融合马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法在流域水文模型中的应用

本文在Blasone研究工作的基础上,进一步提出了基于马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法(Markov Chain-Monte Carlo based Modified Generalized Likelihood Uncertainty Estimation,MMGLUE)。该方法结合近年来被广泛用于推求参数后验分布的MCMC方法,对基于Monte Carlo随机取样方法的传统GLUE方法进行改进,并以预测区间性质最优为标准,对可行参数组阈值进行判断与选择,提出了衡量预测区间对称性的标准,并就预测区间性质与可行参数组个数的相关关系进行了探索。在汉江玉带河流域的实例研究证明,MMGLUE方法较传统的GLUE方法能够推求出性质更为优良的预测区间,从而更真实合理地反映水文模型的不确定性。

Markov链模型在蛋白质可溶性预测中的应用

利用M arkov链模型对蛋白质可溶性特性进行统计建模,按照蛋白质序列中残基的相对可溶性,将其分为两类(表面/内部)和三类(表面/中间/内部)进行预测。选择不同M CM阶数和分类阈值对数据进行训练和预测,以确保得到最好的分类效果。对两种数据集在不同分类阈值下进行分类预测,并将结果同其他已有方法如神经网络、信息论和支持向量机法等进行比较。该方法对蛋白质可溶性的预测精度和相关系数普遍好于或接近其他预测方法,其中对两类分类问题和三类分类问题的最优分类结果分别达到78.9%和67.7%。同时,该方法具有运算复杂度低、耗时短等优点。

马尔科夫链在市场预测中的作用

马尔科夫链预测法是一种适用于随机过程的科学、有效的动态预测方法,其基本原理和方法可用来预测企业产品的市场占有率。在运用马尔科夫链对市场占有率进行预测时,应做好市场调查工作,并借助计算机和简捷表加以计算。

ARL计算方法综述

质量控制图的研究在统计过程控制(Statistical Process Control,简称SPC)中占有很重要的位置,且在实际中得到了很好的应用,也取得了很好的经济效益和社会效益。而ARL(AverageRun Length)和ATS(Average Time to Signal)分别是评价各种静态和动态控制图性质好坏的一个常用的关键指标。到现在为止,关于各种控制图ARL或ATS的计算大致有三种方法:马氏链法、积分方程法和随机模拟,本文将针对各种不同的控制图,对上述前两种方法做一个综述性的总结,以方便研究者和实际工作参考使用。