馬爾科夫

律受控于一個馬爾科夫過程，我們把這樣的系統(tǒng)稱為中立型奇異馬爾科夫跳變系統(tǒng)。中立型奇異馬爾科夫跳變系統(tǒng)有非常廣泛的應(yīng)用，它可以用來描述一些機(jī)械系統(tǒng)、電路系統(tǒng)以及經(jīng)濟(jì)系統(tǒng)的動力學(xué)模型。近年來,中立型奇異馬爾科夫跳變系統(tǒng)受到了越來越多的研究者的關(guān)注。越來越多的有關(guān)中立型奇異馬爾科夫跳變系統(tǒng)的研究成果被發(fā)表出來[1-4]。然而，有關(guān)中立型奇異馬爾科夫跳變系統(tǒng)的狀態(tài)反饋控制器設(shè)計問題的研究還不完善，本文將對奇異矩陣Er(t)與模態(tài)有關(guān)的中立型奇異馬爾科夫跳變系統(tǒng)的狀

子系統(tǒng)中的非馬爾科夫效應(yīng)已經(jīng)成為了量子消相干控制領(lǐng)域研究中的一個重要科學(xué)問題.本文對于單個開放的兩能級系統(tǒng),將基于量子Fisher 信息的非馬爾科夫度量從系統(tǒng)初態(tài)為純態(tài)的情況推廣到系統(tǒng)初態(tài)為任意態(tài)的情況.作為該非馬爾科夫度量的應(yīng)用,分別研究了利用量子Fisher 信息在檢測一個兩能級系統(tǒng)受到零溫度振幅耗散通道、相位衰減通道和隨機(jī)幺正通道作用時對應(yīng)非馬爾可夫過程發(fā)生滿足的條件.研究結(jié)果顯示: 一個相位參數(shù)的量子Fisher 信息對這三種衰減通道的非馬爾科夫過

序列分析法和馬爾科夫鏈建立了馬氏鏈—時序分析模型，提高了預(yù)測精度。上述預(yù)測方法往往依賴大量歷史數(shù)據(jù)來確保模型預(yù)測精度，且建模過程復(fù)雜，實際港口往年歷史吞吐量數(shù)據(jù)較少，樣本數(shù)據(jù)匱乏，難以保證模型預(yù)測精度?；趥鹘y(tǒng)灰色預(yù)測模型處理小樣本數(shù)據(jù)的優(yōu)勢，田雪等[7]提出了一種港口吞吐量灰色預(yù)測模型，但該模型僅能預(yù)測吞吐量總體發(fā)展趨勢；為提高預(yù)測精度，黃躍華等[8]基于正弦和建立了優(yōu)化GM（1，1）模型，進(jìn)一步驗證了灰色模型在港口吞吐量預(yù)測方面的優(yōu)勢。港口吞吐量具有波

認(rèn)為是一類由馬爾科夫鏈來表征系統(tǒng)跳躍信號的混雜切換系統(tǒng)的特殊情況。系統(tǒng)參數(shù)在離散時間點隨機(jī)變化，并由馬爾科夫過程控制。近年，由于復(fù)雜跳躍系統(tǒng)的廣泛適用性而受到極大關(guān)注，其相關(guān)理論與方法已成功應(yīng)用到經(jīng)濟(jì)[5]、飛行[6]、電力[7]、通信[8]和網(wǎng)絡(luò)化控制[9]等領(lǐng)域。經(jīng)過多年的研究，有關(guān)復(fù)雜跳躍系統(tǒng)的成果被相繼報道。鑒于此，從復(fù)雜跳躍系統(tǒng)的建模、分析與控制綜合三方面綜述近年的研究成果，并指出復(fù)雜跳躍系統(tǒng)在非線性以及網(wǎng)絡(luò)化方面面臨的挑戰(zhàn)。1 復(fù)雜跳躍系統(tǒng)模型

.本文應(yīng)用非馬爾科夫量子態(tài)擴(kuò)散方法研究了具有Kaplan-Shekhtman-Entin-Wohlman-Aharony 相互作用和Dzyaloshinskii-Moriya 相互作用的自旋鏈系統(tǒng)中量子失協(xié)的非馬爾科夫動力學(xué)演化問題,分析了Kaplan-Shekhtman-Entin-Wohlman-Aharony 相互作用在零溫和有限溫度下不同外加磁場時對量子失協(xié)的影響.結(jié)果表明,在沒有磁場或僅有均勻磁場的情況下,系統(tǒng)中的量子失協(xié)可以通過增加Kaplan

