滑动平均-马尔可夫模型在降水预测中的应用

中长期降水量的预测是气象科学的一个难点问题,也是水文学中的一个重要问题。根据降水过程存在大量不确定性的特点,通过聚类分析建立降水序列的分级标准,采用规范化的各阶自相关系数为权重,用滑动平均的马尔可夫链模型,通过状态转移概率矩阵预测未来时段的降水状态,并根据模糊集理论中的级别特征值计算具体的降水量,最后以隆德县水文站54年的降水资料为实例,对该方法进行了具体的应用,预测精度较高,为提高中长期降水量预报的精度提供了一条值得探索的途径。

滑动平均马尔可夫模型在公路沿线降雨预测中的应用

文章采用滑动平均马尔可夫模型预测降雨量,对公路建设和养护有重要价值。滑动平均马尔可夫模型是基于马尔可夫模型,先将数据滑动平均处理后再运用马尔可夫模型预测。文章以滇西的腾冲县和滇南的景洪县水文站30年的降雨资料为实例,对该方法进行了具体的应用。并与未做滑动平均处理的马尔可夫模型预测结果做了比较,其误差降低,精度提高。

滑动平均-权马尔可夫链模型在降水预测中的应用

基于降水过程存在大量不确定性的特点,以徐州市53年的降水资料为实例,通过均值标准差分级法建立降水序列的分级标准,采用规范化的各阶自相关系数为权重,用滑动平均的权马尔可夫链模型,通过状态转移概率矩阵预测未来时段的降水状态,并应用级别特征值计算具体的降水量,结果表明该方法预测精度较高,结果与实际情况相吻合.

滑动平均-马尔可夫模型在降水预测中的应用

中长期降水量的预测是气象科学的一个难点问题，也是水文学中的一个重要问题。根据降水过程存在不确定性的特点，通过聚类分析建立降水序列的分级标准，采用规范化的各阶自相关系数为权重，应用滑动平均马尔可夫链模型，以状态转移概率矩阵预测未来时段的降水状态，并根据模糊集理论中的级别特征值计算具体的降水量。最后以新疆托什干河沙里桂兰克水文站44a的降水资料，对该方法进行了具体的降水测试，结果表明，其预测精度较高，为提高中长期降水量预报的精度提供了一条值得探索的途径。

滑动平均-马尔可夫模型在托什干河流域降水预测中的应用

中长期降水量的预测是气象科学的一个难点问题，也是水文学中的一个重要问题。根据降水过程存在大量不确定性的特点，通过聚类分析建立降水序列的分级标准，采用规范化的各阶自相关系数为权重，用滑动平均的马尔可夫链模型，通过状态转移概率矩阵预测未来时段的降水状态，并根据模糊集理论中的级别特征值计算具体的降水量，最后以新疆托什干河沙里桂兰克水文站44年的降水资料为实例，对该方法进行了具体的应用，预测精度较高，为提高中长期降水量预报的精度提供了一条值得探索的途径。

灰色马尔可夫预测模型和加权加增长率移动平均法预测精度的比较

文章通过建立灰色马尔可夫预测模型和加权加增长率移动平均法,对制度环境进行预测,并对预测结果的精度进行比较。为了进一步验证这一结果的可信性,从全国选择14个省份进行预测,预测结果表明灰色马尔科夫预测结果优于加权加增长率移动平均法。

基于移动平均-马尔可夫链模型的上海市机场旅客吞吐量预测研究

为了更多的挖掘数据的信息,本文将移动平均与马尔可夫链模型结合,对马尔可夫链模型进行改进,以拟合结果为动态基准线来构建动态的马尔可夫链,并进行预测及平稳分布研究。利用上海市机场2008年1月至2013年10月的各月数据进行模型拟合,将拟合结果作为动态基准线,进行系统状态划分,确定状态转移概率矩阵。预测未来4个月的中值和区间,并根据马尔可夫链的遍历性和稳定性求出状态的平稳分布。实证表明,该方法的预测精度更高,并且具有较强的适用性和泛化性,具有较强的实用价值。

基于马尔可夫方法的违约传染平均域模型

基于平均域模型,将信用组合分为几个同质的子组合,假设组合中各公司的违约强度不仅取决于宏观经济状况,而且依赖于这些子组合中违约公司的数目,以刻画不同公司间的违约相互作用;并据此建模组合违约过程为连续时间马尔可夫链,借助Kolmogorov微分方程求解信用组合损失分布;最后,通过实例计算分析传染现象对组合损失分布、风险量度的影响.

