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。

基于隐马尔可夫模型的商品信任值计算

融合用户在线评论文本与评价等级来计算商品信任值是构建社会化商务中信任机制的重要环节。利用长短时神经网络计算出用户评论文本的情感得分值,将其与用户评价等级值相结合得到用户综合评价观测值;利用隐马尔可夫模型建立评价信息和信任程度之间观测状态生成的概率矩阵,计算出不同评价观测值对应的信任程度;计算商品在最信任状态的概率值求和平均后求得商品信任值。结果表明论文提出的模型能有效提高信任计算的准确性。

基于隐马尔可夫模型的火灾风险评估研究

近年来全球气候变化越来越复杂,自然灾害频发,森林防火形式日益严峻,森林火灾风险评估工作越来越重要。为此,基于隐马尔可夫模型(Hidden Markov Model, HMM)提出一种森林火险评估模型。首先构建森林火灾风险指标体系,将其分为气象条件、森林特征以及防火意识和能力3类12个指标,并根据层次分析法计算指标权重。同时,针对HMM模型求解过程中Baum-Welch算法对初始值有较强的依赖性且容易陷入局部最优的问题,提出通过粒子群优化算法搜索全局最优解作为HMM初始值,再使用Baum-Welch算法进行局部校正,使其快速收敛到全局最优解。利用优化前后的2个模型分别对重庆市森林火灾风险数据开展评估,验证优化后的模型能够有效地评估森林火灾风险,并且与改进前相比更精确,可为区域森林防火工作提供有效指导。

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。

基于马尔可夫模型的多等级灾害下复杂系统可靠性和维修分析

近些年来,自然灾害发生的频率逐渐增加,复杂系统的规模越来越大,导致了巨大的经济损失。由于自然灾害的预测较难,且灾害极易对复杂系统造成巨大冲击,因此,对复杂系统的可靠性和维修分析显得尤为重要。本文研究多等级灾害下的复杂系统的维修策略。首先基于马尔可夫模型对多态复杂系统性能进行分析,基于系统性能变化对复杂系统的损失进行分析,然后以系统总损失最小为目标来确定故障组件的维修集合。由于资源限制,假设每次只能修复一条故障线路,而且不同线路对系统损耗的影响不同,因此必须确定修复故障线路的顺序,本文利用综合重要度来确定维修集合中组件的维修顺序。最后以IEEE18节点标准配电系统为例,对其进行可靠性和维修分析,提出给定故障组件集合下的维修策略,从而验证了模型的可行性。

基于灰色马尔可夫模型的连续配筋混凝土复合式沥青路面性能研究

为分析连续配筋混凝土复合式沥青路面性能衰减规律,依托湖南潭邵(湘潭—邵阳)高速公路K1054+000—K1100+500路段连续配筋混凝土复合式沥青路面2016—2021年路面状况指数检测数据,采用灰色马尔可夫模型对该路段2022—2024年路面状况指数衰减情况进行预测,预测值分别为90.36、89.94、89.54。研究结果表明,连续配筋混凝土复合式沥青路面的性能衰变曲线大致呈反S形。

结合马尔可夫随机场和混合模型的海岸线提取

为了高效且准确地实现基于遥感影像的海岸线提取,提出一种结合马尔可夫随机场和混合模型的合成孔径雷达(synthetic aperture radar,SAR)影像海岸线提取算法。该算法以统计模型理论为研究基础,考虑SAR影像中同一地物像素反射强度的统计分布具有非对称和重尾的统计特性,利用伽马混合模型建立SAR影像内像素强度的概率分布。为了建模像素的空间相关性,采用马尔可夫随机场构建伽马混合模型的组分权重概率分布以克服SAR影像相干斑噪声的影响。结合马尔可夫随机场和伽马混合模型构建出SAR影像海陆分割模型,通过最大期望方法估计模型参数以实现准确的海陆分割,进而实现海岸线提取。在Sentinel-1卫星SAR影像上进行海岸线提取实验,实验结果表明该算法可实现准确的海岸线提取。