此基礎(chǔ)上考慮馬爾科夫鏈驅(qū)動的BSDEs，證明其適應(yīng)解的存在唯一性。肖新玲等利用連續(xù)性方法研究由馬爾科夫鏈驅(qū)動的BSDEs關(guān)于初值的比較定理。隨后，肖新玲通過迭代法證明了由馬爾科夫鏈驅(qū)動的BSDEs解的存在唯一性。Peng等考慮生成元中包含當(dāng)前和未來時刻解的情況，給出超前倒向隨機(jī)微分方程(超前BSDEs)的概念，其形式如下:式中，α(·):[0，T]→R與β(·):[0，T]→R是滿足下面條件的連續(xù)函數(shù)：(1)存在某一常數(shù)K≥0，使得對任何t∈[0，T]，t

基礎(chǔ)上，采用馬爾科夫優(yōu)化該預(yù)測模型的方法，更加合理地預(yù)測出陜西省未來5年的冷鏈物流需求量，最后根據(jù)預(yù)測結(jié)果對冷鏈物流行業(yè)之后的發(fā)展提出建議。關(guān)鍵詞：一帶一路;冷鏈物流;灰色預(yù)測;馬爾科夫中圖分類號：F252.8? ? 文獻(xiàn)標(biāo)識碼：AAbstract： The in-depth implementation of the“one belt one road”strategy has made the development of cold chain log

關(guān)聯(lián)。但在非馬爾科夫環(huán)境下,從系統(tǒng)中丟失的信息與能量在環(huán)境記憶效應(yīng)下能重新返回系統(tǒng),恢復(fù)其量子相干與量子關(guān)聯(lián)。然而有關(guān)非馬爾科夫環(huán)境對量子系統(tǒng)影響的研究,主要集中于量子關(guān)聯(lián),對量子相干的研究很少見[7?11]。因此,研究不同量子系統(tǒng)在非馬爾科夫環(huán)境中的量子相干動力學(xué)演化特性是很有意義的。眾多物理系統(tǒng)中,擁有易集成性和可擴(kuò)展性等優(yōu)勢的固態(tài)量子系統(tǒng)是最有前景實現(xiàn)實用性量子信息與量子計算的物理系統(tǒng)。作為簡單且具有普遍性的物理模型,海森堡自旋模型能夠在超導(dǎo)量子比特

9)0 引言馬爾科夫跳變系統(tǒng)作為一種混合隨機(jī)系統(tǒng)，在電力系統(tǒng)、BM/C3、太陽能熱系統(tǒng)等領(lǐng)域具有很強(qiáng)的實際應(yīng)用價值，在過去幾十年里得到了許多非常重要的研究結(jié)果[1-6]。馬爾科夫跳變系統(tǒng)與時間演化和事件機(jī)制有關(guān)，且對于突發(fā)現(xiàn)象的建模，它可用于表示隨機(jī)故障和環(huán)境的突發(fā)性變化，對模塊進(jìn)行更新，改變子系統(tǒng)之間的互聯(lián)性等[7-9]。眾所周知，馬爾可夫過程決定了不同模式的跳變和突變，而在跳變或者轉(zhuǎn)換過程中概率測度則決定了馬爾科夫跳變系統(tǒng)的行為[10-13]。由于隨機(jī)

行研究，基于馬爾科夫模型和BP 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建信息化條件下攜運行器材種類預(yù)測，研究合成旅所需攜運行器材的類型和數(shù)量，以維持裝備作戰(zhàn)性能，提高部隊?wèi)?zhàn)斗力，并降低維修保養(yǎng)預(yù)算成本，著力提高陸軍典型部隊攜運行器材保障能力。外軍對于備件需求預(yù)測和運輸進(jìn)行了深入研究，并基于理論研究成果，構(gòu)建了多樣化模型，開發(fā)了攜運行器材需求預(yù)測專用軟件和系統(tǒng)。其中，美國蘭德公司為美國空軍研制的METRIC（Multi-Echelon Technique for Recoverab

