基于GM(1,1)-马尔科夫模型的城市用水量预测

运用GM(1,1)-马尔科夫模型对城市用水量进行预测,克服了灰色预测与马尔科夫预测各自的缺点和不足,提高了预测的精度,增强了预测结果的可靠性、科学性和实用性.     

GM(1,1)模型的改进及其在变形预测中的应用

为了提高GM(1,1)模型预测精度,采用积分优化、二次拟合优化以及残差改化方法,分步对GM(1,1)模型进行改进,建立灰色多重修正模型。具体改进步骤为:首先,利用积分优化方法对背景值进行纠正,减小模型误差并提高预测精度; 接着,对模型参数(发展系数和灰作用量)进行二次拟合优化,使参数更加接近理论真值; 然后,根据预测结果进行适当的残差改化,提高模型整体的预测精度; 最后,建立根据GM(1,1)模型改进的灰色多重修正模型。以重庆南川地区甄子岩崩塌为例,建立灰色多重修正模型对危岩裂缝累计位移值进行模拟和预测,并与GM(1,1)模型进行对比。精度检验结果表明:灰色多重修正模型后验差比值(0.082 39)明显好于GM(1,1)模型(0.192 67),平均相对残差比(0.073 9)更远好于GM(1,1)模型(0.259 6),表明灰色多重修正模型在预测精度上有较大提高,可靠性更好。     

基于灰色马尔科夫链的道路交通死亡率预测

道路交通事故死亡率是反映道路交通安全的重要指标,为了对其进行准确预测,将灰色系统理论与马尔科夫链结合起来,构建了灰色马尔科夫预测模型,并将该模型与GM（1,1）模型进行比较分析.结果表明,灰色马尔科夫链模型能更好地预测道路交通事故死亡率.     

基于改进灰色马尔可夫模型的实证分析——以上海入境旅客人数预测为例

通过级比检验和马氏检验分别测试上海入境旅客人数的原始数据,原始数据满足级比检验且具有马氏性,然后用传统GM(1,1)模型与初始值校正GM(1,1)模型分别来预测。结果表明,在相对误差、后验差比值与精度三方面对比,初始值校正GM(1,1)模型得到的效果更好。再将初始值校正GM(1,1)模型与加权马尔可夫模型组合成改进灰色马尔可夫模型,结果显示,预测结果的平均相对误差比初始值校正GM(1,1)模型要小,结果更精确。因此,使用改进灰色马尔可夫模型对上海2018—2020年的入境旅客人数预测,结果为:887.63万,900.42万和913.39万人次。     

基于卡尔曼滤波的优化GM(1,1)模型在建筑物沉降预测中的应用

为了提高灰色GM(1,1)模型的抗扰动能力和预测精度,运用卡尔曼滤波对原始沉降数据进行滤波去噪,并重新构建灰色GM(1,1)模型的背景值,建立基于卡尔曼滤波的优化GM(1,1)模型。以某建筑物实测沉降数据为例,进行新模型、传统灰色GM(1,1)模型和优化的GM(1,1)模型的计算比较,结果表明,新模型不仅可以有效剔除监测数据中的随机噪声,而且提高了模型精度。     

GM优化方法在机械系统寿命预测中的应用

针对机械系统失效单元寿命预测所涉及的时间序列 ,介绍了灰色模型GM(1,1) (GM :GreyModels)方法在预测中的特长及缺陷 .同时为了提高预测精度 ,将灰色模型GM(1,1)法拓广为GM(1,1,ω)预测模型法 .因为新模型中参数ω与预测误差之间存在着明显的非线性特性 ,而且ω数值离散化 ,所以采用优化逼近方法优化ω 值 ,最优GM(1,1,ω )预测精度高于GM(1,1) ,工程实例也证实了此方法的效果是显著的 .     

动态优化GM模型中分辨率系数的数据预测算法

为提高传统GM(1,1)算法的预测精度,运用遗传算法动态调整GM(1,1)中的均质生成数列分辨率系数,改变传统灰色模型的分辨率系数设置为1/2的计算模式,使得改进后的GM(1,1)算法针对小样本的预测具有更高的精度和鲁棒性.算法的数值实验结果表明,优化算法的预测精度高于传统的GM(1,1)算法和文献[3]中的算法.     

基于灰色马尔科夫模型我国非织造布产量预测

灰色预测方法对于波动性较大的非平稳数列预测精度不高,马尔科夫链理论能克服随机波动性数据对预测精度的影响.将灰色预测方法与马尔科夫理论结合,能有效提高预测的精度.运用灰色马尔科夫模型预测我国非织造布的产量,发挥两种方法的优势,取得了较为理想的效果.模型的平均预测误差为1.757%,比GM(1,1)模型的平均预测误差4.856%减小63.81%.     

