老年人认知状态转移规律及其影响因素研究

目的了解老年人认知状态转移规律及其影响因素,为认知障碍早期干预提供科学依据。方法基于ADNI数据,选取基线年龄≥60岁且至少完成一次随访的受试者为研究对象,认知状态分为认知正常(normal cognition,CN)、轻度认知功能障碍(mild cognitive impairment,MCI)和阿尔兹海默症(Alzheimer′s disease,AD)三类。采用多状态Markov模型探索三种认知状态间的转移规律以及年龄、性别、教育程度、是否携带APOE4等位基因、婚姻状况等对认知状态转移的影响。结果共纳入1907名受试者的10073条记录,基线年龄73.9±6.45岁,平均随访6.6次。多状态Markov模型拟合发现,MCI发展至AD的转移强度是其逆转为CN的2.88倍(0.118 vs.0.041);处于CN的受试者,10年后仍处于CN的概率较第一年降低33.6%,而发展为MCI和AD的概率比第一年分别增加了约3倍和55倍;处于MCI的受试者,10年后仍为MCI的概率仅为0.238,而发展为AD的概率是其逆转概率的3.95倍(0.608 vs.0.154)。此外,CN和MCI状态的平均停留时间分别为18.43年和6.30年。多因素分析发现,性别为男、高龄、低教育程度和携带APOE4等位基因会增加MCI的发病风险。结论随着时间的推移,老年人认知功能呈下降趋势,高龄、低教育年限和携带APOE4基因是认知下降的危险因素。

一种基于DPNN的Markov链等效状态转移模型

针对Markov链状态转移预测,提出一种基于离散过程神经元网络(DPNN)的等效状态转移预测方法和模型,探讨DPNN与Markov模型在一定条件下对于系统状态转移特性描述的等价性问题.利用DPNN对时间序列样本的非线性映射机制和自适应学习能力,可通过对时间序列样本集的训练,确定满足Markov链时间序列状态转移约束关系的DPNN,并将其连接权矩阵作为Markov链等效状态转移矩阵.对于任意的Markov链,给出与之等效DPNN的构建方法和在Markov链状态转移概率条件约束下的网络权值矩阵求解算法,仿真实验结果验证了方法的有效性.

Markov状态转移模型在慢性患者平均寿命预测中的应用

目的 探讨Markov状态转移模型在慢性病平均寿命预测中的应用。方法 建立三状态的Markov模型 ,采用队列分析方法计算慢性鼻衄患者的平均寿命。结果 通过专家假定的状态转移概率预测目前处于疾病状态的一个固定队列的人群今后 5 0年处于疾病状态的平均时间是 7 75 6年 ,处于健康状态的平均时间是 8 13 5年 ,总的平均寿命为15 891年。结论 Markov状态转移模型不仅可以预测慢性病平均寿命 ,还可预测患者处在疾病或健康不同状态的平均时间。

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。

基于Markov链预测研究城乡人口流动状态

城乡人口流动状态对推进新型城镇化进程有着重要的意义,在此依据Markov链相关定义及定理,给出城乡人口流动原理,并通过举例分析预测几十年之后城乡人口流动最终达到一种平稳状态.

高阶Markov链转移概率规律一种新表示法

在许多应用领域,高阶Markov模型正成为研究长期相关性的重要工具之一.为了克服现有高阶Markov模型不能从事动态规律研究这一缺点,讨论从初始状态到任意给定期状态转移概率的表示方法,方便动态数据分析.另外,也给出平稳分布的表达式,为稳态研究提供工具.由于研究结果与一阶Markov链的情况类似,极大地降低了高阶Markov链应用于各领域时的难度.

确定星形分枝Markov链离子通道的转移速率

给出了Markov链中某状态集的生存时间和死亡时间的分布(均是混合指数分布),以及其分布的各阶导数与转移速率之间的约束关系.利用它们证明了:对于星形分枝Markov链离子通道,其全部转移速率能够通过中心状态及其相邻状态的生存时间和死亡时间的分布唯一确定,给出了相应的算法,并例证该算法的正确性和有效性.

基于Markov状态转移的动态可靠性分析

基于系统的马尔可夫性假设,对系统状态进行适当的离散化处理,利用状态转移方法来描述系统的动态随机过程.在求得状态转移矩阵后,再建立离散动态事件树,来求得系统故障概率.用此方法具体分析了水位调节系统.