要：通過構(gòu)建馬爾科夫區(qū)制轉(zhuǎn)換模型，研究2014年中國出現(xiàn)的實質(zhì)性債券違約以來信用價差特征。研究發(fā)現(xiàn)：信用債利差明顯存在兩個區(qū)制，2014年上半年和2016年4月后，信用價差增加，波動加大，與其余時段呈現(xiàn)為另一區(qū)制，說明信用債打破剛性兌付以來，中國債券市場進(jìn)入一種新的風(fēng)險溢價模式。同時，信用價差與利率期限結(jié)構(gòu)及股指相關(guān)性顯示，信用價差變化與經(jīng)濟(jì)周期波動密切相關(guān)，中國信用債市場逐漸能夠反映經(jīng)濟(jì)周期信用風(fēng)險溢價。關(guān)鍵詞： 馬爾科夫; 區(qū)制轉(zhuǎn)換; 信用價差; 經(jīng)濟(jì)

一種基于組合馬爾科夫模型的工序推送方法。該方法能夠構(gòu)建描述工序間關(guān)系的馬爾科夫模型，在不改變其當(dāng)前工作狀態(tài)的前提下，根據(jù)編制人員當(dāng)前的輸入，實時感知編制人員行為并分析其當(dāng)前需求，推送當(dāng)前場景下所需工序。與現(xiàn)有方法相比，本文所提出的方法基于工藝數(shù)據(jù)構(gòu)建模型具有較好的普適性，并且單步工序推送更貼合工藝編制人員的實際應(yīng)用場景，能夠減少工藝編制人員大量重復(fù)的檢索工作，同時該方法實際應(yīng)用中對于工藝編制人員自身水平要求較低，在2348份飛機(jī)鈑金零件工藝數(shù)據(jù)上驗證了該方

1 何謂馬爾科夫鏈馬爾可夫鏈，是指具有馬爾可夫性質(zhì)的離散事件隨機(jī)過程，它可以將無規(guī)則的運動用數(shù)學(xué)描述出來該過程中，在給定當(dāng)前信息的情況下，以前的信息對于預(yù)測將來是無關(guān)的。馬爾科夫性：過程在時刻t0所處的狀態(tài)為已知的條件下，過程在時刻t>t0所處狀態(tài)的條件分布過程在時刻t0之前所處的狀態(tài)無關(guān)的特性成為馬爾科夫性或無后效性。即：過程“將來”的情況與“過去”的情況是無關(guān)的。具有馬爾科夫性的隨機(jī)過程成為馬爾科夫過程。時間和狀態(tài)都是離散的馬爾科夫過程。馬爾可夫鏈描述

金融風(fēng)險; 馬爾科夫; 風(fēng)險特征; 風(fēng)險測度【中圖分類號】 F239.65 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 1004-5937（2018）12-0109-06一、引言對于金融風(fēng)險審計研究，重點是進(jìn)行整體性與個體性的金融風(fēng)險審計研究，不僅確定行業(yè)發(fā)展存在的結(jié)構(gòu)特征與風(fēng)險水平，而且確定個體金融風(fēng)險的趨勢性水平。此類問題在已有的金融風(fēng)險審計研究中尚未體現(xiàn)。目前已有的金融風(fēng)險研究主要體現(xiàn)在五個方面，一是風(fēng)險特征與實質(zhì)研究，杜厚文等[1]在國內(nèi)較早論證了金融風(fēng)險的

的羅西亞娜·馬爾科夫斯卡婭（如圖）正式走馬上任，不過她的高顏值卻在網(wǎng)上引發(fā)俄羅斯民眾對其能力的質(zhì)疑。俄《共青團(tuán)真理報》20日報道稱，俄國防部長紹伊古日前宣布任命之前從事記者工作的馬爾科夫斯卡婭為國防部長新聞秘書。當(dāng)馬爾科夫斯卡婭的照片被公布后，立即引爆社交網(wǎng)絡(luò)，很多網(wǎng)民將她稱為“國防部甜心”。不過一些民眾認(rèn)為她過于年輕，缺乏經(jīng)驗，恐怕難以勝任這項工作?！斑@一職位代表著國家的形象，難道這就是紹伊古選人的標(biāo)準(zhǔn)？”名為“安德烈”的網(wǎng)民寫道。不過，更多的民眾還是認(rèn)