基于改进灰色马尔可夫模型的花生产量预测

【目的】为了提高花生产量的中长期预测精度,提出一种改进的灰色马尔可夫模型。【方法】首先,以中国2010—2020年花生产量数据为研究样本,在传统灰色模型的基础上进行加权滑动平均处理,建立滑动灰色模型;然后,利用马尔可夫链对预测结果进行修正,得到滑动灰色马尔可夫模型;最后,采用新陈代谢的思想,对原始数据序列做等维新息处理,构建新维滑动灰色马尔可夫模型。【结果】新维滑动灰色马尔可夫模型的平均相对误差比滑动灰色模型和滑动灰色马尔可夫模型分别降低了80.00%和48.89%,并预测出未来5年中国花生产量将以2%左右的增长率增长。【结论】本研究结果可为其他农作物产量预测提供一种科学合理的思路。

基于马尔可夫模型的南京市年降水量预测试验

鉴于降水过程存在大量不确定性的特点,中长期降水预报一直是气象科学领域的一个难题。主要采用平滑处理消除异常值,对年降水量进行分级,建立滑动平均马尔可夫链预测模型。通过建立的预测模型,对南京市2009、2010年年降水量进行了试预测。结果表明,2009年预测值与实测值相对误差为2.17%,2010年预测值与实测值相对误差为3.09%,预测精度较高。同时,为弥补滑动平均马尔可夫链模型对极端年份无法预测准确的缺陷,利用灰色灾变系统,对南京市极端降水年份进行预测。两者结合能更好地完成南京市年降水量的预测工作。

基于马尔可夫预测模型的数据流滑动窗口近似连接缓存管理策略

数据流中数据是连续不断、无界、速度变化且以一种序列形式到达的.并且计算复杂关系操作(如连接)所需要的存储空间同样是无限的.许多查询无法得到精确的查询结果.于是高质量的近似查询结果是惟一的选择,即利用现有的缓存空间来优化滑动窗口上的操作以得到最好的近似结果.在很多应用中,缓存中的元组的价值可能不同.对于连接操作而言,一些元组会比另外一些更有利于产生连接结果.提出的基于马尔可夫预测模型的缓存管理策略MBPM充分利用了状态转换环境中的马尔可夫预测模型,并在此基础上提出了基于预测风险的缓存淘汰算法.实验证明,该算法相对于传统的缓存淘汰策略具有很好的性能.

基于滑动平均二阶对比法的4G/5G小区流量陡降预警模型研究

网络的稳定性是保障用户感知的重要因素,中国移动网络中对高负荷、高流量小区监控到位,但目前对于隐性故障引起的流量陡降缺乏有效的监控,此类监控手段准确性一般,算法简单,运算量小,实时性差,对用户感知影响较大。故从小区流量下降对比方法(滑动平均二阶对比法)、流量下降幅度、流量下降时间段(小时粒度)、流量徒降门限、监控时间范围多个维度为基础,进行数据研究并建立4/5G流量陡降预警新模型,该模型在日常工作中能更实时、更准确地监控预警流量陡降小区,大大缩短现网基站隐性故障的处理效率,有效助力提升用户满意度。

基于加权的滑动平均—马尔科夫预测模型及其应用

降水量预测是雨水潜力化计算的首要环节。但由于降水过程存在高度的不确定性和随机性,很难用物理成因方法来确定某一时段降水量的准确值。因此可采用基于概率论和随机过程理论的马尔可夫模型进行预测[13],采用加权的方法,并通过对降水序列的滑动平均处理,降低序列的随机性,提高预测的准确性。以简阳1953-2004年年降水资料为分析对象进行实例分析,其中应用2006-2009年降水资料作模型检验,并对2010年-2005年年降水量作模型预测。结果表明:应用加权的滑动平均马尔科夫预测模型进行降水量预测是可行的,而且意义明确,计算简便,预测精度较高。