应用灰色新陈代谢GM(1,1)模型预测河流水质

由于常规GM(1,1)模型进行预测时,精度较高的仅是最近的几个数据,越往未来发展,该模型预测的精度也就越弱。针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测。计算机实际模拟证明:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可靠程度,从而实现河流水质的早期预测评估。     

基于改进新维无偏灰色马尔科夫模型宁夏能源消费预测

利用GM(1,1)模型和Markov模型用于时间序列预测时的互补优势分别建立传统的GM(1,1)模型和Markov模型,然后利用新信息优先的原则建立新维无偏灰色马尔科夫预测模型,并加以改进。以1998—2013年的宁夏能源消费总量为原始数据,对宁夏能源消费总量数据走势进行预测。利用MAPE指标进行精度检验。结果表明,改进后的新维无偏灰色马尔科夫预测模型误差小、精度高,适合中长期预测;宁夏能源消费总量仍呈递增状态。     

复杂电子系统Markov模型及云可靠性评估

电子系统结构的复杂性,故障形式的多样性,导致可靠性评估的不确定性,为了使可靠性度量具有更高的可信度,针对可靠性评估问题,发展和深化了云理论。定义了云集和云数等概念,给出了正态云数的运算算法;分析了可修表决系统的Markov模型,并给出求系统可靠性指标的方法;阐述了系统可靠性的语言值定性评价,通过正态云数建立了定量的云可靠性评估模型,反映Markov模型中参数的不确定性。同时给出云可靠度在一定置信水平下转换为系统定性评价的方法,并通过表决系统的计算实例验证了云可靠度评估方法的可信度。     

基于小波域的隐马尔可夫树模型的图像去噪

小波去噪已经成为图像去噪的主要方法之一.首先介绍了隐马尔可夫树模型,进而给出了隐马尔可夫树算法,最后基于隐马尔可夫树模型,分别用3种相似的方法对Lena图像的不同加噪图像进行了去噪实验.实验表明,本文所用去噪方法,无论对于峰值信噪比还是对于视觉上的效果,都取得了令人满意的效果.     

大标记集汉语字(词)Markov 语言模型的建立

给出了一种基于快速排序和归并排序的高阶汉语大标记集Ｍａｒｋｏｖ统计语言模型的统计算法，并对算法的时间复杂性和空间复杂性进行了分析。依据这种统计算法，设计实现了一个汉语字（词）概率统计系统。通过对上千万字的汉语语料的统计，建立起了汉语字（词）一元、二元和三元Ｍａｒｋｏｖ模型，并对统计结果进行了分析。     

Improved hidden Markov model for speech recognition and POS tagging

In order to overcome defects of the classical hidden Markov model (HMM), Markov family model (MFM), a new statistical model was proposed. Markov family model was applied to speech recognition and natural language processing. The speaker independently continuous speech recognition experiments and the part-of-speech tagging experiments show that Markov family model has higher performance than hidden Markov model. The precision is enhanced from 94.642% to 96.214% in the part-of-speech tagging experiments, and the work rate is reduced by 11.9% in the speech recognition experiments with respect to HMM baseline system.     

基于形式化方法的集成电路设计简化技术研究

通过形式化方法建模,对集成电路设计过程中的模型简化技术进行了研究．对互模拟、模拟偏序概念提出判定算法,利用交互式马尔科夫链模型的事件结构构造及功能模块细化方法、软件工程方法,得到模型验证程序,该程序能够对集成电路系统设计过程中的模型进行简化,实践证明具有良好的应用价值．     

基于灰色马尔科夫模型预测金融波动

引入灰色模型和符号时间序列分析方法,与马尔科夫模型方法相结合,提出了一种新的预测金融波动的方法。首先将波动序列符号化,然后建立灰色马尔科夫模型,不仅能减小影响预测精度的误差,而且能利用马尔科夫模型来调整误差,使结果更加精准。采用上海证券交易所综合指数2007--2010年间隔为5分钟的高频数据为样本,对已实现波动序列进行实证分析,成功预测了下一时点波动值所处的区间,并验证了该方法的可行性和有效性。     

基于瑞利混合隐马尔科夫模型的语音幅度谱分布估计

针对语音信号处理中语音短时幅度谱分布模型过于单一的问题,提出了一种基于隐马尔科夫模型的语音幅度谱分布估计算法。该算法利用瑞利混合模型作为语音幅度谱分布,采用隐马尔科夫模型将语音分成不同的状态,在每一状态中有一组瑞利混合模型参数与之相对应,通过把语音信号分成不同的状态对语音进行分类,为语音短时谱幅度建立更为准确的模型。     

基于改进的隐马尔可夫模型的网页预取

为提高基于隐马尔可夫模型（HMM：Hidden Markov Model）的网页预取精度,对经典隐马尔可夫模型的两个前提假设进行了扩展,推导出新模型中计算观测序列概率的公式。由此构建出可用于网页预取的高阶隐马尔可夫模型,同时为降低高阶隐马尔可夫模型的空间复杂度,给出了构建树状状态空间存储访问序列的算法。介绍了将改进的隐马尔可夫模型应用于网页预取的具体方法,通过对比实验证实该方法的预取准确度提高了7％。     

多讲话者汉语单字识别

本文详细介绍了隐 Markov 模型(HMM)的基本概念和计算概率的前、后向算法,并采用 HMM 作了多讲话者(三人)小词汇量汉语单字识别实验。正确识别率为98%。     

基于转移矩阵识别的马尔可夫能源结构预测模型

将马尔可夫预测模型应用到能源结构预测中,提出一种计算转移矩阵的方法,并以某地区的能源消费结构统计数据为例,验证了该模型的可行性。