马尔可夫copula模型下通过双边CSA或CCP清算的CDS的TVA计算

为了解市场参与者从双边信用支持附件(CSA)清算转向中央交易对手(CCP)清算时,信用违约互换(CDS)合约的总估值调整(TVA)的变化,建立了在双边CSA或CCP清算下CDS合约的TVA的定价框架,并利用马尔可夫copula模型刻画违约相关性。在此模型下,得到了TVA的显式表达式,并做了数值计算分析。

基于因子隐马尔可夫Copula模型的金砖国家股市间相依性研究

为了考察重大经济或政治等事件对金融市场间相依性造成的影响,文章构建了一种允许变量间相依系数服从高维机制转换过程的因子隐马尔可夫Copula模型(FHM-Copula),该模型能够捕获重大事件对相依性带来的不同程度、不同方向、不同持续时间、瞬时或长期的外部冲击.实证研究中,文章基于FHM-Copula模型分析了中国与其他金砖国家股票市场间的动态相依性.研究结果表明,FHM-Copula模型能够有效地识别美国次贷危机、欧债危机、中国股灾、中国接任金砖轮值主席国和新冠肺炎疫情等重大事件对中国与其他金砖国家股市间相依性造成的外部冲击.文章的工作不仅为金融变量间的动态相依性研究提供了基于信息冲击视角的理论分析框架,同时也为投资者和政府监管部门在投资决策和风险管理方面提供了参考.

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.

基于马尔可夫模型的油菜花期低温阴雨灾害预测

花期低温阴雨是四川盆区油菜的主要气象灾害之一,本研究旨在通过预测四川盆区油菜花期低温阴雨灾害,为防灾减灾提供科学依据。本研究基于1961-2020年四川盆区101个站点油菜花期低温阴雨灾害损失评估结果,依据灾损率,将各站点60 a灾害序列划分为5个状态;利用马氏性检验筛选站点序列,选取满足预测条件的序列;对通过马氏性检验的站点序列,建立叠加马尔可夫链、加权马尔可夫链、改进叠加马尔可夫链、改进加权马尔可夫链模型预测油菜花期低温阴雨灾害,并对结果进行回代和预测检验。结果表明,4种模型均有一定的预测能力,其中改进后的模型预测总正确率较改进前有明显提高,且各等级灾害的预测正确率分布较改进前更加均匀,表明改进后的马尔可夫模型具有更好的预测效果。

基于情绪向量的隐半马尔可夫模型股市拐点预测方法

股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法难以适应市场情绪的多变性,在实际应用中效果不理想。文章针对市场情绪的不稳定性导致股市拐点难以预测的问题,提出一种基于情绪向量的隐半马尔可夫模型股市拐点预测方法(hidden semi-Markov model stock turning point prediction method based on sentiment vector,SV-HSMM)。针对市场情绪不可观察性,选取与市场情绪相关的主要特征,使用马尔可夫毯融合成市场情绪;利用隐半马尔可夫模型建模市场环境,构建市场情绪、市场状态和状态持续时间之间的结构关系;引入情绪向量平滑情绪的多变性,并利用Kullback-Leibler(KL)距离量化情绪热度;利用隐半马尔可夫模型的动态推理实现股市拐点预测。结果表明情绪向量方法具有更好的预测效果。

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。

马尔可夫攻防模型下网络边缘态势监控仿真

马尔可夫攻防模型能够生成观测序列,通过对此序列的识别与预测,达到监控目的。由于网络的数据量大,各种攻击手段都对网络安全造成严重威胁。为了提高监控效果,提出一种基于马尔可夫攻防模型的网络边缘态势监控。通过设置采集平台,将马尔科夫攻防过程看作用户与攻击者的博弈过程,利用状态空间、状态概率分布、风险指数等七元组建立马尔可夫攻防模型;确定模型参数,采用模糊层次算法选取监控指标,设计模糊矩阵,获取指标权重,计算风险指数;确立监控平台整体架构,通过上述平台呈现风险指数,实现网络边缘态势监控。实验结果表明,所提方法的监控效果好,监控的平均绝对误差小,始终低于0.2,且对所有攻击类型均适用。

