灰色马尔科夫模型对煤自然发火预测的研究

传统灰色模型GM(1,1)对于随机波动性较大的数据序列拟合较差,预测精度较低,为了弥补这一缺陷,更准确预测煤层自然发火的趋势与危险性,将GM(1,1)模型和马尔科夫模型有机结合,构建了灰色马尔科夫模型。用灰色马尔科夫模型对柴里煤矿实测CO发生量进行预测,与传统GM(1,1)模型的预测结果比较,灰色马尔科夫模型的拟合精度更好,平均相对误差更小,简便、实用,能够为矿井煤自燃火灾的防治工作提供科学的理论依据。     

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%.     

加工误差灰色预测模型的优化

为了提高加工误差灰色模型的预测精度,根据灰色系统理论,提出了一种基于等维新息GM(1,1)模型和背景值定权生成相结合的建模方法,采用优化方法实现了灰色模型维数和背景值权系数的适应性选择.实际应用表明,这种方法能增强灰色模型的适用性,减小原始序列随机波动对灰色模型的影响,提高加工误差建模预测的精度.     

基于DGMM的智能变电站网络流量预测

提出一种基于动态灰色马尔科夫模型(dynamic gray Markov model,DGMM)的智能变电站网络流量预测方法.根据灰色预测理论对网络流量进行初步预测;针对初步预测误差,利用K-means聚类算法实现状态的划分,建立马尔科夫模型对预测误差进行动态校正;对K-means中的K值进行了讨论.利用真实环境下采集到的流量数据对所提方法进行测试.结果表明,该模型的平均预测误差仅有4%,能够满足预测要求,为智能变电站网络性能分析预测、网络故障和病毒入侵预警提供决策依据.     

基于卡尔曼滤波的灰色马尔科夫组合模型在基坑变形监测中的应用

针对基坑监测中监测数据受到随机扰动影响较大的问题,首先利用卡尔曼滤波对监测数据进行滤波处理,消除监测数据的扰动误差,从监测数据提取能够准确反映基坑围护结构变形的数据,利用提取出的监测数据建立灰色马尔科夫组合模型进行变形预测分析。基坑监测的工程实例应用表明：对比传统的灰色模型以及灰色马尔科夫组合模型的预测精度,基于卡尔曼滤波的灰色马尔科夫组合模型的预测精度有明显提高。这种组合模型能很好地解决基坑监测中随机扰动数据的处理问题,结论具有一定的实用价值。     

基于马尔科夫链改进无偏灰色Verhulst的中长期负荷预测模型

在传统灰色Verhulst模型的基础上,提出无偏灰色Verhulst-markov模型,通过无偏灰色Verhulst模型,更好地解决了数据量偏少和受特定负荷数据类型的影响,同时,通过马尔科夫链进行状态估计,提高预测的误差精度。算例结果表明:无偏灰色Verhulst-markov模型在中长期负荷预测中具有较高的预测精度。 更多还原     

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。     

基于标识指数法的水质灰色动态模型群预测分析

目的为了解决由数据序列随机波动性大而引起的GM（1，1）动态模型群预测精度不高的问题．方法利用水质标识指数序列作为灰色动态模型群的原始数据序列进行水质预测，并通过误差修正得出预测结果．以浑河沈阳城区段某断面的监测水质为例，采用标识指数法的水质灰色动态模型群计算，通过实际监测数据检验预测精度．结果预测结果表明：河流水质标识指数经过误差修正后与实际监测资料的水质标识指数计算结果基本一致．结论由此证明利用基于标识指数法的灰色动态模型群进行预测不仅精度较高，而且计算结果能直观反映水质状况，可以作为水质预测的一种有效方法．     

模型预测技术在桥梁健康监测中的应用

针对钱江四桥实时健康监测系统的监测数据,采用AR模型、ARMA模型以及灰色系统的GM(1,1)等随机模型,进行数学建模,并对各模型进行了不同步长的预测研究. 结果表明,当采用合适的数学模型参数后,预测和实际监测结果十分吻合.各个模型进行比较后发现,灰色模型只需要少量原始信息,而且它的短步长预测效果优于时间序列模型;灰色模型和时间序列模型的预测误差都会随预测步长的加大而增大．     

基于D-Markov模型的金融波动模式识别

将小波变换与符号时间序列分析相结合,引入工程领域的D-Markov模型,提出了一种用于金融波动变化模式识别和异常检测的方法。波动序列经过离散小波变换,产生小波系数序列,将小波系数序列符号化产生符号时间序列,建立符号时间序列的D-Markov模型,并求状态转移概率矩阵,计算各状态转移概率矩阵的状态概率向量与标准状态转移概率矩阵的状态概率向量之间的欧拉距离,从而得到异常度。基于得到的异常度识别金融波动变化模式,检测异常波动的发生。以上证综指的5分钟序列为样本实证分析,对该方法的可行性和有效性进行了验证。     

