导读:本文包含了加权马尔可夫预测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:尺寸预报,灰色GM(1,1)模型,等维新息模型,加权马尔可夫链
加权马尔可夫预测模型论文文献综述
杨柳,同长虹,刘昊,王新雁[1]（2019）在《基于等维新息灰色加权马尔可夫模型的工件尺寸预测》一文中研究指出对工件尺寸的科学预测建模是加工预报补偿技术的基础.结合等维新息灰色模型与加权马尔可夫链的预测优势,建立等维新息灰色加权马尔可夫组合模型,并对工件尺寸测量误差建模、预测.实例结果表明:预测值与样本数据波动相似,且比灰色GM(1,1)模型和等维新息模型预测值的预测误差小,精度高.因此,该模型可为工件未来尺寸预报提供依据,并为后续的补偿控制技术提供参数.(本文来源于《甘肃高师学报》期刊2019年05期）
刘嘉,王泽滨[2]（2019）在《加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用》一文中研究指出灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.(本文来源于《江苏科技大学学报(自然科学版)》期刊2019年05期）
刘璞,王萌,马苓,石盛卿[3]（2018）在《灰色马尔可夫预测模型和加权加增长率移动平均法预测精度的比较》一文中研究指出文章通过建立灰色马尔可夫预测模型和加权加增长率移动平均法,对制度环境进行预测,并对预测结果的精度进行比较。为了进一步验证这一结果的可信性,从全国选择14个省份进行预测,预测结果表明灰色马尔科夫预测结果优于加权加增长率移动平均法。(本文来源于《统计与决策》期刊2018年22期）
王燕茹,王凯凯[4]（2018）在《加权马尔可夫模型在企业景气指数预测中的应用》一文中研究指出企业景气指数作为随机的变量,在每个季度统计过程中会存在着比较大的不确定性和不精确性的特点。文章以北京市1999—2013年共60个季度企业景气指数的数据资料作为实例,结合加权马尔可夫数学模型进行具体的应用。论证该模型在给定提供的时间序列中的实践效果,最后获得的结果与实际情况基本吻合,为以后对企业景气指数的预测提供新的研究方法和预测依据。(本文来源于《统计与决策》期刊2018年03期）
孙永军,李刚,程春田,蔡华祥,涂启玉[5]（2015）在《结合加权马尔可夫链与GM(1,1)模型的两阶段小水电群发电能力预测方法》一文中研究指出小水电富集地区在汛期或集中来水情况下普遍存在外送电量受阻问题,小水电发电能力预测的不准确性,进一步加大了与其他外送电源的协调难度.为此,本文提出结合加权马尔可夫链与GM(1,1)模型的两阶段预报方法,以提高小水电发电能力预测水平.该方法依据小水电特点与预测难点,以地区小水电群为研究对象,通过大小水电相关性分析,选择具有参考性的大水电站;以大水电区间流量为数据,结合加权马尔可夫链动态生成小水电群运行数据的季节指数;在此基础上,采用季节指数改进的GM(1,1)模型进行小水电群发电能力预测.云南大理漾濞县小水电群实例表明该方法预测精度能满足实际工程需求,是一种可行的小水电发电能力预测方法.(本文来源于《中国科学:技术科学》期刊2015年12期）
黄华,蔡仁,穆振侠,吕军,程霄[6]（2015）在《基于模糊集修正加权马尔可夫模型在新疆降水预测中的应用》一文中研究指出【目的】为提高降水预报精度,准确预测一个地区未来的降水丰枯状况和降水量,为该地区工农业生产生活提供决策参考。【方法】以年降水时间序列为研究对象,利用模糊集理论和加权马尔可夫模型建立一种基于模糊集的修正加权马尔可夫预测模型。该模型改进加权马尔可夫模型中初始状态向量的确定方法,即通过引入模糊集理论,基于距离测度建立隶属度函数,计算出随机变量序列各时段序列值隶属于所有状态的隶属度,并将隶属度向量作为该时段的初始状态向量。【结果】根据新疆1957~2010年的年降水数据,利用该模型预测新疆2011~2012年的降水丰枯状况及降水量预报值。2011~2012年丰枯状态的预测结果与实际完全一致,降水量预测值的误差分别为0.99%,0.54%。进一步利用该模型动态预报了2013~2017年的降水丰枯状况及降水量。【结论】基于模糊集的修正加权马尔可夫模型具有更高的预测效果,可用于新疆降水丰枯状况预报和降水量预测。(本文来源于《新疆农业科学》期刊2015年10期）