基于增强采样构建的隐式马尔可夫状态模型分析GLP-1R激动剂对GLP-1R激活机制

目的 基于增强采样构建的隐式马尔可夫状态模型,分析胰高血糖素样肽1受体(GLP-1R)激动剂PF-06882961激活GLP-1R的机制。方法 从PDB数据库中下载GLP-1R晶体结构(PDBID:6X1A),基于该晶体结构构建PF06882961与GLP-1R结合的高斯加速动力学(GaMD)体系,模拟PF06882961与GLP-1R结合的动力学轨迹。使用工具包Pyemma读取PF06882961与GLP-1R结合的GaMD动力学轨迹,构建马尔可夫模型。然后分别从一级结构[关键氨基酸残基间的αC间距(Glu247-His180;Glu364-Arg190)]和二级结构[关键α螺旋间扭转角(Val365-Pro358-Ala350;Arg380-Phe390-Met397)]两个层面对构建的马尔可夫模型中PF-06882961与GLP-1R复合物若干构象进行聚类分析,得出5个结构具有差异的PF-06882961与GLP-1R复合物宏观态构象(S1、2、3、4、5),将其可视化后分析各个宏观态构象之间的结构差异,以明确PF-06882961激活GLP-1R的结构基础。结果 从二级结构层面进行聚类分析时,PF06882961与GLP-1R结合后,GLP-1R细胞外结构域部分与跨膜结构域间距离减小,GLP-1R下游的G蛋白发生了重要构象转变。从一级结构及二级结构层面进行聚类分析时,PF-06882961结合GLP-1R后,GLP-1R的跨膜结构域内关键氨基酸残基重排出新的极性网络(Glu364-Tyr241-His180-Glu247),细胞外结构域内由Phe385-Tyr203-Tyr148组成π-π堆叠网络。结论 PF-06882961与GLP-1R结合后,通过由Phe385-Tyr203-Tyr148组成的π-π堆叠网络、由Glu364-Tyr241-His180-Glu247重排而成的新极性网络分别稳定GLP-1R的细胞外结构域及跨膜结构域,从而激活GLP-1R。

基于马尔可夫链模型的机械电气设备剩余寿命估计方法

由于现有估计方法预测曲线波动大,估计结果不准确,为此研究基于马尔可夫链模型的机械电气设备剩余寿命估计方法。对采集到的数据进行数据预处理,再结合标准化数据形成寿命估计的数据集。通过主成分分析法提取特征因子的数目,有效地记忆设备的历史状态监测信息。运用马尔可夫链模型通过对故障信息进行获取,建立系统的状态转移矩阵来预测将会达到的状态。根据状态概率绘制出状态趋势图,分析设备的故障率变化情况。运用SAE对于原始监测数据进行非线性变换,对输入数据的特征进行自适应的学习。利用训练好的预测模型,计算设备的剩余寿命,将估计得到的输出与一次函数进行拟合比较,得到估计结果的趋势从而完成估计。实验结果表明,实验组的预测曲线波动较小,预测值结果更加贴合实际值结果,使得预测RUL更为准确。从而更好地提取设备的状态信息,使得剩余寿命预测结果更优。

基于改进隐马尔可夫模型的无线通信网络入侵检测方法

传统的入侵检测方法对网络环境复杂性和数据流特征的变化容易受到影响,导致效果不佳。文章提出了一种基于改进隐马尔可夫模型的无线通信网络入侵检测方法。引入异常状态转移概率矩阵和动态阈值策略,从而提高入侵检测的准确性和鲁棒性。另外,本文还针对现有模型在处理大量数据时的计算复杂度问题,提出了分组渐进压缩的方法,有效提高检测效率。分析实验结果可知,所提出的方法在无线通信网络中具有较好的入侵检测效果,能够有效地识别恶意攻击并降低误报率。

马尔可夫模型在事业单位人力资源管理中的运用——以A疗养院为例

根据事业单位人力资源管理的特殊性,并基于对马尔可夫模型在人力资源中的应用,结合A疗养院人力资源管理的实际,利用马尔可夫模型测算出未来A疗养院的人员供给量,以此为基准并结合实际情况对A疗养院的人力资源管理进行了评价,最终制定了几种相应的改进措施,以期为同类型的事业单位人力资源管理产生一定作用并提供参考价值。

基于马尔可夫链的高校青年教师教学能力综合动态评估模型及其应用

在当今社会,教学能力教师职业素养的核心组成,是教学质量的根本保证。青年教师是高校教育的中坚力量,合理有效的教学能力评估模型有益于持续提高整体的教学质量。本文基于马尔可夫链方法,利用三级试讲数据,构建了一类高校青年教师教学能力综合动态评估模型,并以我校某位青年教师为例,应用所得模型对其教学能力进行评估应用。

基于隐马尔可夫模型的医院通信网络DDoS攻击检测方法

常规的医院通信网络DDoS攻击检测矩阵结构一般设定为独立形式,致使攻击检测范围的扩大受到限制,进而一定程度上导致DDoS攻击检测召回率下降。针对上述问题,文章提出了一种基于隐马尔可夫模型的医院通信网络DDoS攻击检测方法。该方法根据当前的测定需求及标准对DDoS攻击进行特征提取,采用多目标的方式设计检测矩阵,解析DDoS攻击方向具体位置以及攻击的范围。在此基础上,构建隐马尔可夫医院通信网络DDoS攻击检测模型,采用多元识别+组合处理的方式来实现DDoS攻击的检测目标。测试结果表明:采用本文所设计的方法,DDoS攻击检测召回率可以达到80%以上,对于医院通信网络的攻击检测效率更高,泛化能力明显提升,具有实际的应用价值。

中国省域工业碳排放效率的空间马尔可夫链分析

选取2010—2020年中国30个省份(除西藏、港澳台外)的面板数据,结合工业生产的特点,使用非期望SBM模型测算中国省域工业碳排放效率,结合莫兰指数、核密度、空间马尔可夫链模型对中国省域工业碳排放效率的分布及发展趋势进行分析解读。结果发现:样本期间,工业碳排放效率呈先降低后升高的走势;2013年起我国工业碳排放效率在省域空间中呈现显著的空间正相关性,工业碳排放效率的省域分布情况为分散聚集分散,地区差异增大有两极化趋势,且存在明显的时间滞后性和空间溢出效应。

