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。

状态转换和中国股市的独特特征——基于马尔可夫状态转换-自回归模型的分析

本文采用马尔可夫转换-自回归模型分析了上证综指的周收益率。通过6个模型的比较,本文指出状态转换模型明显优于普通GARCH模型。研究表明中国股市存在多个独特特征:收益率在不同状态之间的变动规律差异显著;低波动状态的持续时间最短,出现频率也最低,而高波动状态出现次数最多,并且同牛市的相关性显著;中国股市中,低和中等波动状态之间无法直接转换,而是必须通过高波动状态作为媒介而相互转换。这些特征都显著区别于成熟市场,也提供了中国股市缺乏有效性的直接证据。本文结论有助于风险控制、预测等金融实践操作,对于股市制度设计和创新也能提供一定的方向指导。

基于马尔可夫状态转换模型的沪深股市波动率的估计

为了更准确地估计具有结构转换的沪深股市收益率波动特征,本文将沪深股市的波动变化分为上涨、下跌和盘整三个状态,选用2000年1月4日至2011年12月30日的上证综指和深证成指日收益率数据作为样本,2012年1月4日至2012年1月17日的日收益率作为样本外预测,分别应用GARCH和APGARCH模型,以及RS-GARCH和RS-APGARCH模型估计和预测两序列的波动率,最后采用MSE1、MSE2和QLIKE对估计和预测出的波动率进行评价。结果表明:单一状态和三种状态下APGARCH模型均比GARCH模型估计和预测的波动率更准确;更进一步带有马尔可夫状态转换的模型估计和预测出的波动率更准确,且误差分布服从正态分布的模型估计和预测的波动率拟合结果优于误差服从t分布的模型。

舰船发电系统多状态可靠性马尔可夫报酬模型

针对舰船发电系统的多状态特征,考虑舰船计划维修间隔期对系统可靠性参数的影响,利用马尔可夫报酬模型构建冷储备结构的发电系统状态转移矩阵、报酬矩阵、报酬函数和系统需求满足函数,通过对报酬矩阵元素的合理赋值,获得系统区间可用度、平均可工作时间、平均停机时间、平均故障次数、计划维修间隔期内系统可靠度等参数,并通过算例验证模型正确性和适用性,分析系统计划维修间隔时间、单机组平均修复时间等指标对系统可靠性参数的影响,为研究舰船发电系统可靠性设计提供建模工具,为合理安排舰船装备维修结构提供技术支持。研究结果验证了马尔可夫报酬模型在复杂多状态系统可靠性建模和计算方面的便捷性和灵活性。

基于超状态隐马尔可夫模型的智能电能表非侵入式故障远程检定

存在故障或误差的智能电能表不仅给电网企业带来经济损失,而且其中的安全隐患容易影响电网的稳定运行,尤其是对成分复杂的智能电网体系。针对这一问题,提出一种基于超状态隐马尔可夫模型(Super-State Hidden Markov Model,SSHMM)对故障电能表进行非侵入式远程检测与定位。该方法不仅能发现已经出现故障的电能表,还可以对最有可能出现故障的电能表进行估计,为电网企业的运营管理提供参考,在真实数据集上的实验结果验证了该方法的有效性与稳定性。

基于隐藏半马尔可夫模型的传感器状态感知研究

当前,传感器的高误检率和接线故障导致的检定不合格问题,影响了检定效率。为解决这一问题,该研究提出了一种针对IO-Link传感器的状态感知模型,旨在有效应对传感器的高误检率和组件故障问题。首先,构建混合冗余IO-Link传感器容错系统模型与传感器故障诊断和隔离的误检率数学表达式。随后,基于隐藏半马尔可夫模型,提出用于检测传感器状态的随机过程评价模型。最后,通过模拟测试验证所提出模型的有效性。在检测阈值为5%的情况下,所提出的传感器状态感知评价模型没有出现误报,并且实现了100%的状态检测准确度。因此,该研究不仅可为IO-Link传感器状态感知提供解决方案,还能为提高检定效率和确保检定合格性提供理论支持和实际应用基础。

主动容错多副本民航存储系统状态转换模型

主动容错机制解决了被动容错冗余问题,实现了硬盘潜在故障的提前预测和主动处理,显著提高了存储系统的可靠性.然而,民航存储系统采用被动容错机制无法全面保障系统可靠性.本文利用主动容错机制的优势,基于硬盘故障预测模型构建了多副本民航存储系统状态转换模型.该模型全面考虑硬盘,节点和机架故障3个因素,采用韦布分布模拟民航存储系统事件的发生.根据系统状态转换模型,本文使用了改进的基于事件驱动的蒙特卡洛仿真方法,对民航存储系统进行了全面的可靠性分析.实验结果表明,本文模型显著提高了民航存储系统的可靠性.另外,敏感性分析得出主动和被动的结合机制有效延缓了系统可靠性下降的趋势,节约了网络带宽资源.

