基于灰色-加权马尔可夫预测模型的西安常住人口预测

常住人口数量是决定供房量的关键因素,准确预测未来常住人口数量,对制定住房供给力度政策具有现实意义。文章以2010—2021年西安市常住人口总数为依据,基于灰色-加权马尔可夫预测模型对西安市未来5年常住人口进行预测。结果显示:相较于灰色G(1,1)模型,灰色-加权马尔可夫预测模型预测精度提高了79.95%;同时得出未来5年西安常住人口数量平均增长率达到2.367 9%。这一结果为制定住房供给力度政策提供了可靠的、科学的依据。

基于粒子群优化-熵权无偏灰色马尔可夫模型的沥青道面性能预测

为提高沥青道面使用性能的预测精度,针对道面性能数据累积年限少、波动大的特点,采用熵值法对多个道面单元进行赋权,并利用粒子群算法(PSO)和马尔可夫模型对传统无偏灰色模型残差序列的状态区间和白化系数进行优化,构建可准确预测沥青道面性能的PSO-熵权无偏灰色马尔可夫模型.结合西北某机场沥青道面6个检测单元前7年的道面状况指数进行模型精度检验,结果表明:与传统无偏灰色模型相比,经马尔可夫模型划分残差序列空间并使用PSO算法寻找最佳白化函数后,优化模型第1年~第5年各单元残差和相对误差均减小,且整体预测精度分别提高0.05%、0.28%、0.05%、0.03%和0.14%,第6、7年的整体预测精度分别提高12.9%和19.2%,说明优化后的模型对实际沥青道面的预测结果更具有效性和针对性.

基于灰色-马尔可夫模型的道路交通事故预测

根据攀枝花市2010~2017年的交通事故统计数据,分别利用灰色系统理论和灰色马尔可夫链预测法构建攀枝花市交通事故的预测模型,再用两种预测模型分别对2018~2019年攀枝花市发生的交通事故数、死亡人数、受伤人数及财产损失数进行预测,然后将GM(1,1)预测模型与灰色马尔可夫链预测模型的预测结果进行对比分析。实例结果表明,灰色马尔可夫预测模型能有效克服随机波动性数据对道路交通事故四项绝对指标预测精度的影响,预测精度较好。

基于马尔可夫残差修正灰色模型的轨道质量指数及其分项预测

为研究轨道质量指数(Track Quality Index,TQI)及各分项值的变化趋势,本文考虑动检数据的非等时距特征,构建了关于TQI及各分项值的一阶灰色模型。原始数据经过累加变换后,利用最小二乘法求解模型的灰参数,并引入马尔可夫残差修正方法对灰色模型进行修正。通过对比修正前后灰色模型TQI及各分项的输出值(拟合值和预测值)与实测值,验证残差修正对提升模型预测精度和降低预测误差的改善效果。结果表明:经马尔可夫残差修正后,灰色模型TQI及各分项输出值可以较好反映其波动情况;与修正前灰色模型相比,修正后灰色模型TQI预测值与实测值的平均误差由1.59%降至0.89%,整体预测精度由2级提升到1级;TQI各分项预测值与实测值的平均误差由3.18%降至1.42%,整体精度由2~4级提升到1~2级。从降低误差和提升预测精度两方面看,修正后灰色模型的预测效果明显提升。

参照零模型的加权网络链路预测因素研究

基于零模型,文章研究了如何量化分析加权复杂网络中链路预测的影响因素。通过对1阶零模型、权重置乱零模型,结构置乱零模型在拓扑结构和权重相关性两个方面分别进行研究。以美国航空网络为实证网络,针对加权网络中的权重特性,分析不同权重连边的可预测性和对于链路预测的影响。结果表明,美国航空网中存在拓扑权重相关性,并且破环拓扑结构比破坏权重相关性对于链路预测的影响更大。

基于加权马尔科夫-ARIMA修正模型的区域物流需求预测

为准确预测区域物流需求,采用自回归移动平均(autoregressive integrated moving average,ARIMA)模型建立具有线性关系的时间序列,考虑时间外的非线性影响因素,基于加权马尔科夫模型修正残差状态,构建加权马尔科夫-ARIMA模型,以我国1990—2021年月度货运周转量为物流需求数据来源,验证加权马尔科夫-ARIMA模型的预测精度。结果表明:单一ARIMA模型和加权马尔科夫-ARIMA模型对12期货运周转量预测结果的平均绝对百分误差分别为3.15%、2.22%,后者的预测精度优于前者。

基于高阶马尔可夫链和高斯混合模型的光伏出力短期概率预测

为提高光伏电站出力预测的准确性,给调度决策人员提供更丰富的预测信息,提出一种基于高阶马尔可夫链(high order Markov chain,HMC)和高斯混合模型(Gaussian mixture model,GMM)的光伏电站短期出力概率预测方法。首先对光伏电站的历史出力数据进行HMC建模,通过计算邻近时段光伏出力数据的Pearson相关系数确定马尔可夫链的阶数,并统计历史数据得到邻近时段光伏出力的状态转移概率矩阵。然后以此为基础建立GMM形式的光伏出力概率预测模型,并提出基于相似气象条件下的数据样本对GMM中各高斯分布的均值与方差进行修正,最终得到光伏电站出力的概率密度函数。以实际光伏电站数据为例进行分析,结果表明所提出的概率预测方法具有较高的准确性,且与传统的点预测方法相比,概率预测能够为电网运行决策提供更多有益信息。