Markov链中的转移过程张量与超随机张量

研究了一类特殊张量及其简单性质.从Markov链的转移概率矩阵出发,考虑到多步转移概率矩阵中所存储的信息仅表示从状态i经n步到达状态j的总概率,而无法从中直接读出转移过程途经各状态i1,i2,…,im-1的概率,因此提出了可用张量来存储相应的信息,称之为转移过程张量.在此基础上提出了超随机张量的概念,并根据Chapman-Kolmogorov方程证明了某些转移过程张量即为超随机张量.此外,研究了超随机张量的一些简单性质.

采用多状态Markov模型分析我国老年人失能转移规律

背景第四次中国城乡老年人生活状况抽样调查显示,截至2015年,我国失能、半失能老年人的人数约为4 063万人,占老年人人口的18.3%。老年人失能已成为我国现阶段的重要公共卫生问题,老年人失能状态转移规律研究在解决老龄化问题中显得至关重要。目的运用多状态Markov模型对我国老年人失能转移规律进行研究。方法利用中国健康与养老调查(CHARLS)2011年和2013年数据,按美国长期护理调查(NLTCs)制定的失能分类标准对CHARLS数据中60岁及以上的老年人进行失能状态分类,构建多状态Markov模型对老年人失能不同状态间相互转移的规律进行研究。结果本研究共纳入6 615例受访者,随访时间为2年,3 740例(56.54%)保持状态不变,837例(12.65%)状态改善,1 704例(25.76%)状态变差,334例(5.05%)死亡。无论老年人的状态处于哪个阶段,均有可能改善,轻度失能状态改善的概率最高,为0.414 0;初始状态为失能的老年人比初始状态为非失能的老年人更具有状态改变的倾向,但初始状态为重度失能的状态改变的概率低于初始状态为轻度失能和中度失能状态改变的概率;健康受损、轻度失能及中度失能的老年人状态改善的概率均高于变差的概率,重度失能的老年人状态改善的概率低于变差的概率;重度失能死亡的概率最高,为0.355 1。健康、健康受损、轻度失能、中度失能、重度失能状态的平均逗留时间分别为3.33、1.83、1.02、1.02、1.52年。结论老年人状态不变或改善与状态变差一样普遍存在。重度失能老年人的失能转移规律不同于健康受损、轻度失能及中度失能老年人的失能转移规律,健康受损、轻度失能及中度失能仍有较大的恢复的可能性,重度失能的逗留的时间较长,恢复的可能性较小,死亡的概率最高。

一类状态链依赖观测链的隐Markov模型的强极限定理

本文研究一类状态链依赖观测链的新的隐Markov模型的极限定理。首先根据马氏链的性质得到了这种新的隐Markov模型的强马氏性;然后将一般意义下的隐Markov模型的强型的强极限定理和熵密度的极限定理推广到了这种新的隐Markov模型中。

基于Markov链的华夏银行股票波动短期预测

随着社会经济的发展,人们逐渐建立了投资理财的意识,其中股票就是常见的投资对象。如果提供具有参考依据的股票预测结果,对广大投资者以及企业自身而言都将得到可观的收益。本文将Markov链作为预测股票的方法,简要阐述Markov链及其相关的基础理论,以华夏银行作为实证,检验Markov链预测股票涨幅的效果。本文收集和整理了95个交易日的股票数据,以每日涨幅作为依据,划分成为下跌、略微下跌、略微上升和上升共四个状态,计算各阶转移概率矩阵,并在预测前对数据进行了马氏性检验。通过对比发现之后六个交易日中,大部分实际涨幅情况落在预测区间内,并简要分析了华夏银行股票当前走势的可能原因。得出Markov链对股票预测准确度较好的结论,分析出状态转移矩阵的改变是Markov链在中长期预测精准度下降的原因。

基于滚动采样马尔可夫链模型的光伏时序功率模拟研究

光伏出力的波动性和随机性会给电力系统调度运行的安全性和可靠性带来影响。为了实现对光伏出力长时间尺度的准确模拟,本文提出一种基于马尔可夫链的光伏场站时序功率模拟模型。首先,建立光伏出力模型,并对出力的不确定性和规律性特征进行研究分析;然后,在一阶马尔可夫链模型的基础上考虑相邻日之间的联系,根据季节与天气因素以10 d为一个采样区间对历史数据进行滚动采样,建立多状态转移概率矩阵,构建全年时序出力模拟模型;最后,以某光伏电站全年出力数据与历史气象监测数据为基础,通过实例模拟了全年的出力情况,并与传统方法进行了对比分析。算例结果验证了所提方法的有效性,表明该方法较好地模拟了受季节与天气影响下的光伏出力情况,与历史实际情况更为吻合。

