导读:本文包含了马尔科夫模型论文开题报告文献综述及选题提纲参考文献，主要关键词:客流预测,灰色马尔科夫,公路
马尔科夫模型论文文献综述
王一智,马维珍,孙宁[1]（2019）在《基于灰色马尔科夫模型的公路客流量预测》一文中研究指出为了科学准确预测近期公路客流量,提出了应用灰色马尔科夫模型进行预测的方法。利用历史数据建立灰色GM(1,1)模型,通过确定系数可获得公路客流量的时间响应序列及还原值的表达式,从而可获得未来年公路客流量的发展序列值,结合马尔科夫链过程将随机序列状态划分为3类,通过确定状态转移矩阵可获得序列处于各状态的概率值及与各状态对应的预测中值,最终求得各序列的修正值。通过安徽省公路客流量的历史数据,预测了近两年的公路客流量。实例证明该预测模型具有较高的精度,能够指导公路经营管理者近期的决策行为。(本文来源于《价值工程》期刊2019年33期）
舒服华[2]（2019）在《基于加权马尔科夫模型的湖北省CPI预测》一文中研究指出研究地区CPI的变化趋势,对全面把握当地宏观经济运行状态,据此制定相应的政策措施,保持地区CPI基本稳定以及促进本地区经济健康发展等具有重要意义.针对传统马尔科夫预测模型存在对历史数据均衡看待,且预测结果比较笼统的问题,采用对不同时期历史数据加权重和模糊数学处理预测结果的方法进行了改进,发挥数据的特点,拓展了模型的应用范围.运用改进后的模型对湖北省CPI进行了预测,通过验证得到模型有较好的效果.由模型预测得到2019年4月湖北省CPI为2.473%.(本文来源于《吉林师范大学学报(自然科学版)》期刊2019年04期）
齐辉,冯忠居,王富春,朱彦名,霍建维[3]（2019）在《基于灰色-马尔科夫模型的高边坡变形预测应用》一文中研究指出以京沪高速公路改扩建工程(莱芜—临沂)K565+914—K566+587(左幅)边坡为研究对象,研究了岩质高边坡二次开挖变形规律,并分别采用灰色GM(1,1)和灰色-马尔科夫模型对边坡位移实测数据进行建模分析,计算边坡位移变形预测值,后与常见的泊松曲线模型预测值进行对比,并通过工程实测值确定其预测精度。研究结果表明:在预测4个月内岩质高边坡变形用灰色-马尔科夫模型预测精度较高,平均精度可达到98.1%,具有很好的适用性。(本文来源于《山东交通科技》期刊2019年05期）
张慧霞,吴洪渊,黄建华,肖炜,罗文国[4]（2019）在《运用马尔科夫链模型预测张家界永定区松毛虫发生面积》一文中研究指出以湖南省张家界永定区2003—2018年马尾松毛虫、云南松毛虫发生情况的历史数据为材料,探讨了不同等级划分体系对应用马尔科夫链模型预测马尾松毛虫、云南松毛虫混合发生面积的历史符合率的影响,并对2019年张家界永定区的马尾松毛虫、云南松毛虫发生等级及发生面积进行预测,从而指导防治工作科学、及时、有效地开展。结果表明,当原始数据集中于某一级别时,用3等级分级可以增加历史符合率。本文数据分为3个等级,历史符合率为76.9%。利用概率矩阵对2019年马尾松毛虫、云南松毛虫混合发生面积进行预测,结果为1级,即发生面积为0～1 033.3 hm~2。(本文来源于《湖南林业科技》期刊2019年05期）
马尚[5]（2019）在《超额收益法在商誉价值评估中的应用分析——基于马尔科夫链修正的灰色神经网络模型》一文中研究指出作为企业整体价值中不可分割的一部分,商誉价值评估在企业运营管理和并购上市等经济活动中发挥的作用越来越大。但受限于商誉依附性、抽象性和不可确定性等特征,传统评估方法逐渐暴露出诸多问题。基于此,本文简要概述了选择超额收益法的原因,并针对其弊端构建灰色神经模型和马尔科夫链进行改进,再通过泸州老窖具体案例论述商誉评估过程,同时对模型合理性进行分析,希望为商誉价值评估准确性和科学性的提高提供一定借鉴作用。(本文来源于《财会通讯》期刊2019年29期）
