多状态Markov模型在阿尔茨海默病自然史中的应用

目的将多状态Markov模型应用于阿尔茨海默病(Alzheimer's disease,AD)自然史研究,为慢性病自然史研究提供方法学借鉴。方法基于美国公共数据库ADNI,构建正常认知(normal cognition,NC)-轻度认知障碍(mild cognitive impairment,MCI)-AD多状态Markov模型,估计不同状态间的转移强度、转移概率、影响因素和各状态的逗留时间,绘制生存曲线,并进行模型拟合优度评价。结果性别、年龄、FAQ、MMSE、CDRSB、ADAS13、TMT-B-Time是AD自然史中重要的影响因素;NC与MCI状态的平均逗留时间分别为7.502年,11.621年。多状态Markov模型拟合结果较好。结论多状态Markov模型在AD等多状态慢性病转归研究中具有很好的应用价值。

LMSC的六状态Markov模型的平均BER的理论分析与仿真

理论上分析了陆地移动卫星信道(LMSC,Land-Mobile Satellite Channel)在采用六状态马尔科夫(Markov)模型情况下的平均BER(Bit Error Rate,误码率),并分别得到了没有采用分集和采用L分支的MRC分集(Maximal Ratio Combining,最大比合并)情况下平均BER的闭环表达式.在不同环境条件下,并考虑采用分集接收和不采用分集接收时,对BPSK(Binary Phase-Shift Keying,二进制相移键控)调制下的六状态和两状态的平均BER进行仿真比较.通过仿真验证了六状态Markov模型的有效性.

多状态Markov模型在慢性肾脏病分级预后研究中的应用

目的:探讨慢性肾脏病(CKD)患者的CKD各期进展情况,构建初步的分级预后多状态Markov模型。方法:对272例CKD随访病例进行回顾性研究,建立包含CKD1期、CKD2期、CKD3期、CKD4期、CKD5期、死亡/终末期肾病期6个状态的Markov模型,探讨患者的分级预后。结果:平均观察年限2.0年。CKD1-2期转移的概率为9.2%/年,CKD2-3期转移的概率为10.9%/年,CKD3-4期转移的概率为13.2%/年,CKD4-5期转移的概率为16.1%/年,CKD5期-死亡/终末期肾病转移的概率为47.1%/年。以多状态Markov模型预期本队列今后50年处于CKD1期的平均时间为11.1年,处于CKD2期的平均时间为7.8年,处于CKD3期的平均时间为5.4年,处于CKD4期的平均时间为2.5年,处于CKD5期的平均时间为1.0年,预期平均寿命或肾存活期为27.8年。结论:应根据CKD不同分期的预后及其影响因素评估患者病情和指导临床治疗。

基于隐Markov模型的重型数控机床健康状态评估

为了辅助重型数控机床的综合健康状态评估,从性能劣化角度出发,建立基于多性能参数多观测序列的隐Markov健康状态评估模型,改进了以往基于单性能参数的隐Markov模型不能准确描述机床健康状态的问题。针对隐Markov模型的参数初始化难题,通过K-means方法进行参数聚类分析,使初始化参数趋向于全局最优解;由于单性能参数不能完全描述机床状态的隐含信息,提出一种基于多性能参数多观测序列值的隐Markov模型训练算法。通过某重型数控机床滚珠丝杠的健康状态评估实例,获取了滚珠丝杠的健康状态变化趋势,验证了方法的可行性和有效性。

多状态Markov模型及其在慢性病流行病学研究中的应用

目的 促进多状态Markov模型在慢性病流行病学研究中的推广应用。方法 应用多状态Markov模型研究2型糖尿病不同发展阶段的影响因素。结果 应用多状态Markov模型分析具体案例取得了较为满意的效果。结论 多状态Markov模型是探讨慢性病不同发展阶段影响因素的一种有效工具 ,在慢性病流行病学研究中具有广阔的应用前景。

分层隐Markov模型在设备状态识别中的应用研究

与传统的隐Markov模型(HMM)相比较而言,应用分层隐Markov模型(HHMM)对设备进行状态识别有诸多优点,而且能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络这一新的方法,由于该方法可以有效地降低模型的计算复杂度并缩短推理时间,所以将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法;以齿轮箱全寿命实验为依据,对该模型实现状态识别的基本框架和计算过程进行了研究,研究结果为复杂设备的状态识别提供了新的思路。

Markov状态转移模型在慢性患者平均寿命预测中的应用

目的 探讨Markov状态转移模型在慢性病平均寿命预测中的应用。方法 建立三状态的Markov模型 ,采用队列分析方法计算慢性鼻衄患者的平均寿命。结果 通过专家假定的状态转移概率预测目前处于疾病状态的一个固定队列的人群今后 5 0年处于疾病状态的平均时间是 7 75 6年 ,处于健康状态的平均时间是 8 13 5年 ,总的平均寿命为15 891年。结论 Markov状态转移模型不仅可以预测慢性病平均寿命 ,还可预测患者处在疾病或健康不同状态的平均时间。