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。

基于加权Markov链理论对美国苹果公司股价的预测

以美国苹果公司股票价格为例,使用Markov链理论以及改进后的加权Markov链理论分别对于美国苹果公司股票的价格进行分析和预测。利用均值—标准差分级的方法,将查阅到的股价涨跌幅和收盘价分为若干等级,并且对于模型进行Markov性质检验,从而计算转移概率矩阵,通过转移矩阵对美国苹果公司股价进行预测。验证加权Markov链理论模型预测效果相对较为良好,相对误差较小,说明模型的精确度较高。

考虑消费券刺激的供应链柔性契约优化研究

目的针对政府及相关部门通过大量发放消费券刺激消费的经济现象,探究消费券刺激消费者需求状态转移如何影响供应链上下游企业采购与定价决策。方法引入数量柔性契约并通过构建博弈模型,比较研究消费券刺激需求状态是否转移两种情形下供应链采购决策问题。首先,求解出不考虑消费刺激需求状态转移时的最优柔性采购量和最优批发价格,并阐述决策变量关于回购价格、库存成本、生产成本、零售价格等相关参数的相关性;然后,以消费券刺激需求适中转移至需求强烈状态为例,求解出考虑消费刺激需求状态转移时的最优柔性采购量和最优批发价格,并且发现最优柔性采购量与一步转移概率正相关,而最优批发价格却与一步转移概率负相关;最后,比较分析了两种情形下零售商以及供应商的决策结果。结果研究结论表明:考虑消费券刺激需求状态转移时,零售商最优柔性采购量大于未考虑消费券刺激需求状态转移情形,供应商最优批发价格小于未考虑消费券刺激需求状态情形。结论考虑消费券刺激需求状态转移进行采购与定价决策增加了零售商收益;引入数量柔性机制有利于提高供应链成员的应急能力。

用Markov链模型随机模拟储层岩相空间展布

将Markov链模型应用于储层建模来获取二维或三维的储层岩相展布图像是近年来储层随机建模领域的一个研究热点。在应用该模型时,须将一维的Markov链模型拓展到二维、三维,同时要对侧向转移概率矩阵的估算和顶层初始化这2个关键问题给出有效的解决方案。笔者对二维和三维的空间Markov链模型进行了阐述,提出了依据Walther相序定律从岩相状态之间的转移记数矩阵入手,来估算侧向转移概率矩阵的方法,并对顶层初始化的解决办法进行了探索。在相关原理及技术细节问题得到解决的基础上,提出了应用Markov链模型进行二维储层岩相空间分布随机模拟的具体算法。二维空间Markov链模型的实际算例表明,对相关问题的解决方案是有效的。

基于高阶Markov链模型的风电功率预测性能分析

为了提高短期风电功率预测的精度,提出一种基于Markov链理论的预测算法。该算法直接对风电功率数据进行分析,划分了四种状态空间,并根据状态空间数和建模数据量的不同分别建立一阶和二阶Markov链模型。采用新误差公式NRMSE,给出不同状态空间数和建模数据量下的一阶、二阶Markov链模型预测性能比较结果。进一步给出在选取相同状态空间数、相同建模数据量的情况下,一阶和二阶Markov链模型的灵敏度分析。经实例验证,该算法能有效地提高单点值预测精度,并且给出了与预测值相关的概率分布结果。

基于Markov链的FSM容软错误设计

随着深亚微米工艺的广泛应用,持续攀升的软错误率对宇航设备的电路可靠性造成了极大影响。针对现有冗余防护技术面积开销大的不足,将概率统计的思想运用到有限状态机(FSM)的软容错设计上,提出了选择部分状态冗余的容错方法。在Markov链模型的基础上,计算出各状态概率,从而为状态冗余提供依据。与未经选择状态冗余的电路相比,以平均增加14.9%的面积开销为代价,这种电路可屏蔽87.6%的时序逻辑单翻转(SEU)。