公路货运量灰色模型—马尔可夫链预测方法研究

将灰色系统理论与马尔可夫链相结合,首次提出了灰色模型—马尔可夫链预测公路货运量的方法;并结合"十五"期间中国公路货运量和公路货运市场的发展趋势的预测分析详细阐述了该方法的具体应用。首先建立GM(1,1)灰色动态拟合模型,并以此作为公路货运量发展变化的动态基准线模型;在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分、样本值与模型拟合值之间的残差及其标准化离差等指标的分析计算,最终以概率形式分析和预测公路货运量的发展变化区间。理论分析和实践都表明,该法不但预测结果更可靠,而且能够对公路货运市场的发展趋势进行宏观的把握,有利于决策者的决策行为。

基于灰色-马尔可夫链改进方法的铁路货运量预测研究

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。本文将灰色模型预测方法GM(1,1)和马尔可夫链预测相结合,提出灰色马尔可夫链改进预测方法,并且针对我国铁路货运量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色马尔可夫链改进方法的预测结果更加准确可靠,更有利于决策者的经济决策行为。

大型电力系统可靠性评估中的马尔可夫链蒙特卡洛方法

提出大型电力系统可靠性评估的一种新的蒙特卡洛模拟方法—马尔可夫链蒙特卡洛方法(Markov chain Monte Carlo,MCMC)。MCMC方法是一种特殊的蒙特卡洛方法,它将随机过程中的马尔可夫过程引入到蒙特卡洛模拟中,实现动态蒙特卡洛模拟。该方法通过重复抽样,建立一个平稳分布与系统概率分布相同的马尔可夫链,从而得到系统的状态样本。由于MCMC方法考虑了系统各个状态间的相互影响,相比于随机采样的蒙特卡洛方法所得到的独立样本序列,更准确模拟了电力系统运行实际情况。IEEE-RTS 24节点算例表明,该算法可快速收敛,节省计算时间,提高计算速度。同时,由于每条马尔可夫链均收敛于同一个分布,即所谓平稳分布,所以算法具有良好的稳定性。对西北330 kV电网的可靠性评估再次表明了该方法的正确性和有效性以及该方法用于大型电力系统的可靠性评估的优越性和潜力。

基于灰色-马尔可夫链改进方法的预测方法

集装箱中心站运量预测工作是项目建设规模和运营经济评价的基础,在中心站建设的工作中处于十分重要的地位。文章将灰色模型预测方法GM(1,1)和马尔可夫链预测相结合,应用灰色-马尔可夫链改进预测方法,针对铁路集装箱中心站货运量的发展趋势进行了预测,分析表明通过马尔可夫链的修正,灰色模型预测结果精确度得到较大改善,可得出比灰色预测更加准确的结论,更有利于决策者的经济决策行为。

灰色——马尔可夫链改进的预测方法

科学的预测对于经济现象的研究和经济政策的制定具有十分重要的意义,因此关于经济预测理论和方法的研究一直是一个热点。本文采用灰色模型预测方法GM(1,1)和马尔可夫链预测相结合,提出了灰色-马尔可夫链改进预测方法,并且针对我国铁路货运量的未来趋势进行了经济预测的实证分析,得出了比灰色预测更加准确的结论。

基于马尔可夫链蒙特卡罗方法的统计过程调整技术研究

建立了统计过程调整问题模型,研究了基于马尔可夫链蒙特卡罗方法的统计过程调整技术,并通过吉布斯抽样实现了偏移量的参数估计。在参数未知及参数已知的条件下,通过与其他方法的实例对比研究,验证了该方法的可行性及性能优势,并对参数未知条件下基于该方法的统计过程调整技术进行了改进。

马尔可夫链—蒙特卡罗方法与人口学研究

本文概略介绍了用于粒子物理学研究的马尔可夫链-蒙特卡罗方法(MCMC)移植到人口学这个复杂系统研究的思想和方法,同时还介绍了马尔可夫链-蒙特卡罗方法在人口学应用中的重要工具和手段,如随机数、人口分布函数、人口样本的随机抽样和用马尔可夫链-蒙特卡罗方法进行人口仿真研究的简略过程及标题式介绍了用此方法做过的一些工作。