崔毅,徐伟,张松涛[6]（2019）在《基于灰色马尔科夫模型的青岛冷链物流需求预测》一文中研究指出目前关于物流需求预测主要针对物流总量的需求预测,而对于冷链物流需求预测则较少。为实现对青岛冷链物流需求量的精确预测,采用灰色理论与马尔科夫链相结合的方法,构建灰色马尔科夫预测模型,以青岛2009～2017年的冷链物流需求量数据为依据,分别用灰色GM 1,誗1誗模型和灰色马尔科夫模型进行预测,得到未来6年的预测结果。数据表明灰色马尔科夫模型相较灰色预测模型其预测精度更高、更具实用性,以此为青岛未来冷链物流的发展提供数据参考。(本文来源于《物流科技》期刊2019年10期）
刘夏,李苑辉,欧志鹏,陈磊,陈明锐[7]（2019）在《基于ARIMA与灰色马尔科夫模型的叁亚市交通客流量预测研究》一文中研究指出为了较为全面、客观、准确地预测城市的交通客流量,对叁亚市旅游统计数据2012-2017年每月的交通客流数据进行分析,在数据整理的基础上,主要采用ARIMA模型和灰色马尔科夫模型对2012-01—2017-12月叁亚的交通流量分别进行拟合仿真,并对2018年每月的客流进行了趋势外推预测;结果表明:采用ARIMA预测模型所获得的平均绝对百分误差为4. 42%,采用灰色马尔科夫模型获得的平均绝对百分误差为3. 78%,表明两种预测具有较高的精度;最后利用灰色马尔科夫模型进行趋势外推预测,得出叁亚市2018年交通客流预计近3 600万,预测结果对叁亚市旅游、交通等行业制定政策能起到积极的作用。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年05期）
严曙[8]（2019）在《基于回归正则化模型马尔科夫边的发现研究》一文中研究指出观察数据中发现变量之间的因果关系,解释事件是如何发生以及预测其未来发展趋势,几乎在所有学科中都有研究和应用。例如医学、生物学、经济学、物理学、社会科学等领域均把因果关系作为解释、预测和决策的基础。信息科学领域,可以使用贝叶斯网络中的马尔科夫毯(边)来表示真实世界中的因果关系。近年来,有学者采用基于回归正则化模型马尔科夫边的发现方法从观测数据中研究事件之间的因果相关性,并从理论上揭示了基于回归正则化模型的特征变量与马尔科夫边之间的关系。为了深入了解回归正则化模型马尔科夫边的发现性能以及置换检验方法对发现性能的影响,本文采用基于回归正则化模型与置换检验方法相结合的方式开展相关研究。具体内容包含下面四个方面:1.解剖了现有的修改岭回归模型(MRRLM-P)马尔科夫边的发现过程及其无法适用于变量共线数据集的不足,研究了变量共线与协方差奇异之间的关系,并提出一种新变种岭回归模型(NVRRLM-P)。2.继续围绕MRRLM-P的不足,将叁种经典回归正则化模型(岭回归模型、LASSO模型和弹性网络模型)与置换检验方法结合,以实证的方式在低维数据集上考察他们马尔科夫边的发现性能并与MRRLM-P比较。3.在回顾多元回归模型假设检验的基础上,讨论了置换检验的叁种不同实现方法并分析了其在正则化模型中的表现形式及应用效果。其中,两种实现方法首次用于正则化模型马尔科夫边的发现,拓展了置换检验方法的应用范围。4.以一个具体的土壤近红外光谱分析应用实例,借助马尔科夫毯(边)理论对土壤有机质及麦角固醇含量的光谱矩阵进行“降维”,并使用最小二乘支持向量机(LS-SVM)和LASSO-P建立校正模型。研究结论:新变量岭回归模型能够很好解决MRRLM-P不能适用于共线数据集的缺陷;在低维数据集上,存在与MRRLM-P有相近的马尔科夫边的发现性能的经典正则化模型;置换检验新拓展的二种实现方法略逊于先前的实现方法;马尔科夫毯(边)的理论能有效对光谱信息矩阵进行“降维”操作,两种校正模型均能很好地反应检测对象对光谱信息的依赖性(相关系数大于0.90)。(本文来源于《中国科学技术大学》期刊2019-10-08）
