火灾事故的灰色-马尔可夫模型预测研究

鉴于火灾事故的发生受多种复杂因素的影响,并且具有较大的随机性和波动性的特点,笔者等将灰色模型和马尔可夫模型相结合,建立火灾事故的灰色?马尔可夫模型,利用灰色模型的灰色性和马尔可夫模型的随机性来体现各自的优点,并运用该模型对全国农村火灾事故进行预测。实际应用表明,灰色?马尔可夫模型的预测精度明显高于灰色模型的预测精度,完全能满足预测精度的要求,可以较好地用于火灾事故的预测。     

新高阶多变量马尔可夫模型

本文提出了一种新高阶多变量马尔可夫模型,并对其收敛性进行了分析.给出了模型的参数估计方法.数值实验表明在预测精度方面新高阶多变量马尔可夫模型比高阶多变量马尔可夫模型更加有效.     

灰色马尔可夫链在道路交通事故预测中的应用

将灰色系统理论与马尔可夫链相结合,建立道路交通事故灰色马尔可夫链预测模型研究证明．这种模型的预测精度高于GM（1，1）模型，可用于道路交通事故预测。     

区域物流规模的改进灰色马尔可夫预测

在分析灰色GM(1,1)方法、灰色马尔可夫方法的基础上,建立区域物流规模预测的改进灰色马尔可夫模型,以国家统计局公布的陕西省1997-2006年货物周转量的统计数据为依据,对其2007-2008年的物流规模进行预测.与灰色GM(1,1)方法、灰色马尔可夫方法的预测结果相比,改进灰色马尔可夫链模型对区域物流规模的预测更加有效.     

基于灰色马尔可夫模型的煤层气抽采量预测

煤层气抽采量的准确预测,对煤层气开发利用工作的科学决策和发展规划具有重要意义。通过灰色系统理论与马尔可夫理论的结合,建立灰色马尔可夫模型对煤层气抽采量进行预测分析。首先建立煤层气抽采量的GM(1,1)预测模型,确定其变动趋势和初始预测值,然后应用马尔可夫理论对初始预测结果进行修正,最后通过实例计算验证了灰色马尔可夫模型的适用性。结果表明,灰色马尔可夫模型的预测精度明显高于传统GM(1,1),更适用于随机波动性较大的序列预测问题,因此将灰色马尔可夫模型用于煤层气抽采量预测是合理和可行的。     

河流中长期水质预测建模与应用

本文论述了如何对河流中长期水质预测进行建模、计算和分析。而且论述了如何采用灰色系统模型和马尔可夫链模型对河流中长期水质进行数学建模和计算。最后,通过对长江宜宾段未来十年水质情况进行预测分析,得出灰色系统模型相比马尔科夫链预测模型在河流中长期水质现状预测中更适用的结论。     

无限隐Markov模型在缺失数据轴承退化趋势预测中的应用

相比较于在完整数据下设备性能退化预测，缺失数据下的预测是更加困难的，也是更有意义的。然而，现有的轴承性能退化预测方法都未考虑缺失数据下的预测，基于此，提出了一种基于无限隐马尔可夫模型的缺失数据下轴承退化预测方法。在提出的方法中，通过建立无限隐马尔可夫预测模型，预测了滚动轴承样本数据在振荡阶段所缺失的数据点，形成新的完整数据。同时，再使用建立的预测模型对新的完整数据进行单步预测。实验结果表明，与真实值对比，得到的预测数据具有较小的平均误差值；对比真实值、完整数据下的预测值和新的完整数据下的预测值，验证了提出方法的有效性，能够反映滚动轴承退化的变化趋势。提出的方法可为数据缺失下滚动轴承的退化趋势预测提供一种思路，具有重要的理论价值和工程应用价值。     

晶圆制造双闭环Interbay物料运输系统性能分析模型

双闭环Interbay物料运输系统是300 mm晶圆制造系统至关重要的组成部分。为在设计阶段快速有效分析其运行性能，本文提出了一种扩展马尔可夫模型。该模型充分考虑了运输小车在外环、内环和捷径导轨关键节点的运行、堵塞、装卸晶圆卡等系统状态，抑制了多运输小车运行环境下的模型状态空间规模爆炸，提高了性能分析模型的准确性与运算效率。采用某晶圆制造企业实际生产数据，将扩展马尔可夫模型与仿真模型进行比较。结果表明：两者在空载运输小车到达时间间隔、系统搬运能力和运输小车利用率等关键指标方面相对误差值较小；扩展马尔可夫模型明显具有更高的分析效率。由此验证了提出的扩展马尔可夫模型用于双闭环Interbay系统性能分析是有效的。     

基于隐马尔可夫模型与神经网络混合的被动声目标分类技术

提出了一种改进型隐马尔可夫模型／神经网络混合分类器,该分类器将隐马尔可夫模型的时间校正能力与神经网络的静态区分能力结合在一起。它首先利用循环无跳转ＨＭＭ模型对第一测试特征序列进行全状态分割。将Ｔ帧特征序列按时间演化顺序校正成Ｎ帧平均状态序列。然后 交其作为ＲＢＦ网络的输入矢量进行分类。实验结果表明,该分类器比单纯的神经网络或隐马尔可夫模型分类器具有更限的分类效果。     

马尔可夫网络排队模型在电梯配置中的应用

利用马尔可夫网络排队理论建立了电梯交通模型，在此基础上对各服务站的电梯配置交通进行计算，得到电梯的配置参数。通过与传统的电梯配置方法相比较，显示出明显的优越性，也表明了利用马尔可夫网络排队模型进行电梯配置的有效性和可行性。     