基于多气象类型加权和改进高斯混合模型的光伏出力超短期概率预测

提出一种多气象类型加权和改进高斯混合模型,可实现对光伏出力提前15 min的超短期概率预测。首先,依据气象特征将历史数据划分为若干气象类型,然后,构建改进高斯混合模型获得每个气象类型出力数据的概率分布,其次,构建隶属度函数量化待预测时刻气象特征对于各气象类型的相似程度,最后,根据隶属度对各气象类型的概率分布加权。以实际光伏电站数据进行算例分析,结果表明相较于单一气象类型,多气象类型加权模型的MAPE平均减少16.87%,ACD平均提升10.45%,AW平均下降2.49%。

加权组合模型在大凌河流域水资源供需预测中的应用

为提高流域水资源供需预测精度,解决传统单一供需预测模型精度不高问题,文章引入加权组合模型,对大凌河水资源供需进行预测。结果表明:相比于单模型,加权组合模型下大凌河流域供水和需水预测相对误差分别降低11.6%和10.9%,流域水资源供需预测精度得到明显改善,研究成果对于流域水资源供需科学预测具有参考价值。

改进的马尔科夫链模型在河流径流预测中的适用性分析

针对传统马尔科夫链模型变量权重设置目标单一局限,对各变量权重进行加权计算,从而对传统马尔科夫链模型进行改进,并结合辽河干流铁岭站实测径流资料分析改进马尔科夫链模型在河流径流预测的适用性。结果表明:相比于改进前、改进后的马尔科夫链模型在年和月径流预测相对误差平均可降低8.35%和11.33%,河流径流预测精度得到改善。研究成果对于河流径流中长期预测精度提高具有参考价值。

基于诱导有序加权平均算子和马尔可夫链的中长期电力负荷组合预测模型

针对传统中长期电力负荷组合预测方法的缺陷,将诱导有序加权平均算子(induced ordered weighted averaging,IOWA)与马尔可夫链(Markov chain,MC)相结合构建IOWA-MC组合预测模型。该模型根据每个单项预测方法在各时点拟合精度的高低顺序对其赋权,保证了组合预测模型中权系数与拟合精度在任一时点上的相关性,同时利用MC定性推测出预测时间点上各单项预测方法的预测精度状态,从而确定其在预测时点上的权系数。算例结果表明,IOWA-MC能自动识别高精度预测模型,排除低精度预测方法带来的影响,预测精度较高,具有较强的实用价值。

一种基于加权隐马尔可夫的自回归状态预测模型

针对电子系统状态趋势预测问题,提出了一种加权隐马尔可夫模型的自回归趋势预测方法.该方法以自回归模型作为隐马尔可夫的状态输出,利用加权预测思想对马尔可夫链中的隐状态进行混合高斯模型的加权序列预测,并利用最大概率隐状态下的自回归系数计算模型输出.通过对实际的复杂混沌序列和电子系统BIT状态数据进行趋势预测,并针对不同模型参数下的预测结果进行实验分析,结果表明该方法对系统状态变化的趋势具有较好的预测性能.

基于加权马尔可夫模型的标准化降水指数干旱预测研究

基于不同时间尺度标准化降水指数的干旱监测结果,以规范化的各阶自相关系数为权重,采用加权马尔可夫链方法对未来干旱状态进行预测和分析。以关中平原和渭北旱塬36个气象站39年逐月降水量为分析数据,系统地分析了该方法在不同时间尺度(从1个月到1年)上的预测能力及存在的问题。结果表明:对所选的5个时间尺度该方法都有一定的预测能力,并且随着时间尺度的增加,预测正确率也相应提高。同时,该方法对无旱的预测比较准确,对干旱的发生也有一定预测能力,可以作为早期干旱预警的参考。但是,该方法对干旱状态突变的预测能力较弱;随着干旱程度的加重其预测能力也逐渐降低。

基于模糊集修正加权马尔可夫模型在新疆降水预测中的应用

【目的】为提高降水预报精度，准确预测一个地区未来的降水丰枯状况和降水量，为该地区工农业生产生活提供决策参考。【方法】以年降水时间序列为研究对象，利用模糊集理论和加权马尔可夫模型建立一种基于模糊集的修正加权马尔可夫预测模型。该模型改进加权马尔可夫模型中初始状态向量的确定方法，即通过引入模糊集理论，基于距离测度建立隶属度函数，计算出随机变量序列各时段序列值隶属于所有状态的隶属度，并将隶属度向量作为该时段的初始状态向量。【结果】根据新疆1957—2010年的年降水数据，利用该模型预测新疆2011～2012年的降水丰枯状况及降水量预报值。2011—2012年丰枯状态的预测结果与实际完全一致，降水量预测值的误差分别为0．99％，0．54％。进一步利用该模型动态预报了2013—2017年的降水丰枯状况及降水量。【结论】基于模糊集的修正加权马尔可夫模型具有更高的预测效果，可用于新疆降水丰枯状况预报和降水量预测。