李湃,刘纯,黄越辉,王伟胜,李延和[9]（2019）在《基于隐马尔科夫模型的多风电场相关性出力时间序列建模方法》一文中研究指出生成具有相关性的多风电场中长期出力时间序列,对电力系统规划和调度运行具有重要的意义。该文提出一种基于隐马尔可夫模型的多风电场出力时间序列建模方法。将风电出力的相关性作为隐马尔可夫模型的状态变量,并利用Markov链描述其时变特性;将各风电场在相邻时刻的出力作为隐马尔可夫模型的观测变量,建立相关性状态与相邻时刻出力的概率映射关系。利用Baum Welch算法估计隐马尔可夫模型参数,获取时变相关性状态的转移概率矩阵和各状态下多个风电场在相邻时刻出力的联合概率分布。最后,通过蒙特卡罗仿真逐月生成多风电场出力的时间序列场景。算例中对我国西北某省份的3个风电场进行测试,结果显示:所提方法生成的各风电场出力的年/月特性、概率分布特性、波动特性和自相关性均优于独立建模方法,并且风电出力相关性与历史序列非常接近,证明所提方法的有效性。(本文来源于《中国电机工程学报》期刊2019年19期）
王艳[10]（2019）在《基于加权马尔科夫模型的南京市降水量预测》一文中研究指出研究区域降水量的变化趋势,对制定与地区水资源相匹配的经济和产业战略规划,合理开发利用水资源,保持经济社会可持续发展等具有重要意义.针对传统马尔科夫预测模型存在对历史数据均衡看待,且预测结果比较笼统的问题,采用对不同特点的历史数据加权重和模糊数学处理预测结果的方法进行了改进,并用改进后的模型对南京市降水量进行了预测,由模型预测得到2019年南京市降水量为1403.00mm.(本文来源于《徐州工程学院学报(自然科学版)》期刊2019年03期）
马尔科夫模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究地区CPI的变化趋势,对全面把握当地宏观经济运行状态,据此制定相应的政策措施,保持地区CPI基本稳定以及促进本地区经济健康发展等具有重要意义.针对传统马尔科夫预测模型存在对历史数据均衡看待,且预测结果比较笼统的问题,采用对不同时期历史数据加权重和模糊数学处理预测结果的方法进行了改进,发挥数据的特点,拓展了模型的应用范围.运用改进后的模型对湖北省CPI进行了预测,通过验证得到模型有较好的效果.由模型预测得到2019年4月湖北省CPI为2.473%.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
马尔科夫模型论文参考文献
[1].王一智,马维珍,孙宁.基于灰色马尔科夫模型的公路客流量预测[J].价值工程.2019
[2].舒服华.基于加权马尔科夫模型的湖北省CPI预测[J].吉林师范大学学报(自然科学版).2019
[3].齐辉,冯忠居,王富春,朱彦名,霍建维.基于灰色-马尔科夫模型的高边坡变形预测应用[J].山东交通科技.2019
[4].张慧霞,吴洪渊,黄建华,肖炜,罗文国.运用马尔科夫链模型预测张家界永定区松毛虫发生面积[J].湖南林业科技.2019
[5].马尚.超额收益法在商誉价值评估中的应用分析——基于马尔科夫链修正的灰色神经网络模型[J].财会通讯.2019
[6].崔毅,徐伟,张松涛.基于灰色马尔科夫模型的青岛冷链物流需求预测[J].物流科技.2019
[7].刘夏,李苑辉,欧志鹏,陈磊,陈明锐.基于ARIMA与灰色马尔科夫模型的叁亚市交通客流量预测研究[J].重庆工商大学学报(自然科学版).2019
[8].严曙.基于回归正则化模型马尔科夫边的发现研究[D].中国科学技术大学.2019
[9].李湃,刘纯,黄越辉,王伟胜,李延和.基于隐马尔科夫模型的多风电场相关性出力时间序列建模方法[J].中国电机工程学报.2019
[10].王艳.基于加权马尔科夫模型的南京市降水量预测[J].徐州工程学院学报(自然科学版).2019