马氏链预测方法的统计试验研究

近年来,基于绝对分布的马尔可夫链预测(ADMCP)方法、叠加马尔可夫链预测(SPMCP)方法和加权马尔可夫链预测(WMCP)方法在各种水文序列的预测理论中得到了广泛的应用。尽管各种马尔可夫链预测方法在有关应用实例中效果都不错,但是,实际上它们的预测效果是有差别的。本文通过统计试验手段对这三种马尔可夫链预测方法进行了比较研究,结论表明:WMCP方法预测精度最高,SPMCP方法预测精度次之,ADMCP方法预测精度相对来讲最差。     

基于马尔可夫模型的风电功率预测

本文将随机型时间序列看成由发展趋势曲线和围绕趋势曲线的波动二部分迭加而成。运用最小二乘法进行拟合得出整体预测趋势曲线,运用马尔可夫概率矩阵预测方法去分析围绕趋势曲线上下波动数据的变化规律。利用循环读取并随时保存的方法滚动地预测风电场24小时96个时点（每15分钟一个时点）的风电功率数值。结果表明,在预测风电功率时采用马尔可夫预测模型能很好地预测未来的变化趋势,预测值与实际值较为吻合。     

滑动平均-马尔可夫模型在中国粮食单产量预测中的应用

对粮食单产量的预测是农业工作中关键问题之一。本文根据粮食单产量存在随机性和连续性的特点，首先对各省每年粮食单产量进行滑动平均处理，随后采用马尔可夫模型以状态转移概率矩阵预测下一年中国各省粮食单产量状态，最后将2004年中国各省粮食单产量作为参照数据，以检验应用模型的可行性。结果表明，其预测精度较高，为我国粮食生产和管理的科学决策提供了参考。     

基于DT的售后设备预测性维护协同模式研究

设备制造商为了满足设备用户对快速故障诊断和维护的需求，需要对设备进行实时监测、预测和远程指导。以数字孪生五维模型为基础，提出基于数字孪生的协同维护七维模型和维护服务协同模式。该模式下设备制造商和设备用户可实时获得对设备的监测信息，使得制造商能向用户提供更有效、及时的服务和支持。最后以某瓶装水封盖过程为例，构建设备隐式半马尔可夫模型，对设备当前运行状态的持续时间进行测算，得到与下一次劣化或故障状态的时间间隔，起到预测效果。构建了数字孪生服务平台框架和维护知识数据库，验证了所提出的协同维护模式的可行性。     

耦合隐马尔可夫模型在轴承故障诊断中的应用

由于多通道数据包含了丰富的信息,有效融合多通道数据可以得到更加准确可靠的诊断结果。鉴于此,提出一种基于耦合隐马尔可夫模型的滚动轴承多通道融合故障诊断方法。该方法利用含两条链的耦合隐马尔可夫模型融合轴承水平方向和垂直方向的振动信号来进行故障诊断。通过对滚动轴承常见故障的诊断分析表明,与常用的基于隐马尔可夫模型的故障诊断方法相比,该方法可以更加准确地诊断轴承的故障。     

一种基于HMM和CRF的双层分词模型

中文分词是自然语言处理的基础。根据各种分词模型的特性,提出一种双层分词模型。在底层用隐马尔可夫模型(HMM)进行粗分,在高层利用条件随机场(CRF)对文本进行重新标注。从实验结果证明,该模型是有效的。     

基于骨导麦克风数据的咀嚼发音类型自动识别与分类方法

口腔运动与人们的饮食规律息息相关，该文通过对口腔运动状态的分析识别来监测人们的饮食规律，以此来指导人们的饮食习惯。借助语音识别技术的思想和方法，分析识别口腔运动产生的骨导音，为提升识别效率，采用了传统的隐马尔可夫模型。基于隐马尔可夫模型建立了一套骨导音识别系统，在进行骨导音识别之前，通过分帧加窗、提取梅尔频率倒谱系数，对其进行模型训练；在识别过程中，找出与待测音频信号和模板库中匹配度最高的模型，以其模型输出结果作为最后的识别结果。该方法的识别结果可以达到 84%，实验结果表明该方法具有一定的可行性。     

马尔科夫理论在物流量预测中的应用研究

物流量预测对于物流产业规划和发展的举足轻重。本文将马尔可夫理论与灰色模型相结合，介绍了应用马尔科夫理论的物流量预测方法，并对当地的物流量进行预测，结果表明这种方法具有良好的精度和准确性。     

基于集成隐马尔可夫模型的轴承故障诊断

对轴承振动信号进行时频分析获得全特征集;运用距离补偿法提取轴承故障敏感特征获得敏感特征集。两种特征集在用于训练、测试轴承状态时不仅诊断率不同,且误判样本亦不同。基于此,提出基于集成隐马尔可夫模型的轴承故障诊断方法。采用两种特征集分别建立两独立隐马尔可夫模型;运用平均法则、最大似然概率法集成隐马尔可夫模型分类效果;对轴承信号进行故障诊断。实验结果表明,与基于敏感特征集、全特征集的分类器相比,该模型分类器在轴承故障诊断中识别精度更高。     

基于Gabor脸和隐马尔可夫模型的人像识别算法

提出了基于Gabor小波变换和隐马尔可夫模型的人像识别算法。该算法先对人脸图像进行多分辨率的Gabor小波变换,采用主元分析法对每个结点进行降维,最后形成Gabor脸。把Gabor脸的每个特征结作为观测向量,对隐马尔可夫模型进行了训练,并把优化的模型参数用于人脸识别。实验结果表明,本文方法识别率高,复杂度较低,对部分遮挡的图像具有较大的容忍度。