马尔可夫链蒙特卡罗方法在保险定价中的应用

预测最终损失是保险定价中最重要的组成部分,而马尔可夫链蒙特卡罗方法(MCMC方法)在这方面拥有独特的优势。通过建立模型进行实证,为利用马尔可夫链蒙特卡罗方法进行保险定价提供了思路。

基于灰色马尔可夫链模型的航空货运量预测研究

航空货运量预测是航空货运发展和决策的基础.将灰色系统理论和马尔可夫链相结合,提出了灰色-马尔可夫链预测航空货运量的预测方法,并且针对我国航空货运量的发展趋势进行了预测.理论分析与实践都表明,该方法不但预测结果可靠,而且能够对航空货运市场的发展趋势进行宏观把握,有利于决策者的经济决策行为.

基于灰色-马尔可夫链的区域物流需求预测

文章将灰色系统理论与马尔可夫链相结合,首先建立GM(1,1)灰色模型,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分,最终预测值以概率和区间形式表现。将该方法应用于区域物流需求的预测中,得出的预测结果更可靠,而且能够对区域物流需求的发展趋势进行宏观把握,有利于决策者的决策行为。

体育教学质量的马尔可夫链评估法

根据马尔可夫链方法 ,学生学习成绩的变化表明了学生学习状态的转移 ,学习状态的转移概率仅与教学质量和教学条件有关 ,而与学生的基础无关 ;运用该方法评价教学质量对学生进步情况比学生成绩本身更重要。

具有非马尔可夫旅途感染的流行病传播模型研究

针对旅途中的接触可以扩大流行病传播规模的问题,在集合种群网络中考虑一种时滞旅行行为和旅途中的疾病传播和恢复过程,构建具有非马尔可夫旅途感染的传播模型并利用计算机仿真模拟系统中的传播过程。基于微观马尔可夫链方法,构建预测疾病流行阈值的理论框架。仿真结果表明,旅途感染可以促进流行病在旅途中的传播,抑制其在种群内的传播;旅途时长和旅途接触概率能够改变流行病的演化趋势。这些结果有助于理解旅途感染如何影响流行病的传播。

子集模拟中马尔可夫链蒙特卡洛抽样算法比较

文章着重研究子集模拟中马尔可夫链蒙特卡洛(MCMC)抽样算法的抽样效率与计算精度。首先,阐述可靠度子集模拟的基本原理与中间状态样本生成的各种MCMC抽样算法,在稳态马尔可夫链构造基础上提出延迟拒绝MMH(Modified Metropolis-Hasting)算法,通过在MMH算法上增加备选样本的延迟拒绝步提高MMH算法的抽样效率;阐述基于随机游走与基于扩散方程MCMC方法中建议分布的差异,进一步对备选样本接受率为1的preconditioned Crank-Nicolson(pCN)算法和条件抽样(Conditional sampling, CS)算法开展研究,证明两种算法的等价性;推导有效样本量的计算方法,提出采用有效样本量与总样本量的比值定义MCMC方法的抽样效率。通过复杂目标分布的样本生成研究不同MCMC抽样算法建议分布及其参数对备选样本接受率与抽样效率的影响,最后通过计算实例研究子集模拟过程采用不同MCMC抽样算法得到失效概率的相对误差及其变异性,揭示不同MCMC抽样算法对失效概率计算精度的影响。研究表明:不同MCMC抽样算法生成备选样本的接受率及其自相关性受建议分布及其参数影响较大,对于复杂的目标分布,pCN算法和CS算法的抽样效率较高,延迟拒绝MMH算法次之;采用CS算法和延迟拒绝MMH算法进行子集模拟得到的失效概率精度较高且变异性较低;增加子集模拟中间状态样本量可以提高失效概率计算精度并降低其变异性。

