马尔可夫预测

若某一系统在已知现在情况的条件下,系统未来情况只与现在有关,与历史无直接关系,则称描述这类随机现象的数学模型为马尔可夫模型(马氏模型)。
 
 

时齐马尔可夫链:

用java编写马尔可夫预测代码 马尔可夫预测原理_用java编写马尔可夫预测代码

系统由状态i转移到状态j的转移概率只与时间间隔长短有关,与初始时刻无关。
 
 

状态转移概率矩阵及柯尔莫哥洛夫定理:

概率矩阵:

若系统在时刻 t0 处于状态 i,经过 n 步转移,在时刻 tn 处于状态 j 。那么,对这种转移的可能性的数量描述称为 n 步转移概率。记为:

用java编写马尔可夫预测代码 马尔可夫预测原理_初始状态_02

用java编写马尔可夫预测代码 马尔可夫预测原理_初始状态_03

为n部转移概率矩阵。(\(P^{0}\)为初始分布行向量)

性质:

用java编写马尔可夫预测代码 马尔可夫预测原理_正则_04

用java编写马尔可夫预测代码 马尔可夫预测原理_用java编写马尔可夫预测代码_05

 
 

转移概率的渐进性质——极限概率分布

正则矩阵:

若存在正整数k,使得pkpk的每一个元素都是正数,则称该马尔可夫链的转移矩阵P是正则的。

马克可夫链正则阵的性质:

  1. P有唯一的不动点向量W,W的每个分量为正,满足WP=W;
  2. P的n次幂PnPn随n的增加趋近于矩阵V, V的每一行向量均等于不动点向量W。

 
 

马尔可夫链预测法步骤:

  1. 划分预测对象可能出现的状态;
  2. 计算初始概率,由此计算一步状态转移概率;
  3. 计算多步状态转移概率;
  4. 根据状态转移概率进行预测。

 
 

实例:

eg:由于公路运输的发展,大量的短途客流由铁路转向公路。历年市场调查结果显示,某铁路局发现今年比上年相比有如下规律:原铁路客流有85%仍由铁路运输,有15%转由公路运输,原公路运输的客流有95%仍由公路运输,有5%转由铁路运输。已知去年公、铁客运量合计为12000万人,其中铁路10000万人,公路2000万人。预测明年总客运量为18000万人。运输市场符合马氏链模型假定。试预测明年铁、公路客运市场占有率各是多少?客运量是多少?最后发展趋势如何?

解:

  1. 计算去年铁路、公路客运市场占有率

将旅客由铁路运输视为状态1,由公路运输视作状态2,则铁、公占有率就是处于两种状态的概率,分别记作a1a1,a2a2.

以去年作为初始状态,则初始状态概率向量:

用java编写马尔可夫预测代码 马尔可夫预测原理_状态转移_06

  1. 建立状态转移矩阵P

用java编写马尔可夫预测代码 马尔可夫预测原理_初始状态_07

  1. 预测明年铁路,公路客运市场占有率

用java编写马尔可夫预测代码 马尔可夫预测原理_初始状态_08

  1. 进后发展趋势

用java编写马尔可夫预测代码 马尔可夫预测原理_状态转移_09