上证综合指数波动情况研究——基于滚动窗口的马尔科夫链预测模型

文章运用基于滚动窗口的马尔科夫链预测模型,对上证综指的变动进行研究,创新的给出概率转移矩阵、极限概率以及预测准确率的时变特征,并给出马尔科夫链预测模型的最优窗口长度和状态定义阀值。研究揭示,大盘波动幅度与大盘的极限概率有着密切的关系;股指期货推出后大盘平盘概率占据主导地位,平稳性显著提高,马尔科夫链预测模型的预测准确率也有了较大提高。     

Market Risk Evaluation on Single Futures Contract：SV-CVaR Model and Its Application on Cu00 Data

A new stochastic volatility (SV) method to estimate the conditional value at risk (CVaR) is put forward. Firstly, it makes use of SV model to forecast the volatility of return. Secondly, the Markov chain Monte Carlo (MCMC) simulation and Gibbs sampling have been used to estimate the parameters in the SV model. Thirdly, in this model, CVaR calculation is immediate. In this way, the SV-CVaR model overcomes the drawbacks of the generalized autoregressive conditional heteroscedasticity value at risk (GARCH-VaR) model. Empirical study suggests that this model is better than GARCH-VaR model in this field.     

港口吞吐量的马氏链 时序分析预测

通过比较分析时间序列分析（TSA）和马尔科夫链预测方法,研究港口吞吐量科学预测的新方法.组合温州港近20多年的历史吞吐量数据,分别采用TSA和马尔科夫链进行预测.将TSA与马尔科夫链校正模型相结合,进行港口吞吐量预测.结果表明,上述复合模型较之TSA模型平均预测精度提高50%,较之单一的马尔科夫链平均预测精度提高75%.根据吞吐量实际数据的验证结果,建立马氏链-时序分析预测模型.结果表明,该模型能够同时反映吞吐量序列的增长趋势和随机波动性,更符合港口吞吐量的实际变化情况.     

动态VaR估计模型及实证

为了准确描述金融收益率序列的波动率聚集,异方差、厚尾等特性,研究我国证券市场的时变风险,本文利用极值理论和GARCH模型在处理金融数据上的优点,构造了基于GARCH-EVT的条件VaR模型,并对沪市综合指数收益率进行实证研究,结果表明,上海股市存在ARCH效应,收益率序列具有较强的自相关性;以GARCH模型为基础的条件极值方法比GARCH-正态和GARCH-t模型更好地消除了厚尾性对估计结果的影响,能更准确地捕捉风险的时变特性.     

S波段两状态LMS信道模型的自适应长期预测

针对S波段模型参数可变的窄带两状态陆地移动卫星信道模型,基于加权预测思想提出一种自适应长期预测方法.首先将卫星通信下行链路的阴影遮蔽建模为两状态马尔科夫链的Gilbert-Elliot信道模型,然后利用加权预测思想预测未来长期内的信道状态,并基于最小均方算法由迭代自适应跟踪方法更新线性自回归模型的系数,进而预测出未来的信道衰落序列.研究结果表明:该方法能精确地预测出未来长期内的信道状态和衰落序列,且相比长期预测方法,改善预测性能,并具有实时性和低复杂度优点,可用于窄带LMS通信系统自适应传输性能分析.     

中国股票市场收益率和波动率的长期相关性检验

为了捕捉我国股市中存在的长期相关性特征,利用拉格朗日乘子参数检验(LM)方法对我国股市收益率和波动率序列进行了研究。以沪、深股市的日收盘指数为研究对象,首先对其进行描述性统计检验,得到股市序列相关性的初步结论,进而应用流行的LM方法,发现我国股市的收益率序列无明显相关性,而波动率序列中存在显著的长期相关性特征。     

结构状态的马尔科夫链模型及其统计推断

马尔科夫链是结构状态宏观描述和预测中一个可接受的概率模型,但在建立该模型的过程中目前的极大似然法需在较长的时间跨度内采集不同时期的数据,存在数据采集方面的困难。本文为此提出了利用当前数据的最小二乘法,使得通过统计推断建立马尔科夫链模型更为现实可行。     

加权马尔可夫链预测模型的优化方法及应用

借鉴自回归模型,采取添加随机项的方法对加权马尔可夫链预测模型进行优化,并把优化后的模型应用于郑州市年降雨量的预测,通过与原模型和自回归模型预测结果的对比分析发现,优化后的模型弥补了原模型预测结果缺乏波动性的不足,同时使预测结果不仅在精度上有一定的提高,而且在趋势上更接近于实测值.     

股票投资的马尔可夫决策规划模型

应用马尔可夫决策规划理论，讨论了一种股票动态投资策略，将股票价格随机时间序列分解成趋势序列和残差序列两部分之和．在验证残差序列具有马尔可夫性的基础上，对其建立模型并进行投资决策．所给定理保证了在一定条件下该模型目标函数最优投资策略的存在，同时给出了求解最优策略的算法，并进行了二阶段算例分析．最后，通过具体实例验证了该投资决策模型的可行性。