基于改进的灰色-马尔可夫链模型的广西物流需求预测研究

科学的经济预测有助于经济现象的研究和经济决策的制定,是区域物流规划和决策的前提,因而科学合理的物流需求预测方法就显得尤为重要。文章将传统的灰色模型和马尔可夫链相结合,建立改进的预测模型,并将该改进模型应用于广西物流需求的预测,显示出更加准确可靠的预测结果,有助于相关部门制定经济决策。

基于马尔可夫链蒙特卡罗算法的无线电定位

为实现在多媒体舞台剧中真实空间的目标与多媒体背景的虚拟空间元素间的互动,进行无线电测向定位建模,利用马尔可夫链蒙特卡罗算法进行仿真.实际应用表明,该方法可通过驱动多媒体舞台背景的虚拟场景元素的位置和形态的变化,实现真实空间与虚拟空间的互动.

基于频次与极值外推综合的载荷外推总体方法

载荷外推作为载荷谱编制的重要技术手段,当前研究缺乏对于载荷外推总体方法的全面梳理、马尔可夫稳态分布的求解方法适应性不够、缺乏不同非参频次外推方法的比较与选用原则,导致不便生成高精度载荷谱以支撑装备性能设计。围绕坦克在高机动和极限工况下的载荷谱编制问题,基于某坦克行进间身管位移数据样本,分别使用基于雨流矩阵及核密度估计的非参数外推法、基于马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)的信号重构法以及Metropolis-Hastings(简称MH)直接采样法进行了载荷频次外推,并针对MCMC的信号重构法提出了一种改良马尔可夫稳态分布的求解方法。应用所提出的频次-极值相结合的载荷外推总体方法对坦克身管位移进行了频次扩充与极值预测,并结合实车试验结果验证了方法的准确性。研究结果表明:改良的马尔可夫稳态分布求解方法是有效的;在样本长度足够、外推精度要求不甚高的情况下,MH直接采样法可作为一种新的频次外推方法;运用频次-极值相结合的载荷外推总体方法所得结果精度较高;形成的频次外推法选用原则对于载荷谱编制过程中的方法选择具有一定的指导意义。研究工作为装备载荷谱的高质量编制提供了成熟的技术路线和参考。

航空电子设备多源信息融合可靠性评估方法研究

针对航空电子设备的研制阶段和数据特点,研究了一套跨阶段、变母体、小子样数据条件下的多源信息融合的可靠性评估模型。该模型基于Bayes方法融合样本信息和先验信息,通过后验信息和观测数据对先验信息进行更新,并利用马尔可夫链蒙特卡洛(MCMC)方法进行求解,提高了航空电子装备的可靠性评估的拟合优度,使得估计结果更接近于真实情况。

基于生成对抗网络的数据不确定性量化方法

针对直接使用高维、高频、含有噪声的现实世界数据进行数据处理时会导致估计器不可靠的问题,提出一种基于生成对抗网络(GAN)的数据不确定性量化方法。首先,通过GAN重构原始数据分布,构建噪声空间到原始数据空间的映射分布;其次,使用马尔可夫链蒙特卡洛(MCMC)方法抽取样本,从而得到基于原始数据分布的新样本;然后,基于指定的函数定义样本的不确定性置信区间;最后,使用置信区间对原始数据进行不确定性估计,并选择置信区间内的数据作为估计器使用的数据。实验结果表明,与使用原始数据相比,使用置信区间内的数据进行估计器训练达到性能上限所需要的样本数减少了50%;同时,对比原始训练数据,置信区间内的数据在达到相同测试精度时所需要的样本数平均降低了30%。

利用MCMC方法估算地震参数

本文介绍了用MCMC(马尔可夫链蒙特卡洛)方法估计地震参数的基本原理及应用。首先利用MCMC方法生成马尔可夫链,然后对链进行统计分析,得到未知参数的估计值。在运用Metropolis-Hastings算法生成马尔可夫链时,可随着迭代次数的增加逐渐减小其游走的步长,以确保迭代初期较早收敛到真值附近,迭代后期在真值附近能得到精度较高的估计值。模型试算结果表明:反演结果与理论模型基本吻合,实际资料的应用效果也证明了算法的有效性。