卫星移动信道的统计模型仿真与Markov的两状态模型

仿真了卫星移动信道中的几种常见的统计模型,并将理论结果同仿真结果进行了比较,显示出较好的吻合性,同时基于这几种统计模型的机理,给出了Markov的两状态模型,证明了阴影过程可建模为Markov的两状态模型。

多状态Markov模型用于评价慢性阻塞性肺疾病辨证论治疗效应用探讨

目的:探讨多状态Markov模型在慢性阻塞性肺疾病(COPD)疗效评价中的应用。方法:根据COPD的疗效评价现状,需在评价手段、评价指标两个方面寻求突破和发展的思路,阐述了以多状态Markov模型、圣乔治呼吸问卷作为评价手段、评价指标的辨证论治疗效评价的应用构想及应用步骤。结果:基于多状态Markov模型的辨证论治疗效评价不仅可观察干预措施的近、远期疗效及病人的综合健康状态,并可模拟疾病的动态变化。结论:基于多状态Markov模型的辨证论治疗效评价可望成为切合中医临床疗效评价要求的新模式。

基于三状态Markov模型的欧盟碳排放交易市场的状态转换结构研究

采用EUA现货与期货价格、CER期货价格日数据,结合AR-GARCH与Markov机制转换模型,研究碳排放市场的波动聚集与结构转换特征。结果发现:(1)市场存在尖峰厚尾与波动聚集,且存在较大的尾部风险;(2)市场呈现明显的状态转换结构特征,其中EUA现货与期货市场的结构变化较大且在较长时期内处于下跌状态;(3)市场在上涨、盘整和下跌状态下的期望持续期均大约为5天。此外,从盘整状态和下跌状态到上涨状态的转换概率比较小,市场将会在较长时间内处于某一状态下。

小波包隐Markov模型刀具状态识别研究

针对切削过程中振动信号的特点,利用小波包得到信号能量分布,借助于隐Markov模型(HMM),并以信号的能量分布为特征进行分类,得到一种基于小波包和HMM的切削过程监测新方法.利用实测的钻削振动信号,对该方法进行验证.结果表明该方法能够较有效地识别切削过程刀具的工作状态.

基于最优状态和分支序列的连续隐Markov模型参数估计(英文)

提出了一种连续隐Markov模型参数估计算法,并利用全局收敛定理严格证明了算法的收敛性.该算法用Viterbi算法取代分段K平均算法中的聚类方法,直接确定出最优状态和分支序列,并依据最优序列以最大似然为优化准则进行参数估计.阐述了该算法与Baum Welch和分段K平均2种经典算法在目标函数、优化准则和工作原理等方面的关系,并将3种算法应用于人脸识别.实验结果表明,该算法在获得相当识别率的同时缩短了训练时间,并降低了识别结果对训练样本集的敏感性,在3种算法中总体性能最优.

基于多状态Markov模型的老年人认知损害转归研究

目的将多状态Markov模型应用于轻度认知损害(mild cognitive impairment,MCI)转归研究,为慢性病转归研究提供方法学借鉴。方法通过MCI患者IQ变化反映随访人群认知功能的变化趋势,构建一个四状态模型。根据多状态Markov模型分析原理,获得各状态转移影响因素、逗留时间、生存曲线,并进行模型拟合优度评价。结果 MCI病人处于认知功能稳定、认知轻度恶化和认知好转的时间大约分别为6.4年、3.6年和5.2年;生存曲线显示预后由好到差为认知功能好转、认知功能稳定、认知功能轻度恶化;多状态Markov模型拟合结果较好。结论多状态Markov模型是多状态、多阶段慢性病转归研究的有效分析方法。

基于多状态Markov模型和逆最优理论的HVDC附加控制器

高压直流输电(HVDC)的附加控制器可以显著改善交直流混联系统的稳定性,但电力系统在随机大扰动下呈现出连续时间动态和离散事件相互作用的混杂特性,使得基于系统固定工况的传统建模方法无法全面描述系统的运行状态。针对此问题,提出了一种基于多状态Markov模型和逆最优理论的HVDC附加控制器。首先建立了多区域交直流混联系统的多状态Markov模型,在此基础上,提出了交直流混联Markov系统的逆最优反推控制策略,该策略将非线性系统最优控制问题转化为渐近稳定控制律的求解问题,不仅能够确保随机扰动下系统的鲁棒稳定性,还解决了具有非线性特性的系统全局优化问题,同时也避免了求解HJI偏微分方程,使控制策略易于工程实现。在选择控制参数时,以设备停运率替代Markov系统的状态转移率,因而可在满足系统多状态特性的同时,避免由于实际系统运行方式的复杂性给控制策略的实现带来的困难。仿真结果表明,与传统的控制器相比,所提的HVDC附加控制器能显著提高交直流混联系统的暂态稳定性。