基于马尔可夫与传染病模型的供应链网络中断风险传播研究

供应链网络中断会导致企业运营能力受损,中断风险传播引发的连锁反应会进一步危害供应链网络的整体绩效。本文从供应链运营能力视角,刻画供应链网络中断风险传播过程。将企业运营能力结合中断程度细分为五个状态,并利用离散时间马尔可夫链和动态贝叶斯网络模拟个体企业运营能力变化情形。根据企业五种运营状态将其划分为易感、潜伏、轻症、重症以及免疫个体,构建企业在潜伏期、轻症和重症感染期均具传染性的中断风险传播动力学模型。进一步探讨系统稳定状态时关联企业密度及中断风险传染临界值及其影响因素。对企业状态的细分,有助于更精准地把握运营能力,更细腻地描述中断风险在供应链网络中的传播规律。所得中断风险传播规律不仅有助于企业更清晰地认识自身及所处供应链环境的运营状态,而且能为企业据其状态变化实时更换中断风险管控策略提供依据。本文结合中断程度对企业状态进行细化描述的做法,可为研究企业状态连续时的中断风险传播规律研究提供思路。

基于采样隐马尔可夫模型的移动机器人路径规划

为提高移动机器人路径规划的学习和预测能力,使得规划的路径长度和转弯较小,能够动态躲避行人,提高搜索效率,提出一种基于采样隐式马尔可夫模型(sampled hidden markov model,SHMM)的移动机器人路径规划方法。首先,将2D网格环境下的轨迹划分为位置(x,y)、航向(θ)、线速度(v l)四个维度,建立机器人轨迹预测模型;其次,利用KL散度(kullback-leibler divergence)将建立的HMM运动模型进行降采样;最后,用K-means聚类因子、SHMM因子和转角因子改进蚁群算法进行路径规划。仿真验证了基于SHHM的移动机器人规划的路径长度短、转角少,并具有学习和预测能力,在路径规划地同时能很好地躲避行人。

基于改进灰色-马尔可夫模型的LTE-R越区切换算法

高速列车在越区切换过程中,由于路径损耗和地形等因素的影响,参考信号接收功率(reference signal receiving power,RSRP)会发生上下波动,采用基于A3事件的传统越区切换判决方法,会导致发生乒乓切换和切换成功率下降。文中提出基于改进灰色-马尔可夫模型的切换算法,改进灰色-马尔可夫模型对参考信号接收功率进行处理和预测,结合预承载方法,利用处理结果作为切换判决依据执行切换过程。仿真结果表明,采用改进切换算法,使列车接收到的源小区和目标小区RSRP值的波动情况得到明显改善,乒乓切换概率更低,切换成功率得以有效提高。

阿司匹林用于心血管病一级预防的不同策略比较:一项马尔可夫模型研究

目的:在中国鄞州电子健康档案研究(Chinese Electronic Health Records Research in Yinzhou,CHERRY)中,比较实施不同指南推荐的阿司匹林用于心血管病一级预防策略预期的获益与风险。方法:采用马尔可夫(Markov)模型模拟所比较的不同策略:策略(1):对40~69岁心血管病高风险人群使用低剂量阿司匹林干预(2020年《中国心血管病一级预防指南》);策略(2):对40~59岁心血管病高风险人群使用低剂量阿司匹林干预(2022年美国预防服务工作组《阿司匹林用于心血管病一级预防的推荐声明》);策略(3):对40~69岁心血管病高风险且基线血压控制良好(150/90 mmHg以下)的人群使用低剂量阿司匹林干预(2019年《中国心血管病风险评估和管理指南》)。循环周期设为1年,模拟10年,获益指标包括增加的质量调整生命年(quality-adjusted life year,QALY)和每预防一例缺血性事件的需治疗人数(number needed to treat,NNT),风险指标包括每增加一例出血性事件的需应对危害人数(number needed to harm,NNH),计算人群净获益(可预防的缺血性事件数减去增加的出血性事件数)及其NNT。结果:共纳入212153名研究对象,采用策略(1)~(3)进行阿司匹林干预的人数分别为34235、2813和25111。策略(3)预期增加的QALY最多,为403[95%不确定性区间(uncertainty interval,UI):222~511]年,其获益指标的NNT仅比策略(1)增加了4(95%UI:3~4)人,但风险指标的NNH增加了39(95%UI:19~132)人,显示策略(3)的安全性更好。三种策略净获益的NNT分别为131(95%UI:102~239)人、256(95%UI:181~737)人和132(95%UI:104~232)人,在净获益效率相似时,QALY和安全性更好的策略(3)具有优势。结论:采用三种策略在CHERRY人群中均能获得净获益,相比之下考虑血压控制水平的策略可兼顾效果获益与安全性风险,并获得较好的干预效率。

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。