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。     

血管外给药单室模型的最优控制

考虑血管外给药单室模型的脉冲最优控制问题。首先,利用脉冲微分方程和常微分方程重新改写传统的血管外给药微分方程模型,从而既突出给药这一脉冲过程,又将一次给药模型推广为周期性多次给药模型;然后,求解新建立的脉冲微分方程,进而确定每次给药后吸收部位药量和体内药量的表达式;接下来,利用一阶和二阶导数推导出每次给药后药量的变化规律和药量与给药次数之间的内在联系,并给出一个疗程内体内药量的最高值与最低值;再次,构建描述体内药量积蓄程度的目标函数,利用最优化方法,确定最佳给药次数、时间间隔和剂量,使得药物在体内的积蓄最少,对人体的伤害最小;最后,Matlab仿真结果表明该方法有效、可行。     

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。     

单室模型的最佳给药方案

药物剂量和给药间隔时间的确定是临床给药方案设计中的关键问题。给药剂量过小无药效;剂量过大容易引起药物中毒。药物动力学用房室模拟人体,把给药后药物能迅速在周身各部位达到动态平衡的整个机体视为一个房室。针对单室模型的最佳给药方案问题,首先利用常微分方程建立"静注+静滴"的联合给药数学模型,在上次滴注与下次滴注初始剂量相同且等于首剂量的条件下确定重复给药体内药量的表达式;然后构建用积分来表示药量在人体内积蓄程度的目标函数,采用最优化方法,确定给药时间间隔、首次剂量、滴注时间和每天滴注次数等参数,进而得到使体内的毒素积蓄最小、安全有效的最佳给药方案。最后仿真结果表明,该方法可行有效。     

马尔科夫链中群逆稳定性分析

令P是有限状态离散马尔科夫链的转移矩阵,群逆(I-P)#在马尔科夫链分析中有着重要应用.给出了当P的每一个元素有小的相对扰动时,(I-P)#在范数意义下的相对扰动误差界.所得的界只依赖于矩阵的阶数,而与马尔科夫链本身的性质无关.     

基于时钟触发长短期记忆的多元时序预测

在多元时间序列预测方法中，传统的模型无法敏锐地捕获时间序列短期突变信号从而导致预测趋势滞后和误差较大。本文提出了一种基于时钟触发长短期记忆(Clockwork Triggered Long Short Term Memory, CWTLSTM)网络的多元时序预测模型，通过增强对短期信息的捕获能力提高了预测精度。CWTLSTM将网络中所有的神经元进行分组，对每个分组赋予不同的激活频率，每一组神经元只在时间步长等于周期的整数倍时才被激活。根据周期是否为1将网络分为主干网络链和短期输入增强链，短期输入增强链在靠近输出位置的时间步上激活时，将输入信息的运算结果单向地传递给主干网络链，增强此时的输入权重，使模型在存储长期信息的基础上能快速响应短期突变信息带来的数据波动。在空气污染数据集和水泥篦冷机数据集上的验证结果表明，本文模型在减少预测误差与趋势判断上均有较好的表现。     

基于马尔科夫链的自适应DRX优化机制

针对目前非连续接收(DRX)机制单一的周期配置难以适应4G网络环境下多业务并发的问题,提出了一种基于马尔科夫链的自适应DRX优化机制.首先,基于数据业务间的时间相关性建立马尔科夫链模型,预测后续时刻的数据业务类型;然后,根据预测结果和物理下行控制信道(PDCCH)的监听状态来综合调整DRX周期时长.仿真结果表明,相比于固定周期的DRX机制,自适应DRX优化机制能够在不增加过多时延的条件下有效降低终端能耗,同时实现了4G网络环境下不同数据业务类型的自适应DRX参数配置.     

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。     

一种采用灰色马尔科夫组合模型的采煤机记忆截割算法

针对传统采煤机记忆截割策略需要频繁人工调整摇臂高度导致效率和精度低等不足,提出利用灰色马尔科夫组合模型的采煤机自适应记忆截割策略。当采煤机截割岩石时,首先根据截割高度先验数据,利用灰色模型得到截割高度预测数据,在此基础上,对该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灰色模型进行反馈修正,得到采煤机截割高度自适应调整值。通过模拟采煤机工作面调整高度,对2种采煤机记忆截割策略进行仿真分析。研究结果表明:传统记忆截割模型可信度为96.26%,但需要5次人工调整,而灰色马尔科夫记忆截割模型的可信度在无人干预下高达99.20%;基于灰色马尔科夫组合模型的采煤机记忆截割策略不仅具有更高的控制精度,而且大大提高了采煤机的自动化水平。     

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.     