小波相关特征尺度熵和隐半马尔可夫模型在设备退化状态识别中的应用

为正确识别机械设备当前所处的退化状态,预防设备进一步退化和故障的发生,提出一种基于小波相关特征尺度熵和隐半马尔可夫模型(Hidden semi-Markov models,HSMM)的设备退化状态识别新方法。对采集到的设备振动信号进行小波相关滤波处理,得到信噪比较高的尺度域小波系数,在此基础上结合信息熵理论提出了沿尺度分布的小波相关特征尺度熵概念。构造信号的小波相关特征尺度熵/矢量,并以此矢量作为HSMM的输入进行训练,建立基于HSMM的机械设备运行状态分类器,从而实现设备退化状态的识别。以滚动轴承为例,对正常和几种故障程度不同的滚动体运行状态进行了识别,同时还与基于小波相关特征尺度熵-HMM的状态识别法进行了比较,试验结果表明该方法能有效识别设备的退化状态。

马尔可夫模型状态转移概率矩阵的快速计算方法

马尔可夫模型在系统可用性分析中,具有重要应用。马尔可夫模型求解系统可用性的关键,是分析系统可能状态,并且计算系统状态转移概率矩阵,提出了系统可能状态分析的新方法,进一步根据单元状态转移概率矩阵,提出了系统状态转移概率矩阵分析计算的新方法,所提出的方法,概念清晰,便于编程计算,可用于马尔可夫模型,计算系统可用性。

基于小波特征尺度熵-隐半马尔可夫模型的设备退化状态识别方法及应用

机械设备从正常到故障往往经历一系列退化状态,正确识别设备当前所处的退化状态,对预防设备进一步退化和故障的发生具有重要意义。提出了一种基于小波特征尺度熵-隐半马尔可夫模型(HSMM)的设备退化状态识别新方法。通过小波变换提取小波特征尺度熵,然后构造信号的小波特征尺度熵向量,并以此作为HSMM的输入进行训练,建立基于HSMM的机械设备运行状态分类器,从而实现设备退化状态的识别。并且以滚动轴承为例,对正常和几种故障程度不同的滚动体运行状态进行了识别,实验结果表明该方法能有效的识别设备的退化状态。

基于隐半马尔可夫模型设备退化状态识别方法研究

机械设备从正常到故障往往经历一系列退化状态,正确识别与估计设备当前所处的退化状态,对预防设备进一步退化和故障的发生具有重要意义。隐半马尔可夫模型(Hidden Semi-MarkovModels,HSMM)是隐马尔可夫模型(hidden Markov models,HMM)的一种扩展模型,克服了因马尔可夫链的假设造成HMM建模所具有的局限性,比HMM具有更好的建模能力和分析能力。由状态识别和HMM本质上的相通性,将HSMM引入到机械设备的状态识别中,提出了一种基于HSMM状态识别方法,描述了该模型的拓扑结构和主要参数以及相应的训练和识别算法。最后通过滚动轴承试验系统验证了方法的有效性。

基于隐马尔可夫模型和高斯混合模型结合的声音转换方法

针对隐马尔可夫模型较强的语音信号表征能力和高斯混合模型良好的声音转换效果,提出了一种了隐马尔可夫模型和高斯混合模型相结合转换线谱频率的方法,给出了理论推导和算法流程,并利用高斯建模实现了韵律特征的转换。利用所述算法对录制的两段语音进行了仿真实验,转换语音有较好的自然度和清晰度,ABX测试结果显示,文中算法得到的语音在听觉上有90.2%的概率更接近目标说话人语音。

大系统马尔可夫模型状态转移概率矩阵的快速形成方法

提出马尔可夫模型状态转移概率矩阵的快速形成方法.定义元件状态转移率矩阵和系统状态数组,将系统状态转换为便于计算机存储与处理的数组,有效地描述了系统状态之间的转移;基于元件状态转移率矩阵和系统状态数组提出不受系统状态和元件状态数目限制快速准确计算状态转移率的方法,通过挖掘状态转移概率矩阵中非零元素的分布规律提出非零元素的快速定位方法,进而快速形成状态转移概率矩阵的稀疏存储;针对由两状态元件组成的系统,提出基于给定系统状态排序和服务状态集数组快速定位状态转移概率矩阵中非零元素的方法.将其应用于电力系统概率安全性评估,以新英格兰10机39节点系统为例,证实了方法的有效性和实用性.

