马尔科夫链状态概率转移矩阵修正算法

文章分别考虑新、老客户对某类产品各品牌市场占有率贡献情况,对市场调研获取的数据进行量化,获得反映客户在品牌选用转移关系的初始矩阵;结合相邻时期产品的市场占有率数据,对初始矩阵迭代求解构建更精确反映市场客户行为的马尔科夫链的状态概率转移矩阵。通过对状态转移矩阵和初始矩阵的"皮尔逊相关系数"计算来评价状态转移矩阵的可靠性。实例证明,状态转移矩阵与初始矩阵各行相关系数达99%以上,真实的反应了各品牌产品在市场占有率中的内在转移情况。

基于马尔科夫过程状态转移矩阵的桥梁结构技术状态预测方法研究

桥梁结构技术状态的预测是当前桥梁管理研究的关键问题。基于目前国内规范所规定的桥梁结构分类的前提下,阐述如何使用马尔科夫过程构建状态转移矩阵,对桥梁结构的技术状态进行预测,通过对桥梁技术状态的准确评估和预测为桥梁精准维护和维修决策提供依据。该计算和预测方法需要的信息较少,并且在收集信息方面相对简单,适用于现在的信息管理系统。

基于马尔科夫链状态转移概率矩阵的商品市场状态预测

马尔科夫链虽然原理复杂,但是应用非常广泛。马尔科夫链主要用于分析随机事件未来发展变化的趋势,是一种比较科学的预测方法。在经济领域,很多现象都具有马尔科夫链的特征。用马尔科夫链的基本原理和基本方法研究这些现象,可以对这些现象的发展变化作出预测。

应用马尔科夫链模型预测短期房价——以南宁市为例

本文阐述了马尔科夫预测模型的特点,并通过选取南宁市2019年3月至2022年2月商品房住宅价格的月度统计数据,构建马尔科夫预测模型,借助EViews软件对该数据进行分析,最终得出的预测结果显示,未来一段时间内,南宁市房价处于平稳状态的可能性最大。研究结果和实际情况相符,说明了利用马尔科夫预测模型对房价短期走势的预测是比较精准可靠的。This paper describes the characteristics of the Markov prediction model and constructs the Markov prediction model by selecting the monthly statistical data of residential commodity house prices in Nanning City from March 2019 to February 2022. By analyzing the data with the help of EViews software, the final prediction result shows that the housing prices in Nanning City are most likely to be in a stable state in the future. The results of the study are consistent with the actual situation, which shows that the Markov prediction model is more accurate and reliable in predicting the short-term trend of housing prices.

考虑复杂出行链基于双链马尔科夫的电动汽车负荷建模方法

为解决电动汽车(electric vehicle,EV)负荷建模困难且精度低的问题,提出了考虑复杂出行链基于双链马尔科夫的电动汽车负荷建模方法。首先,对5种状态下EV的荷电状态进行划分;其次,对出行时间、停驻时长等与EV出行相关的内部因素以及道路拥堵、天气状况、空调启停等外部因素进行分析,并据此构建考虑内外部因素的EV复杂出行链模型;最后,在确定主链和辅链的状态转移概率矩阵基础上,推导双链马尔科夫的一步转移概率矩阵,建立不同状态下考虑复杂出行链的EV负荷模型。对所提EV负荷模型进行仿真验证,并与典型日EV负荷数据及其他建模方法进行对比,结果表明,所提负荷模型的精度更高,能够更加准确地描述EV充放电负荷。

改进转移概率矩阵的三维交互式跟踪模型算法

由于现有的简单的转移概率矩阵会导致跟踪精度不高,复杂的转移概率矩阵会导致跟踪时间过长,难以满足三维空间中机动目标跟踪要求。针对转移概率矩阵的设计问题,从机理分析入手,提出了一种基于隶属度函数的模型转移概率矩阵设计方法,并对三维交互式多模型算法进行了改进完善。仿真结果表明,依据隶属度函数修正转移概率矩阵的方法有效提高了三维机动目标的跟踪精度。

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响,提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法.该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计,并将估计结果用于交互式多模型算法的设计中,构造出时变马尔科夫状态转移概率的交互式多模型算法,有效地降低了人为因素对机动目标跟踪精度的影响.通过对一个机动目标的跟踪对比,说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率.