王钰峰[7]（2015）在《加权马尔可夫链模型在黑河莺落峡水文站降水丰枯预测中的应用》一文中研究指出依据黑河莺落峡水文站1951-2009年降水资料,采用加权马尔可夫链模型对2010-2014年降水丰枯情况逐年进行预测,结果表明:黑河莺落峡水文站2010-2014年降水量丰枯状态的预测与实际情况基本一致,未来年降水量处于平水年的可能性最大,出现周期约为3年,说明运用加权马尔可夫链模型对降水量的丰枯状态预测是有效可行的。(本文来源于《甘肃水利水电技术》期刊2015年08期）
杨皓翔,梁川,崔宁博[8]（2015）在《基于加权灰色-马尔可夫链模型的城市需水预测》一文中研究指出城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m3和79 818.34万m3,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。(本文来源于《长江科学院院报》期刊2015年07期）
田红霞[9]（2015）在《基于两次改进灰色加权马尔可夫模型的CPI预测》一文中研究指出利用灰色加权马尔可夫预测模型对居民消费价格指数(CPI)进行研究,并在此基础上进行两次改进.首先利用无偏灰色加权马尔可夫模型进行改进,消除了原有模型固有的偏差;又利用递进转移概率矩阵进行二次改进,在预测时增加最新的预测数据,去掉距离最远的数据,最后结合2013.06~2014.03的CPI数据对2014年4月及5月份的数据进行预测.结果表明:两次改进的灰色加权马尔可夫模型与一般灰色加权马尔可夫模型相比,平均相对误差约减少30%,效果较好.(本文来源于《中北大学学报(自然科学版)》期刊2015年02期）
刘杰[10]（2015）在《基于加权马尔可夫链的预测模型及仿真实验研究》一文中研究指出针对传统马尔可夫链忽略了事物发展中各个状态间的相依关系这一局限性,利用相关系数来度量各种状态间的相依关系并构建了一种改进的基于加权的马尔可夫链。以汉中市近十年的人均GDP统计数据为训练样本,从理论上对该地区的人均GDP做了科学的分析和预测。研究结果表明:与传统的马尔可夫链相比,改进后的马尔可夫链预测值的误差更小,预测精度更高。(本文来源于《陕西理工学院学报(自然科学版)》期刊2015年01期）
加权马尔可夫预测模型论文开题报告
（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：
灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.
（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。
加权马尔可夫预测模型论文参考文献
[1].杨柳,同长虹,刘昊,王新雁.基于等维新息灰色加权马尔可夫模型的工件尺寸预测[J].甘肃高师学报.2019
[2].刘嘉,王泽滨.加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用[J].江苏科技大学学报(自然科学版).2019
[3].刘璞,王萌,马苓,石盛卿.灰色马尔可夫预测模型和加权加增长率移动平均法预测精度的比较[J].统计与决策.2018
[4].王燕茹,王凯凯.加权马尔可夫模型在企业景气指数预测中的应用[J].统计与决策.2018
[5].孙永军,李刚,程春田,蔡华祥,涂启玉.结合加权马尔可夫链与GM(1,1)模型的两阶段小水电群发电能力预测方法[J].中国科学:技术科学.2015
[6].黄华,蔡仁,穆振侠,吕军,程霄.基于模糊集修正加权马尔可夫模型在新疆降水预测中的应用[J].新疆农业科学.2015
[7].王钰峰.加权马尔可夫链模型在黑河莺落峡水文站降水丰枯预测中的应用[J].甘肃水利水电技术.2015
[8].杨皓翔,梁川,崔宁博.基于加权灰色-马尔可夫链模型的城市需水预测[J].长江科学院院报.2015
[9].田红霞.基于两次改进灰色加权马尔可夫模型的CPI预测[J].中北大学学报(自然科学版).2015
[10].刘杰.基于加权马尔可夫链的预测模型及仿真实验研究[J].陕西理工学院学报(自然科学版).2015