模糊马尔科夫链状预测模型及其工程应用

针对工程问题的特点结合马尔科夫链理论 ,提出了具备状态模糊划分和具有“大体无后效性”特点的模糊马尔科夫链状的预测模型。并给出了模糊马尔科夫链的初始概率和一重转移概率的计算方法的一般公式。发展了马尔科夫链预测方法 ,拓宽了其应用范围     

基于Markov链的最优化模型在长江水质预测中的应用

马尔科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.最后讨论了基于Markov链的最优化预测模型在长江水质预测中的应用,表明该模型有效、可行.     

用C语言实现马尔科夫链预测模型的构造

简要介绍了马尔科夫转移矩阵预测法的基本概念,给出了用C语言构造的马尔科夫链预测模型程序及运行方法。     

基于马尔科夫链误差修正的光伏发电预测

为了提高光伏发电预测的精度,在传统BP神经网络预测模型的基础上,利用相似日算法和马尔科夫链理论对预测模型进行改进。其方法以得到的相似日数据作为预测模型的输入量,通过BP神经网络进行训练,得到初步的预测值,然后根据马尔科夫链模型得到的误差状态转移概率矩阵对预测误差进行修正,根据修正后的误差得到新的预测值。最后通过与传统算法得到的预测结果进行误差对比分析,结果表明,改进算法的预测精度高于传统算法,验证了该模型的有效性。     

港口吞吐量的马氏链 时序分析预测

通过比较分析时间序列分析（TSA）和马尔科夫链预测方法,研究港口吞吐量科学预测的新方法.组合温州港近20多年的历史吞吐量数据,分别采用TSA和马尔科夫链进行预测.将TSA与马尔科夫链校正模型相结合,进行港口吞吐量预测.结果表明,上述复合模型较之TSA模型平均预测精度提高50%,较之单一的马尔科夫链平均预测精度提高75%.根据吞吐量实际数据的验证结果,建立马氏链-时序分析预测模型.结果表明,该模型能够同时反映吞吐量序列的增长趋势和随机波动性,更符合港口吞吐量的实际变化情况.     

一种线性插补与自适应滑动窗口价格预测模型

因为基于Web数据挖掘的商品价格预测的准确率都不高,所以为了提高价格预测的准确率,提出了一种基于线性插补与自适应滑动窗口的商品价格预测方法,给出了将线性数据插补方法与自适应滑动窗口结合的商品价格预测模型,并将该商品价格预测模型应用于手机与黄金价格的预测。实验结果表明,该预测模型获得了99％以上的预测准确率,提高了网页商品价格数据抽取的抗噪性能,解决了现有销售商只有历史销售价格数据没有基于多个销售商的预测价格问题,可以为商品的市场预测与分析提供依据。     

马尔科夫链在金融投资中的应用

以宁波港的股票价格和宁波银行的不良贷款额作为研究对象,根据不同的数据分类来建立不同的转移概率矩阵,并建立出预测模型。利用马氏链的平稳性和遍历性得到了股票价格的平稳概率分布,验证了马尔科夫链预测方法的可行性和准确性。     

MC-最优变权组合模型在建筑物变形中的应用

提出一种基于马尔科夫链(MC)误差修正的最优变权组合预测模型。该模型用马尔科夫链误差修正理论分别对GM(1,1)模型和线性回归模型的预测值作进一步的修正,充分发掘残差序列隐含信息,再建立最优变权组合预测模型,给出了MC-最优变权组合预测模型算法的实现流程。通过算例验证表明,该模型继承各单一模型的优点,并克服其模型缺陷,同时具备了马尔科夫链的误差修正特性,在一定程度上可以确保较优的局部预测数据和较好的全局预测精度,在建筑物变形预测中具有应用价值。     

基于灰色马尔科夫链的道路交通死亡率预测

道路交通事故死亡率是反映道路交通安全的重要指标,为了对其进行准确预测,将灰色系统理论与马尔科夫链结合起来,构建了灰色马尔科夫预测模型,并将该模型与GM（1,1）模型进行比较分析.结果表明,灰色马尔科夫链模型能更好地预测道路交通事故死亡率.     

