述未知环境下动态目标随搜索过程变化的变化趋势；再用马尔可夫链表征目标隐潜运动,对其进行预测；最后在DMPC的基础上,采用随机决策序列下的贪婪迭代算法进行问题求解。并对所提方法的稳定性和收敛性进行分析。同时通过设计仿真实验,验证了该方法的可行性和优越性。     

中长期预测模型的GMDH三水平算法

本文给出三水平算法的操作方法,指出算法进行中,长期预测成功的优势。     

上证综指马尔可夫转换模型的MCMC估计和分析

引入结构突变,对上证综指马尔可夫转换-ARCH模型通过马尔可夫蒙特卡罗方法(MCMC方法)进行估计。在30000次参数模拟之后,本文得到稳健、可靠的结果,似然比检验显示本文模型好于几乎所有GARCH族模型。本文结论:(1)相对于世界主要股市,中国股市各波动状态的持续时间短、波动幅度大;(2)不像其他股市,中国股市的波动不能反应国内外的政治经济状况的变化;(3)中国股市中等波动状态的收益率显著大于0。这些结论提供了一个认识中国股市波动性的全新视角,还揭示了一种基于模型的实用数量投资方法,最后本文提出了完善中国股市的相关建议。     

基于聚簇隐马尔可夫模型的文本信息抽取

应用隐马尔可夫模型是文本信息抽取的一种重要方法。对于网上不同来源的文本,由于其格式很不相同,进行混合训练,一般难以得到较优化的模型。将聚簇应用到文本信息抽取中,首先通过一种改进的k-平均方法对训练文本的Markov链模型进行聚簇,然后训练各簇的隐马尔可夫模型,提出了一种基于聚簇隐马尔可夫模型的文本信息抽取算法(C-HMM)。对700篇网上不同来源的文本进行信息抽取仿真实验,结果表明,新的算法能有效地提高抽取性能。     

基于基因算法的隐马尔可夫模型参数估计

隐马尔可夫模型 (hiddenMarkovmodel)是一种统计模型 ,被广泛地应用于信号处理和模式识别中。隐马尔可夫模型是一种双随机过程 ,在实际应用中 ,对隐马尔可夫模型的训练 (参数估计 )是一个非常重要的问题 ,训练方法的优劣将对整个应用效果产生重要的影响。传统的模型训练方法存在容易陷入局部最优以及对训练样本依赖性较大等弱点。为了进一步提高模型训练的有效性 ,提出了一种基于基因算法的模型训练方法 ,与已有的方法相比 ,解决了对初始值敏感的问题 ,并且具有更高的稳定性和准确性 ,因此是一种很有实用价值的新方法。     

基于隐马尔可夫模型的动态规划检测前跟踪算法

传统的动态规划检测前跟踪(dynamic programming track-before-detect, DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。     

灰色--时序线性组合预测模型的研究

对于趋势随机型数据序列的预测问题,文章在GM(1,1)模型和基于均生函数的EOF模型的基础上,提出了线性组合预测方法,并将此方法用于预测分析福建省农林牧渔业总产值指数,结果表明,该方法具有拟合效果好,预测精度高的特点.表1,参6.     

BIT分析的三态马尔可夫模型

BIT虚警率高阻碍了BIT效能的充分发挥和更广泛、更深入的应用,如何在故障检测率一定的条件下,降低虚警率将成为一个亟待解决的问题。通过将系统状态划分为正常、间歇和故障三种状态,建立了三态马尔可夫模型。分析了三态模型的合理性、与两态(正常状态、故障状态)模型的关系,并对两者进行了对比。理论分析表明,基于三态模型的BIT与基于两态模型的BIT系统相比,其能力与性能得到了提高,在提高故障检测率的同时,还可以降低虚警率。     

权马尔可夫链在河流丰枯状况预测中的应用

针对河川径流量为相依随机变量的特点,提出了以规范化的各阶自相关系数为权, 用加权的马尔可夫链来预测河流未来丰枯状况的方法, 并通过实例对该方法进行了具体的应用