前提下，采用馬爾科夫鏈建立風(fēng)險評估模型。將橋區(qū)水域船舶通航風(fēng)險劃分為三種狀態(tài)，利用歷史數(shù)據(jù)以及蒙特卡洛仿真數(shù)據(jù)統(tǒng)計獲得狀態(tài)轉(zhuǎn)移矩陣，結(jié)合當(dāng)前船舶航行狀態(tài)，快速求解未來一段時間內(nèi)的狀態(tài)轉(zhuǎn)移概率，實現(xiàn)了風(fēng)險的快速評估。算例結(jié)果表明：三種狀態(tài)的平穩(wěn)狀態(tài)概率為39.07%，59.43%，1.5%，轉(zhuǎn)移概率求解誤差率為1.24%，1.06%，16.84%，求解時間僅為0.053秒。船舶駕駛員可利用該模型進(jìn)行實時評估，以降低橋區(qū)水域通航安全風(fēng)險。關(guān)鍵詞：橋區(qū)水域；蒙特

數(shù)平滑法優(yōu)化馬爾科夫預(yù)測模型呂丹丹，顧巧祥，邢 超(中國計量大學(xué) 質(zhì)量與安全工程學(xué)院，浙江 杭州310018)馬爾科夫預(yù)測模型具有“無后效性”，即預(yù)測未來的銷售情況只與當(dāng)前的銷售數(shù)據(jù)有關(guān)，而與過去的銷售數(shù)據(jù)無關(guān).事實上，過去不同的時間點對當(dāng)前的銷售結(jié)果會有不同程度的影響.而指數(shù)平滑法恰好彌補(bǔ)了馬爾科夫預(yù)測模型的缺點，它認(rèn)為最近的過去銷售數(shù)據(jù)，在某種程度上會持續(xù)到未來.因此本文利用二次指數(shù)平滑系數(shù)法優(yōu)化馬爾科夫預(yù)測模型，并以某品牌電動車的銷售情況為例進(jìn)行驗證

案均賠款 馬爾科夫一、概述未決賠款準(zhǔn)備金是保險公司責(zé)任準(zhǔn)備金中最重要的部分，也是準(zhǔn)備金精算師日常工作的主要部分。未決賠款準(zhǔn)備金作為非壽險保險公司財務(wù)報表中最大的負(fù)債科目，而現(xiàn)階段國內(nèi)保險公司普遍存在歷史數(shù)據(jù)缺乏以及數(shù)據(jù)質(zhì)量不高的問題，因此，為了保證非壽險保險公司的穩(wěn)健經(jīng)營，提高準(zhǔn)備金估計的精確性具有非常重要的意義。在諸多未決賠款準(zhǔn)備金估計的確定性方法中，案均賠款法對歷史信息的利用更加充分，包括賠款數(shù)據(jù)和案件數(shù)，但確定性方法無法判斷預(yù)測結(jié)果的誤差，無法度量

隨機(jī)環(huán)境中的馬爾科夫鏈模型,該模型是隨機(jī)環(huán)境中馬爾科夫鏈模型的推廣,適用范圍更廣.給出了多重隨機(jī)環(huán)境中馬爾科夫鏈模型的2個應(yīng)用背景；討論了m重隨機(jī)環(huán)境中馬爾科夫鏈、n重隨機(jī)環(huán)境中馬爾科夫鏈、馬氏鏈、2m維鏈的相互關(guān)系及性質(zhì).最后,利用得到的多重馬氏鏈的相關(guān)性質(zhì)獲得了多重隨機(jī)環(huán)境中馬爾科夫鏈強(qiáng)大數(shù)定律成立的充分條件,推廣了部分文獻(xiàn)的結(jié)論.隨機(jī)環(huán)境;m重馬氏鏈;強(qiáng)大數(shù)定律0 引 言馬爾科夫鏈(以下簡稱經(jīng)典馬氏鏈)是隨機(jī)過程中最重要的分支之一,其理論已廣泛應(yīng)用于

