系泊船舶在不规则波中慢漂振荡的马尔可夫模型

一艘在非高斯慢漂波浪力激励下的系泊船舶的响应被用一个连续的马尔可夫过程来建模.提出了一个数值路径积分解法来计算该艘船舶的响应统计.该数值路径积分法是基于Gauss-Legendre插值方案,响应概率密度值是在子区间内的高斯分点上获得的.显示该数值路径积分解法有独特的能力在很低概率水平时生成精确解,这在系统可靠性分析时有重要意义.     

基于灰色 Markov模型的我国远洋船舶货运总量预测*

对我国远洋船舶货运总量的预测关系到我国港口建设和航运发展的一系列科学规划,也关系到远洋运输在综合交通运输中的比重和国际海上运输的资源分配。单纯的灰色模型对明显单调的序列往往预测得较好,而对波动的序列则会出现精度不够理想的问题。在结合改进后的灰色预测模型和M arkov模型的理论优势后,先用改进后的灰色模型来预测远洋船舶货运总量的总体走势,再用M arkov模型来确定各种状态间的转移方式,以此提高对波动序列的预测精度,具有较高的实用价值。     

基于灰色马尔科夫链模型的交通量预测

交通量是一个不平稳的时间序列,在不确定性条件和缺乏数据资料的情况下,交通量的预测是一个较复杂的问题。灰色马尔科夫链模型是一种结合经典灰色理论和马尔科夫链的状态转移行为的预测模型。该模型在灰色预测理论的基础上,再对随机波动大的残差序列进行马尔科夫预测,实现了两者的优势互补,克服了两者的不足。以太原市漪汾桥断面的交通量的数据在传统灰色GM(1,1)预测模型的基础上建立交通量的灰色马尔科夫链模型,研究表明,该模型在交通量的预测方面相对传统的灰色GM(1,1)模型有更高的精度。     

基于随机Petri网的GSM-R越区切换成功率的形式化分析

首先建立了基于随机Petri网的GSM-R越区切换模型,在模型中综合考虑了信道故障、信道占用和越区切换参数配置不合理等影响越区切换成功率的因素.其次,说明了随机Petri网与马尔可夫链的关系,以及使用马尔可夫链分析“GSM-R越区切换的随机Petri网模型”的方法.最后,利用SPNP工具分析了影响GSM-R越区切换成功率的因素,发现GSM-R小区预留信道越多,越区切换成功率越高;列车运行速度越高,越区切换成功率越低;在一定范围内,列车追踪间隔越大,越区切换成功率就越高     

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM（1,1）预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

������о�����Ϊ��TDM���Ի�����ϵ�о��ı�Ҷ˹����

综合评述了活动－出行行为研究方法和存在的问题,引入贝叶斯结构学习和参数估计方法,辅以基于活动的出行行为分析理论、非集计建模方法和SP/RP数据融合方法,提出了基于贝叶斯结构学习和参数估计方法的出行行为与TDM策略互动关系分析方法的框架,探索了改进已有研究方法的途径。研究表明,贝叶斯理论可以将居民的个人属性及隐性非样本信息在出行行为预测中充分表达,并解决MNP等复杂非集计模型的参数标定问题。将贝叶斯理论与已有的出行行为分析方法相结合,可以使出行行为预测更为精确、全面和灵活,从而更加准确地描述活动－出行决策行为与TDM策略的互动响应关系,为制定有效的TDM策略,缓解城市交通供需矛盾提供理论依据。     

寸滩站年最高水位预测模型研究

寸滩水文站是长江上游的主要控制站,分析可知,从20世纪70年代开始,由于年降水量的减少和气温的下降,年最高水位也呈逐渐下降的趋势.本文将灰色系统理论与马尔科夫链理论相结合,以1940年至2003年寸滩站年最高水位序列为研究对象,建立灰色马尔科夫预测模型.从预测结果看出,所建灰色模型大体反映了年最高水位的下降趋势,而经过马尔科夫模型对预测误差进行修正后,模型预测精度提高,计算值与实际值吻合良好.对其他站年最高水位的模拟分析表明,模型精度能满足年最高水位预报要求.说明灰色马尔科夫模型可以应用于长期预报中.     

重型载货汽车气压制动系统危险状态识别

针对重型载货汽车因气压制动系统发生管路破裂、机械故障或热衰退导致制动效能下降且不易察觉从而引发严重交通事故的问题,提出基于主成分分析降维（PCA降维）和马尔可夫模型的气压制动系统危险状态识别方法。考虑到三轴载货汽车双回路制动系统的结构复杂性以及制动过程制动踏板动作、系统压力建立和实现车辆减速具有明显的时序性特点,首先采用PCA降维的方法对系统状态进行辨识;然后运用驾驶人制动意图与制动系统响应的双层隐形马尔可夫模型对系统状态进行识别。受驾驶人习惯影响制动踏板作用瞬间辨识度低,采用混合高斯聚类法提取不同制动意图时制动保持阶段数据建立制动意图识别模型和系统响应识别模型,通过二者匹配程度判定系统状态。最后,分别依据实车试验数据对模型进行离线训练和在线辨识验证。试验结果表明：系统正常状态下,基于PCA降维和马尔可夫模型相结合的识别方法能够准确、有效地识别制动系统状态;制动管路断开压力降低状态下,PCA降维方法能够及时有效识别其危险状态。     

基于马尔可夫链的混合动力汽车行驶工况预测研究

针对目前混合动力汽车行驶环境适应性的问题,提出一种适应于随机多变的交通状况和基于实时行驶工况预测的能量管理策略。该策略采用一阶齐次马尔可夫链状态转移概率矩阵,对主干道和快速路建立了行驶工况特征参数预测模型,并通过对预测准确度的对比分析,确定了滚动时间窗和预测视距的最佳值。研究结果表明,与传统基于既定循环工况的整车能量管理策略相比,基于工况预测的能量管理策略具有更好的燃油经济性,为新能源汽车能量管理实时控制提供了一种新方法。     

基于马尔科夫链的公交站间行程时间预测算法

公交站间行程时间具有明显的时段分布特征,且公交车辆是典型的时空过程对象,其运行具有状态转移性。为了准确预测公交站间行程时间,在应用马尔科夫链预测公交站间行程时间基础上提出其改进算法。通过大量公交GPS数据构造不同时段下具体线路站间行程时间的马尔科夫状态转移矩阵,并对站间行程时间进行状态推导,采用移动误差补偿法对马尔科夫预测值进行动态修正,改进原有的马尔科夫预测算法。以广州市BRT线路B1的实际运行数据对算法进行了验证,结果表明,移动误差补偿改进算法优于基本马尔科夫算法及 BP模型,同时该改进算法还具有实现过程较简单。