基于加权灰色-马尔可夫链模型的城市需水预测

城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m3和79 818.34万m3,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。

基于加权基因共表达网络分析及机器学习构建铁死亡相关基因在多囊卵巢综合征的疾病模型及相关中药预测

目的:利用机器学习分析铁死亡基因与多囊卵巢综合征(PCOS)的相关性,构建诊断及预后风险模型,探讨PCOS的潜在铁死亡机制,并预测相关中药。方法:多芯片标准化合并GEO数据库的卵巢组织芯片,采用加权基因共表达网络分析(WGCNA)算法筛选与PCOS相关的铁死亡特征基因,对特征基因进行功能富集分析,利用多种机器学习进行构建并筛选疾病模型,提取最优的疾病特征基因,并构建风险模型,分析其与免疫浸润细胞及功能之间的相关性,对铁死亡基因进行中药及小分子化合物预测,并对小分子化合物与铁死亡靶点进行分子对接验证。结果:共提取26个铁死亡与PCOS的强相关交集靶基因,主要在铁死亡通路中的Xc-系统和铁代谢通路上发挥作用。通过WGCNA结合机器学习筛选以HMOX1、IFNA1、LPCAT3、FOXO4和PARP3为特征基因的RF模型有较优的模拟特性,并通过绘制列线图来预测各基因表达的患病风险性。上述模型基因与PCOS的发病呈正相关性。免疫浸润分析提示多种免疫细胞在两组之间存在显著浸润差异,预测的中药中丹参、三七可能是其潜在的分子药物来源,分子对接中丹酚酸B、葛根素与黄芪甲苷A的匹配程度最高。结论:以HMOX1、IFNA1、LPCAT3、FOXO4和PARP3为特征基因的铁死亡相关基因模型可为早期识别和治疗POCS提供新思路。铁死亡相关基因可通过干预多种途径在PCOS中发挥重要作用,中医药在干预PCOS中可能通过调节铁稳态代谢来介导铁死亡途径。

基于云理论与加权马尔可夫模型的矿井涌水量预测

针对矿井涌水量预测问题,提出一种新的既考虑模糊性又考虑随机性的云加权马尔可夫预测模型。其过程为:首先,利用云理论对矿井涌水量状态概念进行云划分,通过X条件云发生器确定训练样本各年份涌水量所属状态;由于云模型具有模糊和随机特性,同一样本属性值通过X条件云发生器时,输出不同的状态,从而形成不同情形下的马尔可夫状态空间,为此,根据各种情形出现的频数,确定各自的权重。然后,应用加权马尔可夫预测法,计算各种情形下预测样本所属状态的概率矩阵,加权求和得到最终的预测概率矩阵,并根据最大隶属度原则,确定预测样本所属状态。最后,以河南鹤壁四矿1982—1999年的矿井涌水量时间序列作为训练样本,采用所建立的云加权马尔可夫预测模型,对2000—2001年的矿井涌水量所属状态进行预测,研究结果表明:2000年和2001年的涌水量预测状态同为状态5,属涌水量较少年份,与其实际状态相一致。

基于加权马尔可夫模型的条件植被温度指数预测研究

条件植被温度指数(VTCI)是一种近实时的干旱监测指标。利用加权马尔可夫模型对陕西关中平原的条件植被温度指数(VTCI)时空变化序列进行了2步预测,并将预测结果与实际监测结果进行对比分析,结果表明,预测的干旱监测结果与实际的干旱监测结果空间分布特征基本一致,进一步的误差分析显示,2步预测的误差平均值分别为0.042和0.152。

基于有序聚类的模糊加权马尔可夫模型在降雨预测中的应用

基于降水过程中存在大量不确定性和不精确性的特点，在传统的马尔可夫链模型预测方法的基础上，利用有序聚类的最优分割算法和模糊理论，采取以规范化的各阶自相关系数为权重，建立了基于有序聚类的模糊加权马尔可夫预测模型，并对宜昌1999-2007年的夏季降雨量进行了预测，结果表明，基于有序聚类的模糊加权马尔可夫预测模型用于降雨量的预测效果较好。

基于加权马尔可夫模型的济南市降水丰枯状况预测研究

降水量是随机变量,降水过程存在着很大的不确定性和随机性。利用加权马尔可夫模型对济南市2006与2007年的降水进行预测,2006年预测状态为3,属于平水年,2007年预测状态为4,属于偏丰年份,均与实际值相符。该方法的预测结果由点值扩大到区间,提高了预测的可靠性,可结合定量预测方法进一步研究。