于模糊聚類的馬爾科夫用戶側(cè)短期負(fù)荷預(yù)測方法。采用模糊聚類方法對用戶歷史負(fù)荷數(shù)據(jù)進(jìn)行可定義顆粒度的預(yù)處理，并以負(fù)荷所映射指標(biāo)集構(gòu)建的聚類識別指標(biāo)為依據(jù)，通過指標(biāo)隸屬和距離校驗對當(dāng)前用戶負(fù)荷模式準(zhǔn)確歸類；進(jìn)而在所屬類中心基礎(chǔ)上進(jìn)行馬爾科夫殘差預(yù)測。最后實驗表明該方法能良好適應(yīng)用戶負(fù)荷特性，有效提高預(yù)測精度。關(guān)鍵詞：短期負(fù)荷預(yù)測；模糊聚類；馬爾科夫；殘差預(yù)測修正隨著電力調(diào)度及能源管理技術(shù)的發(fā)展，短期甚至超短期負(fù)荷預(yù)測越來越體現(xiàn)出其重要性[1]。已有的電力負(fù)荷預(yù)測

）基于改進(jìn)的馬爾科夫鏈模型的河流徑流預(yù)測研究劉曉哲（遼寧省水文局，遼寧沈陽110003）針對傳統(tǒng)馬爾科夫鏈模型不能考慮各因子權(quán)重的局限，文章引入自相關(guān)系數(shù)作為各因子權(quán)重，對傳統(tǒng)馬爾科夫鏈模型進(jìn)行改進(jìn)，并將改進(jìn)的馬爾科夫鏈模型進(jìn)行徑流預(yù)測。研究結(jié)果表明：改進(jìn)馬爾科夫鏈模型可提高方程的收斂性和預(yù)測精度，改進(jìn)的馬爾科夫鏈模型徑流預(yù)測精度明顯好于傳統(tǒng)馬爾科夫鏈模型的預(yù)測精度，預(yù)測值與實測值相關(guān)系數(shù)高于傳統(tǒng)馬爾科夫鏈模型。研究成果對于區(qū)域徑流的數(shù)學(xué)模型預(yù)測具有較好的

11101）馬爾科夫鏈對上證指數(shù)的預(yù)測荊昆鵬（解放軍理工大學(xué)氣象海洋學(xué)院，南京 211101）隨著社會經(jīng)濟(jì)不斷發(fā)展，股票市場中大盤的走勢在經(jīng)濟(jì)作用下會出現(xiàn)不同的震蕩。結(jié)合當(dāng)前股票市場背景，運用馬爾科夫鏈的基本概念以及數(shù)學(xué)原理對上證指數(shù)的漲幅進(jìn)行預(yù)測，結(jié)合歷史數(shù)據(jù)，對預(yù)測結(jié)果進(jìn)行驗證。馬爾科夫鏈；上證指數(shù)；預(yù)測0 引言在股票市場中，大盤行情瞬息萬變，大盤指數(shù)的變化也是隨機(jī)的。但這其中漲幅程度與國家的經(jīng)濟(jì)狀況，政策制度的實施制定，公司盈利與否，股民的信心等都有

，基于高斯-馬爾科夫預(yù)測算法，通過多參數(shù)加權(quán)的方式得到預(yù)注冊的判斷標(biāo)準(zhǔn)與切換閾值，可保證移動用戶在發(fā)生漫游時業(yè)務(wù)傳輸?shù)母邔崟r性與不間斷需求，并通過OPNET建模仿真證實了這一機(jī)制的有效性。【關(guān)鍵詞】預(yù)注冊 組播漫游 無線專網(wǎng) 高斯-馬爾科夫doi：10.3969/j.issn.1006-1010.2017.02.017 中圖分類號：TN929.5 文獻(xiàn)標(biāo)志碼：A 文章編號：1006-1010（2017）02-0082-06引用格式：李東旭，王彬，張成文.