加权马尔可夫链在松花江哈尔滨站径流量预测中的应用

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。介绍了加权马尔科夫链建模的方法和步骤,给出它的概率计算公式,并将模型应用于松花江哈尔滨站年径流预测分析,结果表明,预测与实际情况一致。     

改进的灰色马尔可夫模型在股票分析中的应用

针对经典马尔可夫方法进行预测需要掌握大量数据和原始的灰色GM（1，1）的指数形特征的问题，采用带波动的多项式代替灰色GM（1，1）模型中的指数形曲线，改进了现有的灰色GM（1，1）马尔呵夫模型．利用改进后的灰色马尔可夫模型对股票价格、上证综合指数进行预测，并与经典的灰色GM（1，1）模型和原始的马尔可夫链模型和灰色GM（1，1）马尔可夫链模型3种方法的预测值进行了比较，得到的股票价格与上证指数的预测值精度优于其他3种方法．     

VoiceXML语音平台中的语音资源预取算法

在分析目前主要预取算法优劣的基础上，根据VoiceXML语音平台与基于HTML的WWW之间的区别，提出在VoiceXML语音平台中应该预取其引用的语音资源，在采用基于热点预取技术的同时提出一种自适应的多用户共享的Markov模型，可以统一预测所有在线用户下一步所需的资源及其访问概率，有助于提高预测的准确率．仿真研究表明，与单用户Markov预测模型相比较，这种多用户共享的Markov预测模型能在相同带宽消耗下得到更好的命中率，减少用户请求的访问延迟，提高响应速度．     

基于灰色马尔科夫模型预测金融波动

引入灰色模型和符号时间序列分析方法,与马尔科夫模型方法相结合,提出了一种新的预测金融波动的方法。首先将波动序列符号化,然后建立灰色马尔科夫模型,不仅能减小影响预测精度的误差,而且能利用马尔科夫模型来调整误差,使结果更加精准。采用上海证券交易所综合指数2007--2010年间隔为5分钟的高频数据为样本,对已实现波动序列进行实证分析,成功预测了下一时点波动值所处的区间,并验证了该方法的可行性和有效性。     

基于Markov模型的城市土地利用预测

以某县土地利用变更统计表为数据源,建立了土地利用及其预测的Markov模型。首先应用Markov链理论,讨论了该模型的遍历性和平稳分布,得到了该县土地利用的规律。预测结果表明:该县正面临耕地保护和城镇化建设用地需求的难题,各级土地管理部门应该对城镇建设用地做出科学合理的规     

基于神经网络的马尔科夫链和遗传算法对股票价格预测研究

针对股票收益率和风险的不确定性,文章提出一种基于BP神经网络的马尔科夫链和遗传算法组合模型,该模型通过对神经网络以滚动预测法完成股票价格曲线的粗略拟合;在此基础上,借助马尔科夫链对股票价格的曲线拟合进行系统状态划分,并用遗传算法对系统状态划分进行优化,提高马尔科夫系统状态划分的合理性;最后用马尔科夫链缩小预测区间以提高预测精确度。     

有关跳批方案抽样特性的探讨

本文给出有限,不可约,非周期马氏键的 n 步转移矩阵趋近极限分布的一个估计,并且以这种思想改进了一种跳批抽样方案接收概率的计算方法,使得该方法更接近于实际。     

基于深度信念网络的端信息跳变模式自适应策略

针对端信息跳变主动防御技术中跳变策略单一的问题,将多样异构的跳变模式引入端信息跳变系统,拓展了端信息的定义,并给出跳变策略的自适应调整方案.提出一种基于深度信念网络的端信息跳变自适应模型,形式化地描述了模型中数据收集、特征提取和状态预测等过程,定义了端信息跳变网络状态特征指标,并建立了特征数据集.利用深度信念网络对数据集进行建模,利用马尔可夫链预测下一周期的网络状态,并根据预测结果选取异构的跳变模式,从而实现端信息跳变模式的自适应变化.实验结果显示,模型网络状态识别和预测具有较高的准确性,并且异构的跳变策略能够有效抵御不同的攻击类型,进而验证了端信息跳变自适应模型的有效性和安全性.     

基于马尔科夫链改进灰色神经网络的水质预测模型

根据汾河运城段的实际情况,应用改进灰色神经网络对水质进行预测.在数据处理以及关联度分析的基础上,选取关联度较高的氨氮、挥发酚、水温、BOD5及COD作为灰色神经网络的输入节点.应用灰色神经网络对水质进行预测,再用马尔科夫修正误差残值,可使修正值更加接近实测值.灰色神经网络的相对误差为68.44%～4.69%,改进灰色神经网络将相对误差为41.96%～2.23%,可见改进神经网络的预测精度更高.改进灰色神经网络模型,结合了灰色神经网络和马尔科夫的优点,提高了预测的精度,并以汾河河津大桥监测断面的水质预测为例,验证了该方法的可行性.