关于树指标m重非齐次马氏链的若干强偏差定理

强极限定理是概率论中的重要问题之一.强偏差定理是用不等式表示的一类强极限定理.本文通过构造非齐次树上的非负鞅,给出了关于树指标m重非齐次马尔科夫链的若干强偏差定理.

利用时变经验模态分解的主干道短时交通量预测

为描述短时交通量数据中隐藏的非线性与非平稳特性,提高短时交通量的预测精度,进而更好地构建智能交通平台,提出了一种基于时变滤波经验模态分解(TVF-EMD)与最小二乘支持向量机(LSSVM)的混合预测模型,即TVF-EMD-LSSVM模型。其中:TVF-EMD方法主要用来降低数据中暗含的非平稳性对预测结果影响;LSSVM模型是为了描摹数据中包含的非线性信息演化趋势。研究结果表明:相比经验模态分解(EMD)方法而言,TVF-EMD方法的分解结果更加适合交通流预测;该分解技术与LSSVM模型的结合可提供更好的预测结果,相比LSSVM模型而言,其平均绝对误差、平均相对百分比误差、均方根误差和均方根相对误差分别降低了9.186、18.947%、13.591、0.316%,且均等系数提高了0.0821。

树指标m重非齐次马氏链的一个强偏差定理

本文利用Doob鞅收敛定理研究给出了树指标m重非齐次马氏链的一个强偏差定理.