不等時距灰色馬爾科夫模型在邊坡位移預(yù)測中的應(yīng)用胡 華1,2,3，謝金華1,2 (1.廈門大學(xué) 建筑與土木工程學(xué)院, 福建 廈門 361005,2.廈門大學(xué) 嘉庚學(xué)院， 福建 漳州 363105； 3.廈門大學(xué) 深圳研究院， 廣東 深圳 518057)研究了改進(jìn)的不等時距灰色馬爾科夫模型在邊坡位移預(yù)測中的應(yīng)用，先用S型函數(shù)對廈門某邊坡的實測數(shù)據(jù)進(jìn)行平滑處理，然后用平滑后的數(shù)據(jù)建立不等時距灰色GM(1,1)模型，最后用改進(jìn)的計算公式求得馬爾科夫模擬值和預(yù)測值。

子系統(tǒng)中的非馬爾科夫性研究朱烈強(qiáng) 賀 志（湖南文理學(xué)院物理與電子科學(xué)學(xué)院，湖南 常德 415000）文章給出了一個新的方案即利用輔助的偶極-偶極相互作用來控制一個開放兩能級系統(tǒng)中的非馬爾科夫性。首先分析求解了一個增加偶極-偶極相互用項的衰減J-C（Jaynes-Cummings）模型并獲得了相應(yīng)的解。接著，具體討論了增加的偶極-偶極相互用對開放兩能級系統(tǒng)中的非馬爾科夫性的影響。研究發(fā)現(xiàn)：通過調(diào)節(jié)偶極-偶極相互用強(qiáng)度，開放兩能級系統(tǒng)中的非馬爾科夫性將會產(chǎn)生顯

問題，提出了馬爾科夫鏈—灰色預(yù)測模型，鑒于運輸在物流系統(tǒng)中的重要地位及數(shù)據(jù)的可得性，將貨運量作為代表物流需求的指標(biāo)。以淮安1996～2014年貨運量作為基礎(chǔ)數(shù)據(jù)，對淮安物流需求量進(jìn)行定量預(yù)測。結(jié)果顯示，馬爾科夫鏈—灰色預(yù)測模型預(yù)測精度比單一預(yù)測模型的預(yù)測精度有很大提高，驗證了該模型的有效性。關(guān)鍵詞：灰色；馬爾科夫；貨運量中圖分類號：F250 文獻(xiàn)標(biāo)識碼：AAbstract： The best enterprise resource allocation o

態(tài)條件，采用馬爾科夫鏈的方法計算滬指漲、平、跌三個狀態(tài)的概率情況，并對投資者提出一定的借鑒性建議。關(guān)鍵詞：股指預(yù)測；馬爾科夫鏈一、前言股票投資是投資理財?shù)闹匾侄?。股投資具有很強(qiáng)的技術(shù)性，是一項高收益，高風(fēng)險的投資活動。在股票市場中，行情的變化的原因有許多方面，例如國家的經(jīng)濟(jì)政策，相關(guān)的法律法規(guī)，公司的經(jīng)營情況等其他原因。馬爾科夫預(yù)測是通過狀態(tài)轉(zhuǎn)移概率矩陣，預(yù)測事件發(fā)生的狀態(tài)和，發(fā)展變化趨勢。馬爾科夫模型由于其考慮歷史信息變化特點，并通過計算狀態(tài)轉(zhuǎn)移概率，

二元決策圖和馬爾科夫方法進(jìn)行分析,最后對靜、動態(tài)子樹的分析結(jié)果進(jìn)行綜合。對太陽電池翼-蓄電池組的光伏電源系統(tǒng)的應(yīng)用證明了該方法的簡便性和實用性,并將此方法與直接采用馬爾科夫模型分析方法進(jìn)行了比較。關(guān)鍵詞動態(tài)故障樹; 靜態(tài)子樹; 動態(tài)子樹; 二元決策圖; 馬爾科夫; 太陽電池翼-蓄電池組Reliability Analysis of Satellite Power System Based on Dynamic Fault TreeZHANG Ke1YANG

34)?應(yīng)用馬爾科夫鏈計算藥物運轉(zhuǎn)時間和穩(wěn)態(tài)藥量劉愛紅, 楊 光(沈陽師范大學(xué) 數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院, 沈陽 110034)考慮藥物在體內(nèi)平均運轉(zhuǎn)時間和穩(wěn)態(tài)藥量的計算及預(yù)測問題。首先,建立血管外給藥、靜脈注射n室模型,分別推導(dǎo)出每個模型下吸收馬爾科夫鏈的基本矩陣, 并對靜脈注射給藥方式,運用其基本矩陣的幾個基本性質(zhì)計算藥物在體內(nèi)的平均運轉(zhuǎn)時間;然后,將一個周期視為單位時間,在此單位時間下,依次重新改寫每個模型下吸收馬爾科夫鏈的基本矩陣;之后,給藥被認(rèn)定是一個