基于马尔科夫链的滨海新区第三产业结构研究

马尔科夫链主要用于分析随机事件未来发展变化的趋势,是一种比较科学的预测方法.建立了第三产业结构的马尔科夫模型,求出了滨海新区第三产业的稳态结构分布.针对模型的结果以及与浦东新区的对比,得出了若干结论和建议.研究结果对优化滨海新区第三产业结构具有借鉴意义.     

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。     

非齐次二重马氏链的一个极限性质

马尔科夫过程是概率论的重要分支之一,而马尔科夫链的极限理论是马尔科夫过程研究的基本领域之一。本文利用分析方法研究非齐次二重马氏链的极限性质,得到关于非齐次二重马氏链的一个极限定理,并给出几个有用的推论。     

冰片对反式白藜芦醇药动学的影响研究

为了研究冰片对反式白藜芦醇(resveratrol,Res)药代动力学的影响,将雄性SD大鼠分为灌胃给药和尾静脉注射给药两大组,灌胃给药组和尾静脉注射给药组均包括反式白藜芦醇(30 mg/kg)单用组,反式白藜芦醇与低、中、高剂量冰片(50、100和200 mg/kg)合用组.大鼠给药后不同时间点Res的血药浓度用高效液相色谱法测定,并用DAS3.0软件处理计算Res药动学参数.结果表明,不管是灌胃给药,还是静脉注射给药,冰片对反式白藜芦醇大鼠体内药动学均有明显影响.尾静脉注射给药中,单用Res对照组的药-时曲线下面积AUC0~∞为(127.04±29.84)mg/(L·min),血浆药物总清除率CLz为(0.088±0.029)L/(min·kg).低、中剂量冰片对Res的药代动力学无显著影响,高剂量冰片使血浆中Res的AUC(0~∞)增大了73.6%,CLz降低了42.1%,且与对照组相比差异具有统计学意义(P0.05).表明高剂量冰片可促进Res的吸收,降低Res的体内清除.1     

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。     

两种马尔科夫链菜单预测模型建模

软件复杂度的增加,导致菜单项数的激增,从而导致菜单交互过程中视觉搜索时间的增加和认知负荷的加重.论文研究了基于绝对分部的马尔科夫链预测模型(ADMCP)和多阶叠加的马尔科夫链预测模型(SPMCP),在不同Top-N下,对下一个可能选取的菜单项进行预测的预测能力.实验结果表明,ADMCP适用于预测项数Top-N大于5时的菜单项预测,而PSMCP适用于Top-N小于等于5时的菜单项预测.     

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.     

布洛芬固体脂质纳米粒的制备及家兔体内药动学研究

采用乳化分散-超声法制备布洛芬固体脂质纳米粒(IB-SLN),对其粒径、zeta电位、包封率、载药量、体外释放等进行体外评价,并考察IB-SLN经皮给药后兔体内药动学特征.结果显示,研究制备的IB-SLN的平均粒径为(100±20)nm,zeta电位为-43.9mV,包封率为92.6%,载药量为3.33%.兔体内药动学研究显示,IB-SLN可有效促进布洛芬的经皮吸收,布洛芬固体脂质纳米粒凝胶剂经皮给药后的AUC和Cmax分别为640.86ng·h/mL和65.94 ng/mL,分别是布洛芬凝胶剂的12.6倍和4.5倍.研究结果提示,固体脂质纳米粒作为布洛芬经皮给药载体可有效促进药物的透皮吸收,并可使药物缓慢平稳释放,其应用前景广泛.     

药物高通量筛选技术的研究进展

新药发现(Drug Discovery)的传统模式是在体内或体外构造疾病模型。并根据这些模型大量筛选的结果．研究和确定药物靶点及药靶的结构，再按照药靶的结构，筛选或设计先导化合物，进而将先导化合物优化。使化合物在人体内吸收，药代动力学和毒性等方面性质更优。最终通过临床试验成为药物。这一传统模式的缺点是模型的筛选效率低、工作量大、成本高、时间长。     

马尔科夫链在教学评价中的应用

本文通过将马尔科夫过程的理论应用于教学评估,对教师的教学质量进行预测,建立预测教师教学质量的数学模型,并且利用这一模型对两个班级两次考试成绩所得数据进行相应的分析预测,通过分析结果客观的反映教师教学方法的优势与劣势,以提高教师的教学质量。马尔科夫模型是应用马尔科夫链的基本原理与方法分析事物的变化规律,它实际是在条件概率求期望值的问题,利用马尔科夫模型预测教师的教学质量有一定的应用价值,可以很好的避免因学生基本差距所造成的预测结果错误,但是,它也有着很大的局限性。