市场预测中马尔科夫链转移概率的估计

针对马尔科夫链运用于市场预测的关键问题，导出了最小二乘意义下的状态转移概率矩阵估计公式，并对特殊情况下实际常用的状态转移概率矩阵估算公式给出了理论证明。

具有随机非线性和部分转移概率未知的马尔科夫系统的H_∞控制(英文)

本文研究了非线性马尔科夫跳变系统的H∞控制问题.研究上述系统时:1)利用了非线性的概率分布信息;2)利用了转移概率中已知部分和未知部分的关系.利用李雅普诺夫泛函方法和线性矩阵不等式方法,本文得到了使得系统随机稳定的充分条件并得到了相应的反馈控制增益.文中最后给出的例子表明了所建立模型和分析方法的有效性.

基于马尔科夫转移矩阵的林业产业结构转化趋向研究——以黑龙江省为例

随着"天保工程"和国有林区商业性禁伐政策的全面实施,黑龙江省林业产业结构面临着全面转型和升级的新形势。在分析了近年来林业系统中涉林产业结构发展状况的基础上,文章利用马尔科夫转移矩阵定量测度林业产业结构转化程度和转化趋向。结果表明:黑龙江省林业产业结构整体转化趋向为"二、一、三"结构模式;林业第一产业内部结构转化趋向为经济林产品的种植和采集、林木的培养和种植;林业第二产业仍保持初级林产品加工为主体的发展模式;第三产业中森林旅游与休闲服务业将逐步成为林业主导产业。最后,在既定林业政策下,针对发现的若干问题给出相应的调整建议。

基于马尔科夫转移矩阵的黑龙江省区域产业结构变化聚类分析

从三次产业结构转化的角度出发,对1996—2016年黑龙江省及其13个市(区)的三次产业结构求解马尔科夫转移矩阵,并利用各市(区)的产业结构转移概率进行聚类分析,探寻出黑龙江省及各市(区)三次产业结构演变的趋势和规律。结果表明,各市(区)依据马尔科夫转移概率可划分为4类,这4类地区的资源禀赋优势主要集中在森林、煤炭和石油等自然资源上,但资源利用的不合理造成了产业结构扭曲,进而制约了黑龙江省的经济发展。最后,针对4类地区产业结构演变规律及资源禀赋优势提出了相应的产业结构调整政策建议.

部分转移概率未知的非线性马尔科夫跳变系统的H_∞控制

研究了一类含有未知转移概率的非线性马尔科夫跳变系统的H∞控制问题.所研究的系统具有如下新特性:首次对非线性函数在约束界内的内部变化规律加以利用;马尔科夫跳变系统的部分转移概率完全未知.当处理未知转移概率时,充分利用了未知转移概率和已知转移概率之间的关系.通过对以上新特性进行建模,得到了更具一般性的非线性马尔科夫跳变系统模型.对该模型应用李雅普诺夫函数法,得到了系统均方渐近稳定条件.最后给出的数值算例表明:首先,未知和已知转移概率关系的利用减少了结果的保守性;其次,非线性函数新特性的使用极大地改善了系统的控制性能.