老年人认知状态转移规律及其影响因素研究

目的了解老年人认知状态转移规律及其影响因素,为认知障碍早期干预提供科学依据。方法基于ADNI数据,选取基线年龄≥60岁且至少完成一次随访的受试者为研究对象,认知状态分为认知正常(normal cognition,CN)、轻度认知功能障碍(mild cognitive impairment,MCI)和阿尔兹海默症(Alzheimer′s disease,AD)三类。采用多状态Markov模型探索三种认知状态间的转移规律以及年龄、性别、教育程度、是否携带APOE4等位基因、婚姻状况等对认知状态转移的影响。结果共纳入1907名受试者的10073条记录,基线年龄73.9±6.45岁,平均随访6.6次。多状态Markov模型拟合发现,MCI发展至AD的转移强度是其逆转为CN的2.88倍(0.118 vs.0.041);处于CN的受试者,10年后仍处于CN的概率较第一年降低33.6%,而发展为MCI和AD的概率比第一年分别增加了约3倍和55倍;处于MCI的受试者,10年后仍为MCI的概率仅为0.238,而发展为AD的概率是其逆转概率的3.95倍(0.608 vs.0.154)。此外,CN和MCI状态的平均停留时间分别为18.43年和6.30年。多因素分析发现,性别为男、高龄、低教育程度和携带APOE4等位基因会增加MCI的发病风险。结论随着时间的推移,老年人认知功能呈下降趋势,高龄、低教育年限和携带APOE4基因是认知下降的危险因素。

采用多状态Markov模型分析我国老年人失能转移规律

背景第四次中国城乡老年人生活状况抽样调查显示,截至2015年,我国失能、半失能老年人的人数约为4 063万人,占老年人人口的18.3%。老年人失能已成为我国现阶段的重要公共卫生问题,老年人失能状态转移规律研究在解决老龄化问题中显得至关重要。目的运用多状态Markov模型对我国老年人失能转移规律进行研究。方法利用中国健康与养老调查(CHARLS)2011年和2013年数据,按美国长期护理调查(NLTCs)制定的失能分类标准对CHARLS数据中60岁及以上的老年人进行失能状态分类,构建多状态Markov模型对老年人失能不同状态间相互转移的规律进行研究。结果本研究共纳入6 615例受访者,随访时间为2年,3 740例(56.54%)保持状态不变,837例(12.65%)状态改善,1 704例(25.76%)状态变差,334例(5.05%)死亡。无论老年人的状态处于哪个阶段,均有可能改善,轻度失能状态改善的概率最高,为0.414 0;初始状态为失能的老年人比初始状态为非失能的老年人更具有状态改变的倾向,但初始状态为重度失能的状态改变的概率低于初始状态为轻度失能和中度失能状态改变的概率;健康受损、轻度失能及中度失能的老年人状态改善的概率均高于变差的概率,重度失能的老年人状态改善的概率低于变差的概率;重度失能死亡的概率最高,为0.355 1。健康、健康受损、轻度失能、中度失能、重度失能状态的平均逗留时间分别为3.33、1.83、1.02、1.02、1.52年。结论老年人状态不变或改善与状态变差一样普遍存在。重度失能老年人的失能转移规律不同于健康受损、轻度失能及中度失能老年人的失能转移规律,健康受损、轻度失能及中度失能仍有较大的恢复的可能性,重度失能的逗留的时间较长,恢复的可能性较小,死亡的概率最高。

一类状态链依赖观测链的隐Markov模型的强极限定理

本文研究一类状态链依赖观测链的新的隐Markov模型的极限定理。首先根据马氏链的性质得到了这种新的隐Markov模型的强马氏性;然后将一般意义下的隐Markov模型的强型的强极限定理和熵密度的极限定理推广到了这种新的隐Markov模型中。

上海股市的“周内效应”研究——Markov状态转换模型

由于受到牛、熊市等市场状态转换的影响，“周内效应”的模式可能随之发生结构性“跳变”，从而表现出时变特征。本文在国内外首度使用Markov状态转换模型研究“周内效应”，对上证综合指数从1997到2010年的数据进行了周内效应“弱检验”。实证发现，首先，沪市可划分为高、中、低波动率三种状态，分别对应股市的大跌、大涨和平缓期；其次，周内效应模式在三种状态下各不相同，表现出明显的时变性。可见，市场状态的转换，尤其是股市涨、跌状态的更替，是引致“周内效应”随时间发生模式变化的一种重要因素。

基于时变Markov状态转换的RealizedGARCH族模型及其对期货波动率的预测

近年来,Realized GARCH族模型在金融市场波动率研究中展现了良好的预测效果.该文在两个Realized GARCH族模型基础上,考虑波动率存在非线性结构特征,引入基于显著跳跃方差测度的时变Markov状态转换机制以构建时变MRS-Realized GARCH族模型,推导其参数估计方法,并应用DM检验和MCS检验来评估模型的预测精度.最后,分别基于不同的评估方法,误差分布假设,滚动窗口长度,采样区间和跳跃测度对模型进行稳健性检验.以沪深300股指期货数据为例,实证研究表明:沪深300股指期货市场存在高波动和低波动状态,跳跃测度在低波动状态会对未来一期波动产生显著的正向影响,而在高波动状态会抑制未来一期波动;DM检验和MCS检验显示,时变MRS-Realized GARCH族模型在任意的损失函数指标下均具有最佳的波动预测效果;另外,稳健性检验结果证实该模型在不同情况下均具有最佳的预测表现.