分享到:

灰色-马尔柯夫链预测水稻产量的方法及其应用

水稻产量的预测预报,历来是农业部门和农业气象工作者研究的重要课题之一。对于该项目的研究手段,目前多采J汀常规的回归统计理论和方法,山于这些方法手段陈旧,已妨碍了研究工作的深入少「展。灰色系统理沦的问世,为打破旧框框,建立新的水稻产量预报预mlJ模式开拓了新的思路。灰色预测模型是一个微分动态模型,具有稳定、可控、客观等性能和优点,应川马尔柯夫链和灰色预测模型—GM(1,l)相结合,使预测精度得以提高,准确度、可信度都达到了较好的水平,且思路开阔,方法新颖,为水稻产量的顶测预报提供了又一新手段和新路径。木文在对玉林市早稻产量进行预测预报过程,l‘,初步地、尝试性地探讨了该理论和方法,收到了很好的效果。1荃本思想1.1建模 对于水稻单产原序列x‘“’: x(0)~(x(o)(l), 经过一次祟加生成后得到新序列x‘,’ x(,)=(x(‘)(l), 一(x(O)(l),x(o)(2),…,x(D》(”))x(,)(2),…,x(,)(...  (本文共7页) 阅读全文>>

《科技通报》1991年03期
科技通报

粘虫发生量的灰色马尔柯夫链预测

粘虫是麦类主要害虫之一按浙江省农业厅分级标准,以每亩虫量小于8 000条为轻发年,8001~12000条为中发年,大于12000为大发年.根据萧山市一973一195了年粘虫发生量的资料,轻发年有6年,大发年6年,中发年3年.年份之间发生量相差悬殊,如1976年每亩虫量达28 295条,1983年每亩虫量只有1 500条.影响其发生量的因素很多也极为复杂,如气象条件、耕作制度、栽培措施、作物品种、天敌和化学防治等,各因素之间的关系错综复杂。因而,可以说粘虫发生量是这些因素综合作用的结果,是一个灰色量.对粘虫的发生量,一般采用草把诱卵,或依据气象条件等进行预测,工作量较大,预测期较短。本文试用灰色GM(l,1)模型预测,结合马尔柯夫概率转移矩阵预测来修正灰色预测的结果,以提高预测精度.预测模型的建立及分析.建立灰色G从(1,1)模型妥,)。k*l)=〔二{。,(l)一“〕。一k十(1)〔l]令y(t)= 由表1 x‘“)(无+l)=...  (本文共3页) 阅读全文>>

《毛纺科技》1990年03期
毛纺科技

马尔柯夫链在纺织市场预测中的应用

一、问题的提出 无数事实表明,世界上有许多事物其未来地发展趋势或历史演变,均受到该事物现状的支配及影响。而且,某些事件其第n次试验的结果,常决定于其第n-1次试验的结果,且在此结果转移过程中存在一转移概率。同时,这一转移概率可依据其相邻接的前项结果推算出来。这种转移过程称为马尔柯夫过程。一连串这种转移过程之整体,称为马尔柯夫链。在纺织市场预测中常常遇到的现象与马尔柯夫链相似。因此,本文试图运用马尔柯夫链这一数学方法来预测纺织市场的发展趋势,为纺织市场预测的数量化进行探讨。 二、数学模型的建立 (一)预备知识 设小)·t c T=R,为一随机过程,称参数 t为时间。对子每一个固定的时刻 t—tl c T,X(t;)是一个随机变量。工程上,有时把X(t;)称作随机过程X(t)在t—t;时的状态。 (1)马尔可夫链 设随机过程X’(t)的参数空间T一ZO,1,2,··叫状态空间取整数集,记作1。当t—0时称为初始时刻,与时刻t—n对应...  (本文共7页) 阅读全文>>

《预测》1991年04期
预测

马尔柯夫链预测法的模糊模型

1问题的提出 马尔柯夫过程是无后效性的随机过程。当状态和时间参数都是离散对,称为卿尔洞夫链。..一:‘ 一般记时间参数为t:,tZ,”、t。,…,当,t二一t:时厂随机变量x(t:)”(n_=1,2样二,)可能取的状态为a;,a:,…,aN,且在X:一:=a;的条件下,第n次转移出现关。二心的概率与n无关,则称一…:碑:‘,卜「_ P ij二P{X。=aJ!X。一;=a。} (i,i“1,2,…,N)为马尔柯夫链的(一步)转移概率。 矩阵(P;j)N二N称为转移概率矩阵。由此,根据某一时刻的状态可预测下一时刻的状态。 在实际预测工作中,转移概率是统计t;,tZ,…,t。时刻状态转移频率加以确定的。当N很大,。相对较小时,在卖际统计时,往往出现某些状态并不出现的情况,毯时丝般把a:,。2,…,。、划分为数目较小的类,把同一类的。*(i=1,:,…,N)初一为局二状悉少也即通过减少状态数的方法来克服上述困难。--一省‘,一侧 响如某...  (本文共5页) 阅读全文>>

权威出处: 《预测》1991年04期
《教育研究与实验》1992年01期
教育研究与实验

关于马尔柯夫链在教学评价与教育预测中的应用商榷

早在70年代,我国就有专家运用马尔柯夫方法来研究一个学校、一个年级或一个班,或者某一学生个体。马尔可夫方法用来探讨系统在某一时刻的状况,它表示系统在某一时刻的最小一组变量。当确定了一组变量的值时,也就确定了系统处于某一时刻的行为。系统的状态常用状态概率向量表示,它仅与事物的近期状态有关,而与事物的过去状态无关。所研究的时间是无限的连续变量。如时间参数取离散变量(如日、月、年),其状态也是有限的,这样把时间和状态作为离散的马尔柯夫过程,便形成了具有无后效性的马尔柯夫链。运用该方法据说除了能预测学生的成绩,对教学质量进行评价外,还可以进行比较,并可以用作教师进行自我检查。但运用结果往往很不理想,故可见的论述与应用介绍较为鲜见。我们在运用马尔柯夫链时,发现接近实际状况的机会是很少的,至少总有10~25%左右的偏离,探其究竟,分析有如下原因: 工.马尔柯夫链用下述公式表示: S(K’一S(K十”=S(稳定)有限量,而基于系统处于稳定状态...  (本文共1页) 阅读全文>>

《水资源开发与管理》2018年02期
水资源开发与管理

基于改进马尔柯夫链的区域干旱预测

1引言塔里木河流域位于新疆南部,该地区降水稀少,蒸发强烈,生态环境极度脆弱,“绿洲经济,灌溉农业”是其显著特点,干旱是对绿洲灌溉农业的最大威胁。已有文献报道中,鲜有基于气象干旱指数的该流域干旱预测研究。鉴于此,本文在前人研究基础上,以塔里木河流域的阿克苏地区为研究区,根据流域内典型气象站1961—2010年的逐月降水量数据,采用SPI(Standadized Precip-itation Index)作为气象干旱指数[1-2],利用改进马尔柯夫链对研究区干旱进行预测,以期为防旱减灾提供参考。2计算方法2.1马尔柯夫链马尔柯夫链是研究某一事件的状态及状态间转移规律的随机过程,其基本原理如下[3-4]:设马尔柯夫链有m个状态a1,a2,…,am,记转移时刻为t1,t2,…,tn,某一转移时刻的状态为m个状态之一。记Pij(n,K)=P[X(tn+K)=aj|X(tn)=ai]i,j=1,2,…,m(1)Pij(n,K)为过程从时刻t...  (本文共3页) 阅读全文>>