基于无偏灰色-马尔可夫链模型的铁路客运量预测研究

铁路客运量能够反映一个国家的人口流动,是铁路经济效益计算的重要基础。本文将无偏灰色预测模型与马尔可夫链状态转移矩阵相结合,建立无偏灰色-马尔可夫预测模型。实验表明:无偏灰色-马尔可夫模型预测精度比无偏灰色模型的预测精度高,效果好,模型的参考价值得到了很大提升,为全国铁路各线路的制定、掌握铁路客运量发展规律提供理论参考和数据支撑。

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。

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。

马尔可夫链模型在桥式起重机风险评估中的应用

桥式起重机的风险评估方法众多,技术人员一直在研究如何应用更加科学、有效的方法真实反映起重机的安全状况。本文针对桥式起重机的结构特点,将桥式起重机系统划分为金属结构、主要零部件等4个单元,对每个单元采取不同的、有针对性的风险评估方法,进而得到了各单元的风险等级。将各单元风险等级数据代入马尔可夫链模型,最终得出该桥式起重机的风险等级状况。

基于隐半马尔可夫模型的微震信号分割方法

微震监测系统采集到的连续微震信号中往往包含着多种微震事件,为了对各种事件做进一步的分析,如微震事件识别与分类、微震源定位等,对微震信号的分割进行研究是首要前提。针对此问题,提出了一种基于隐半马尔可夫模型(hidden semiMarkov model, HSMM)的微震信号分割方法,该方法将微震信号中有无微震事件发生视为HSMM中的状态转换过程,并考虑状态的持续时间。首先提取预处理后微震信号的香农能量包络作为特征,对应HSMM中的观测序列,然后对训练集信号使用Baum-Welch算法估计出HSMM最优参数,接着使用维特比算法预测待分割微震信号的状态序列,最后基于状态序列完成信号分割。使用来自实验室和隧道开挖工程中的微震数据验证了方法的有效性,对比方法为长短时窗比值(STA/LTA)算法和AIC拾取算法。实验结果表明,不论是初至时刻拾取还是结束时刻拾取,HSMM均取得了最好效果,平均拾取误差分别为5.44 ms和17.70 ms,且初至拾取误差在10 ms及20 ms内的占比分别为79.3%和100%。在对连续微震信号的分割实验中,HSMM的拾取效果也优于STA/LTA算法,初至时刻和结束时刻的平均拾取误差分别为3.55 ms和27.11 ms,优于STA/LTA算法的4.00 ms和167.88 ms。

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。

基于相似日与加权马尔可夫模型的风力发电功率区间预测

为了提高风力发电功率预测精度,提出一种基于相似日与加权马尔可夫模型的风力发电功率区间预测方法(SWMQ)。风电功率数据与风速数据直接相关。首先对于数据中的异常值和缺失值,通过线箱图法和相关性填补法对数据进行预处理,提高数据的关联性,通过卷积神经网络(CNN)对风速进行预测;然后由预测到的风速数据在历史数据中通过皮尔逊相关系数法寻找相似日,以相似日功率数据为数据集进行加权马尔可夫模型预测;最后通过分位数回归原理对预测区间进行求取,同时建立基于CNN模型、相关性填补、CNN模型和加权马尔可夫模型,以西北某风电场数据进行仿真对比。实验表明该模型在风力发电功率预测上有较高的精度,能更好地体现数据变化的阈值。

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。

基于混合高 斯-隐马尔可夫模型的驾驶意图识别方法研究

驾驶意图的准确识别,能为车辆轨迹预测和行驶风险评估提供有力的理论支撑。首先,提取大量车辆轨迹数据,通过拼接重构方法得到同时包含3类驾驶意图的轨迹数据;其次,以车辆横向速度、加速度以及偏移量作为驾驶意图的表征参数,构建基于混合高斯—隐马尔可夫模型的驾驶意图识别方法,并通过对比不同识别窗口长度得到:窗口长度为2 s时总体精度最高;然后,为避免单点误判对模型精度的影响,设计1种多点识别的修正方法,对驾驶意图结果进一步修正,多次测试发现以连续3帧作为观察窗口时修正效果最好,驾驶意图的识别率高达98.84%。研究成果能应用于轨迹预测和风险评估中,进而为道路交通安全性的提高起到一定的推动作用。