基于隐马尔可夫模型的软件状态评估预测方法

随着软件系统功能和性能的强化和提高,企业的管理效率在不断提升,运营模式也越来越丰富.与此同时,软件系统变得越来越复杂,这向软件系统管理和维护提出了严峻的挑战.如何通过采集系统外部特征参数,对系统内部状态进行客观、准确地评估和预测,成为亟待解决的问题.为此,提出了一种基于隐马尔可夫模型的软件系统状态评估预测方法.该方法基于软件系统外在特征参数,通过K-means方法构建系统的观测状态,并以此建立隐马尔可夫模型,建立起系统外在状态(观测状态)和内部状态(隐藏状态)之间的联系;再利用三次指数平滑法对具有周期性变化的系统特征参数进行预测,即可预测系统未来状态.针对基于B/S软件架构的信息管理系统的实验,其结果表明该方法对系统状态评估和预测具有较高的准确性.

基于马尔可夫状态转移的变压器剩余寿命预测

提出了一种基于马尔可夫状态转移矩阵的变压器缺陷转移率预测方法。利用变压器历史缺陷记录,建立威布尔分布模型拟合得到变压器缺陷转移率,将其应用于马尔可夫状态转移矩阵中,得到变压器不同状态之间的转移率,并引入了回退因子进行修正;基于该缺陷转移率,通过构建比例故障模型对变压器剩余寿命进行预测,结果表明,所提方法预测出的剩余寿命价值更加贴合变压器实际运行状况,验证了其合理性和可靠性。

语音识别中隐马尔可夫模型状态数的研究

该文从信息论的观点出发，对语音信号的隐马尔可夫模型（ＨＭＭ）的状态数进行研究，建立了ＨＭＭ的状态数研究的简化模型，指出ＨＭＭ的信息熵是由语音信号的固有熵和附加熵组成。随状态数增加，信息熵趋向固有熵。最后，在综合考虑信息熵和运算量两方面因素情况下，得出的状态数宜在６～８之间的结论。

基于马尔可夫转换模型的违约风险溢价预测研究

针对违约风险溢价变化依赖于经济波动状态以及市场、宏观经济变量依赖于经济周期时变因素的阶段,基于马尔可夫转换阶段的具体特征,构建马尔可夫违约风险溢价预测转换模型,并以香港恒生指数信用违约互换波动为例,测算因时变系数波动的指数息差、宏观经济变量等概率,通过实证算例剖析股市、宏观经济变量与违约风险溢价之间的内在联动关系和信用违约风险溢价变化的转换机制,以期实现对违约风险溢价能够进行有效预测,实证仿真结果说明了模型的有效性。

基于隐马尔可夫模型局部最优状态路径的数据重建算法

该文提出了基于隐马尔可夫模型局部最优状态路径的数据重建(LOPDI)算法。该算法假设语音特征矢量是一个L状态隐马尔可夫模型的输出序列,基于局部最优状态路径估计产生语音特征矢量的次最优状态序列,并按最大后验概率准则(MAP)重建出“缺失矢量”。实验表明,LOPDI算法能够显著提高语音识别系统对加性噪声的鲁棒性。

基于马尔可夫模型的液体火箭发动机状态监控方法研究

本文介绍了动态系统马尔可夫模型描述方法 ,在动态系统马尔可夫建模理论基础上提出了基于马尔可夫模型的液体火箭发动机状态监控方法 ,最后 。

马尔可夫转换模型的极大似然估计的算法

由金融和经济时间序列,文章引入了马尔可夫转换模型并详细给出其原理——隐藏马尔可夫模型,以及在条件高斯下的极大似然估计方法。通过引入新的模型——扩张隐藏马尔可夫模型,对多种状态转移的情形下的极大似然估计量的算法进行了改进。