中，運用加權(quán)馬爾科夫鏈模型進(jìn)行農(nóng)業(yè)灌溉用水預(yù)測進(jìn)行研究較少，而加權(quán)馬爾科夫鏈模型可考慮中間過程狀態(tài)的影響，在水資源其他領(lǐng)域得到一定程度運用，效果較好[6-8]，為此，本文引入加權(quán)馬爾科夫鏈模型，對農(nóng)業(yè)灌區(qū)灌溉用水進(jìn)行預(yù)測和分析，研究成果可對區(qū)域農(nóng)業(yè)灌溉用水預(yù)測提供參考價值。1 加權(quán)馬爾科夫鏈模型原理加權(quán)馬爾科夫鏈先計算一組隨機(jī)變量序列{x,t∈T}為隨機(jī)生成的一組隨機(jī)序列，在隨機(jī)序列中：{T={0,1,2,…,K}(1)對于任意時間變量t≥0以及隨機(jī)變量的

義。1 加權(quán)馬爾科夫鏈預(yù)測步驟1）根據(jù)資料序列，求出指標(biāo)值平均值和樣本均方差，并對指標(biāo)值進(jìn)行分級，從而確定馬爾科夫鏈的狀態(tài)空間，即 E=｛1， 2，…，m ｝。 然后根據(jù)分級標(biāo)準(zhǔn)確定資料序列中各指標(biāo)值的狀態(tài)。2）對資料序列進(jìn)行統(tǒng)計，根據(jù)不同步長指標(biāo)值轉(zhuǎn)移概率，列出馬爾科夫鏈的轉(zhuǎn)移概率矩陣。3）根據(jù)得到的轉(zhuǎn)移概率矩陣，進(jìn)行各行各列加和得到邊緣矩陣，進(jìn)一步檢驗該序列是否符合馬爾科夫鏈性質(zhì)。4）計算指標(biāo)值各階自相關(guān)系數(shù)，公式為：其中：rk為滯時為k（k∈E）年的

400.基于馬爾科夫鏈隨機(jī)模型的鼓泡床適用性莊亞明 陳曉平 劉道銀(東南大學(xué)能源熱轉(zhuǎn)換及其過程測控教育部重點實驗室, 南京 210096)為了模擬二維鼓泡流化床(BFB)中的顆粒運動,建立了基于馬爾科夫鏈的隨機(jī)模型(MCM).用離散化的床體網(wǎng)格定義狀態(tài)空間,并根據(jù)離散單元模型(DEM)的運算結(jié)果直接計算轉(zhuǎn)移概率矩陣.通過對比靜態(tài)和動態(tài)轉(zhuǎn)移概率矩陣的模擬結(jié)果來討論BFB的馬爾科夫特性.基于馬爾科夫鏈計算靜態(tài)矩陣,基于顆粒運動有后效性計算動態(tài)矩陣.結(jié)果表明：靜

黃志剛，謝鋒云華東交通大學(xué)機(jī)電學(xué)院，南昌 3300131．IntroductionDynamic compliance is the ability of machine tool components deformation to resist external force．It reflects the stability of NC machine tool machining process and has a direct effect on m

波包系數(shù)與隱馬爾科夫模型的刀具磨損監(jiān)測*邱 英，謝鋒云?華東交通大學(xué) 機(jī)電學(xué)院， 南昌 330013在機(jī)械自動化加工中，為了防止刀具損壞，刀具磨損過程的監(jiān)測是非常重要的。然而，由于加工過程的復(fù)雜性，對刀具磨損狀態(tài)的監(jiān)測十分困難。提出了一個基于小波包系數(shù)與隱馬爾科夫模型的刀具磨損監(jiān)測方法。將加工信號在不同頻帶上小波包系數(shù)的均方根值作為特征觀測向量，即為隱馬爾科夫模型的輸入，并用隱馬爾科夫模型模式識別方法識別刀具磨損狀態(tài)。實驗結(jié)果顯示，提出的方法對刀具磨損狀態(tài)