转移概率部分未知的网络化马尔科夫跳变系统镇定（英文）

研究了具有随机时延的网络化马尔科夫跳变系统的镇定问题。首先,将随机时延建模为有限状态的马尔科夫链,通过状态增广的方法,得到了具有2个马尔科夫链的闭环系统模型。然后,考虑到时延和系统模态的转移概率均部分未知,将已知概率和未知概率相分离并把未知概率舍弃,以矩阵不等式的形式得到了镇定控制器存在的条件,同时给出了控制器增益矩阵的计算方法。最后,数值仿真说明了所用方法的有效性。

马尔科夫转移矩阵在人力资源供给预测中的应用

一个全面完整的人力资源战略规划可以成为企业的核心竞争力,是企业取得竞争优势的重要手段。文章着重讲解马尔科夫转移矩阵在人力资源内部供给预测中的应用,从而使企业通过该方法对其内部人力资源供给进行合理预测,为企业制定人力资源战略规划提供重要保证。

基于马尔科夫概率跃迁矩阵的消费者偏好分析

采用马尔科夫概率跃迁矩阵工具对汽车消费者偏好进行了分析。首先通过抽样调查获得消费者偏好转移的初始矩阵,再通过迭代求解的方法,提高原矩阵内部隐性数值的精确性,并构建动态概率跃迁矩阵,最后使用PPMCC法评价矩阵的稳定性。实例表明,2013-2014年消费者对汽车产品的偏好比例最大为经济优先,比例最小为技术优先。预测2015-2018年,消费者对汽车产品奢侈优先的偏好比例逐年下降,而其他三项的偏好比例逐年上升。

人力资源供给预测中的马尔科夫转移矩阵有效应用

在剧烈的市场竞争中,完整而健全的人力资源战略规划是提升企业竞争力的关键因素。主要分析了人力资源供给预测中,马尔科夫转移矩阵的具体应用,以其为人力资源供给预测研究提供可行性建议。

基于集成聚类及改进马尔科夫链模型的光伏功率短期预测

准确的光伏功率预测是保证新能源电力系统安全稳定运行的重要手段,根据光伏系统出力特点,提出一种基于集成聚类及改进马尔科夫链模型的组合预测方法。首先,通过集成聚类划分表征周期性的趋势序列与表征随机性的随机序列。其次,利用一阶差分处理改进的马尔科夫链模型预测趋势序列,随机序列由差分整合移动平均自回归模型预测。最后,通过对吉林省及青海省光伏电站历史运行数据建模,结果表明基于集成聚类及改进马尔科夫链的方法相较于传统马尔科夫链模型准确率平均提高了7.76%,验证了所提出的模型在不同出力类型、不同地理位置的情况下都具有适用性。

基于时变隐马尔科夫模型的连锁故障预测

近几年,电力系统大面积停电事故在国内外多有发生,而这些事故都是由连锁故障所引起。因此,分析其发展机理、预测其发展路径成为相关学者重点关注的问题。针对目前预测方法比较单一、不能全面考虑连锁故障的影响因素等问题,文章提出时变隐马尔科夫预测模型,该模型改进了马尔科夫模型中的状态转移矩阵;充分考虑了支路保护/断路器拒动、误动概率;系统支路硬件故障概率;支路使用年限等方面因素。文中基于系统拓扑结构计算支路间的故障状态转移概率矩阵,对该矩阵进行不同的改进,通过对比不同模型的预测结果,优化改进,得到连锁故障传播路径,最后,用IEEE 36模型验证所提方法的可行性和准确性。

灰色马尔科夫模型在过程性学习评价中的应用

以过程性评价为灰数,建立灰色马尔科夫预测模型.通过实证研究建立灰色评价等级和灰色转移概率矩阵,预测学生后期学习状态,发现学生的学习状态转移明显,在未来三学期的学习状态几乎趋于平衡点.

部分未知转移概率的马尔科夫跳跃线性系统稳定性分析

该文主要研究了部分未知转移概率的马尔科夫跳跃线性系统的稳定性问题.通过利用连续时间马尔科夫跳跃线性系统转移矩阵行和为零的性质,获得了基于线性矩阵不等式的带有部分转移概率未知的连续时间马尔科夫跳跃线性系统的稳定的充分条件.给出的仿真算例验证了此方法的有效性.