基于自回归滑动平均模型的风力发电容量预测

利用时间序列分析法对富锦风电场风电机组发电容量时间序列进行分析,通过长自回归模型法建立了基于这些数据的自回归模型(AR)和自回归滑动平均模型(ARMA)。在建模过程中,采用3种定阶方法分别建立了不同的ARMA模型,并在对比分析了不同模型的优缺点之后对其进行加权平均综合处理,最终得到较理想的预测模型,使风力发电容量短期预测的归一化平均绝对误差降到7%以内。

ARMA双谱分析与离散隐马尔可夫模型在电力电子电路故障诊断中的应用

提出一种基于自回归滑动平均(auto-regressive moving average,ARMA)模型双谱分析与离散隐马尔可夫模型(discrete hidden Markov model,DHMM)的电力电子电路故障混合诊断新方法。首先对故障电路采样的数据进行零均值处理;然后采用高阶累积量建立ARMA模型参数并进行双谱分析,通过对双谱矩阵进行矩阵变换提取电路故障信息特征量,再对故障特征数据进行矢量量化;最后应用离散隐马尔可夫模型,设计出电力电子电路的故障分类器。将该方法应用到SS8机车主变流器电路的故障诊断中。结果表明,所提出方法具有较高的正确诊断率和较强的抗噪声能力,在无噪声或加入5%的噪声情况下,正确诊断率均为100%;而当加入10%的噪声时,正确诊断率比DHMM诊断法和GA-BP神经网络诊断法分别高出16.11%和23.79%。该方法在工程中具有实际应用价值。

基于隐马尔可夫模型的引文信息提取

提出一种基于符号特征提取的HMM结构学习方法，并利用修改的Viterbi算法进行引文信息提取。在实验结果的评价上，除了常用的准确率(Precision)、查全率(Recall)、综合评价指标(F)之外，引入了两个评价标准：宏平均和微平均来综合评价算法的性能。试验表明该方法用于引文信息提取的正确率较高。

统计模式识别和自回归滑动平均模型在设备剩余寿命预测中的应用

为了对设备预知性维护研究提供支持,采用统计模式识别(SPR)方法对设备进行性能评估,获取设备健康指标;再运用自回归滑动平均模型(ARMA)对设备剩余寿命进行预测,建立了基于设备健康状况的设备剩余寿命预测模型.对生产过程中刀具加工设备寿命预测进行分析和验证结果表明,该设备评估和预测方法是有效且实用的.

基于混合自回归滑动平均潜周期模型的短期电价预测

应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自回归滑动平均模型拟合残差随机分量,采用赤池信息准则确定模型的阶数,参数则由矩估计得到.该模型不要求预先假设电价序列的周期尺度,周期的个数和大小由模型计算确定,方法简单.采用美国宾夕法尼亚、新泽西、马里兰电力市场的实际电价数据对模型进行了检验,验证了模型的有效性.

灰色马尔可夫链模型的改进及其应用

将灰色模型与马尔可夫链方法相结合,建立了灰色马尔可夫链预测模型,并对该模型进行了改进.采用滑动转移概率矩阵,并依据广西合面狮水库10 a的年最大洪水流量预测以后2 a的年最大洪水流量范围.结果表明,采用改进的灰色马尔可夫链模型,可比较准确地预测随机波动性较大的水文数据序列的范围.

基于自回归滑动平均模型和粒子群算法的地震子波提取

基于自回归滑动平均(ARMA)模型理论,对地震子波进行参数化建模,采用累积量拟合法精确估计参数,使地震子波提取问题最终归结为一个多参数、多极值的非线性函数优化问题。对基本粒子群算法进行改进,通过自适应参数调整和边界约束,克服基本粒子群算法易陷入局部极值的缺陷,同时提高算法寻优精度和计算效率。仿真数据试验结果验证了改进的粒子群算法在地震子波提取方法中的有效性和稳定性。