2013）隱馬爾科夫模型被廣泛的應(yīng)用于弱相依隨機(jī)變量的建模,是研究神經(jīng)生理學(xué)、發(fā)音過程和生物遺傳等問題的有力工具.研究了可列非齊次隱Markov模型的若干性質(zhì),得到了這類模型的強(qiáng)大數(shù)定律,推廣了有限非齊次馬氏鏈的一類強(qiáng)大數(shù)定律.可列非齊次隱Markov模型;強(qiáng)大數(shù)定律;非齊次馬爾科夫鏈1 引言隱馬爾科夫模型作為一種簡單的數(shù)學(xué)模型,近幾十年來被廣泛的應(yīng)用于弱相依隨機(jī)變量的建模,它是研究神經(jīng)生理學(xué)、發(fā)音過程和生物遺傳等問題的有力工具.但在實際應(yīng)用中經(jīng)常遇到隱藏

波包系數(shù)與隱馬爾科夫模型的刀具磨損監(jiān)測*邱 英，謝鋒云?華東交通大學(xué) 機(jī)電學(xué)院， 南昌 330013在機(jī)械自動化加工中，為了防止刀具損壞，刀具磨損過程的監(jiān)測是非常重要的。然而，由于加工過程的復(fù)雜性，對刀具磨損狀態(tài)的監(jiān)測十分困難。提出了一個基于小波包系數(shù)與隱馬爾科夫模型的刀具磨損監(jiān)測方法。將加工信號在不同頻帶上小波包系數(shù)的均方根值作為特征觀測向量，即為隱馬爾科夫模型的輸入，并用隱馬爾科夫模型模式識別方法識別刀具磨損狀態(tài)。實驗結(jié)果顯示，提出的方法對刀具磨損狀態(tài)

1000)非馬爾科夫環(huán)境下依賴于純度的糾纏制備李艷玲，徐中輝，霍 良(江西理工大學(xué)信息工程學(xué)院，江西 贛州341000)考慮了兩個無相互作用的量子比特系統(tǒng)和一個處于零溫非馬爾科夫庫耦合的情況.研究發(fā)現(xiàn)，當(dāng)系統(tǒng)初始處于兩體可分離混合態(tài)時，非馬爾科夫環(huán)境可以誘導(dǎo)兩量子比特間的糾纏，其值的大小高度依賴于體系所處態(tài)的初始純度.此外，非馬爾科夫庫誘導(dǎo)的糾纏遠(yuǎn)大于馬爾科夫庫誘導(dǎo)的糾纏，并且隨著失諧量的增大，誘導(dǎo)糾纏的最大值會大幅度增加.研究表明，在非馬爾科夫情況下，可

632)多維馬爾科夫轉(zhuǎn)制隨機(jī)微分方程的數(shù)值解耿曉晶(暨南大學(xué)經(jīng)濟(jì)學(xué)院統(tǒng)計學(xué)系,廣東廣州 510632)由于多維馬爾科夫轉(zhuǎn)制隨機(jī)微分方程不存在解析解,利用Euler-Maruyama方法給出多維馬爾科夫轉(zhuǎn)制隨機(jī)微分方程的漸進(jìn)數(shù)值解,并證明了此數(shù)值解收斂到方程的解析解.將單一馬爾科夫轉(zhuǎn)制隨機(jī)微分方程的數(shù)值解問題延伸到多維馬爾科夫轉(zhuǎn)制情形,增強(qiáng)了馬爾科夫轉(zhuǎn)制隨機(jī)微分方程的適用性.多維馬爾科夫轉(zhuǎn)制隨機(jī)微分方程;Euler-Maruyama數(shù)值解;收斂性1 引言在馬

者格奧爾基·馬爾科夫，在倫敦街頭被一名“路人”的雨傘尖“無意”刺中，隨后中毒身亡。此案堪稱冷戰(zhàn)期間最蹊蹺、最神秘的謀殺案之一。東歐劇變、蘇聯(lián)解體后，一些對此案感興趣的人開始探查真相。赫里斯托夫是保加利亞頗有名氣的記者，經(jīng)過數(shù)年的不懈努力，終于于今年9月7日(即馬爾科夫遇刺30周年紀(jì)念日)出版了一本著作，向全世界公布了他的調(diào)查結(jié)果。根據(jù)這一調(diào)查，英國將派遣數(shù)批特工前往保加利亞尋找證據(jù)，以便將犯罪嫌疑人捉拿歸案。保加利亞作家“魂斷藍(lán)橋”1978年9月7日中午，