亚洲一区人妻,久久三级免费,国模少妇无码一区二区三区,日韩av动漫

國內(nèi)或國外 期刊或論文

您當前的位置:發(fā)表學(xué)術(shù)論文網(wǎng)電子論文》 基于類吸收壁的馬爾科夫鏈模型及其應(yīng)用> 正文

基于類吸收壁的馬爾科夫鏈模型及其應(yīng)用

所屬分類:電子論文 閱讀次 時間:2021-08-31 10:09

本文摘要:摘要:文章首先針對離散參數(shù)馬爾科夫鏈定義中各狀態(tài)的特點,定義一個狀態(tài)集,構(gòu)造了一個新的基于類吸收壁的馬爾科夫鏈模型,并對這個模型的性質(zhì)進行推導(dǎo)和研究。然后通過預(yù)設(shè)約定狀態(tài)發(fā)生的概率,計算該狀態(tài)發(fā)生的最晚時間,從而達到提早預(yù)防、高效抽查等效

  摘要:文章首先針對離散參數(shù)馬爾科夫鏈定義中各狀態(tài)的特點,定義一個狀態(tài)集,構(gòu)造了一個新的基于類吸收壁的馬爾科夫鏈模型,并對這個模型的性質(zhì)進行推導(dǎo)和研究。然后通過預(yù)設(shè)約定狀態(tài)發(fā)生的概率,計算該狀態(tài)發(fā)生的最晚時間,從而達到提早預(yù)防、高效抽查等效果。最后利用該模型對生產(chǎn)男褲的機器的運作狀態(tài)進行分析,證明了模型的有效性。

  關(guān)鍵詞:馬爾科夫鏈;類吸收壁;條件概率;C-K方程

工程設(shè)計

  馬爾科夫鏈在1906年由馬爾科夫首次提出,其表示在給定當前知識或信息的情況下,過去(即當期以前的歷史狀態(tài))對于預(yù)測將來(即當期以后的未來狀態(tài))無關(guān)的隨機過程。1960年,Whittle提出了馬爾科夫鏈的很多重要性質(zhì)[1]。2015年,Ross對馬爾科夫鏈的各種應(yīng)用情況進行了詳細介紹[2]。時至今日,馬爾科夫鏈已經(jīng)成為預(yù)測模型中極其重要的一部分。

  在生活生產(chǎn)中,馬爾科夫鏈扮演著重要的角色,因此,馬爾科夫鏈一直深受研究者的青睞。Awiszus和Rosenhahn(2018)[3]將馬爾科夫鏈和神經(jīng)網(wǎng)絡(luò)相結(jié)合。許慶陽等(2018)[4]利用馬爾科夫鏈診斷道路故障問題。張晴和李云(2019)[5]利用馬爾科夫鏈對物體的先驗信息進行檢驗。

  曹騫等(2019)[6]采用改進的Kneser-Ney平滑方法計算狀態(tài)轉(zhuǎn)移概率矩陣,提出了基于馬爾科夫鏈的行駛工況構(gòu)建算法,以提高代表行駛工況的準確性。彭艦等(2018)[7]利用馬爾科夫鏈對輕軌乘客軌跡進行預(yù)測,以期減少運行時間。祝錦舟等(2016)[8]根據(jù)馬爾科夫鏈的性質(zhì)對電力負荷進行優(yōu)化組合,以提高配電網(wǎng)的運行效率。高嶺等(2017)[9]利用馬爾科夫鏈進行自適應(yīng)DRX優(yōu)化。解少博等(2018)[10]基于馬爾科夫鏈,針對一款客車進行預(yù)測型控制策略的研究,以實現(xiàn)擋位選擇和功率分配的協(xié)同優(yōu)化。賴岳等(2017)[11]提出了一種改進狀態(tài)間的轉(zhuǎn)移矩陣的方法。

  本文主要利用馬爾科夫鏈的性質(zhì),建立基于類吸收壁的馬爾科夫鏈模型,進而解決生產(chǎn)過程中遇到的一些實際問題。通常情況下,機器生產(chǎn)過程并非實時監(jiān)控,而是采用抽查的方式,但機器未被監(jiān)控的時間段是否正常運行的狀態(tài)也直接關(guān)系到產(chǎn)品的質(zhì)量。因此,就生產(chǎn)商而言,確定抽查的間隔時間至關(guān)重要[11—16]。但現(xiàn)有的決定抽查間隔時間的方式大多數(shù)都是通過經(jīng)驗得來,并未從理論的角度解釋其合理性。本文將通過理論推導(dǎo),說明在不同情況下該如何選擇抽查間隔時間。

  工程設(shè)計論文:移動通信傳輸工程設(shè)計與新技術(shù)探究

  本文針對離散參數(shù)馬爾科夫鏈,構(gòu)造了一個新的基于類吸收壁的馬爾科夫鏈模型,從而解決了在已知初始狀態(tài)、末狀態(tài)的情況下,計算間隔時間內(nèi)不處于某些狀態(tài)的概率γ。并反過來通過限定γ的大小求最大時間間隔。同時對男褲生產(chǎn)機器進行實例分析,假設(shè)機器運作狀態(tài)符合馬氏性,利用機器生產(chǎn)出來的褲腿的長度偏差,來預(yù)測檢修機器的間隔時間,說明了模型的實用性。

  參考文獻:

  [1]WhittleP.MarkovChainsWithStationaryTransitionProbabilities[J]JournaloftheRoyalStatisticalSociety:SeriesA(StatisticsinSociety),1960,(3).

  [2]RossSM.IntroductiontoProbabilityModels[M].北京:人民郵電出版社,2015.

  [3]AwiszusM,RosenhahnB.MarkovChainNeuralNetworks[J].Statis⁃tics,2018.

  [4]許慶陽,劉中田,趙會兵.基于隱馬爾科夫模型的道岔故障診斷方法[J].鐵道學(xué)報,2018,40(8).

  [5]張晴,李云.基于馬爾科夫鏈和物體先驗的顯著物體檢測[J].計算機工程與設(shè)計,2019,40(4).

  [6]曹騫,李君,劉宇,等.基于大數(shù)據(jù)和馬爾科夫鏈的行駛工況構(gòu)建[J].東北大學(xué)學(xué)報(自然科學(xué)版),2019,40(1).

  [7]彭艦,孫海,陳瑜,等.基于馬爾科夫鏈的輕軌乘客軌跡預(yù)測新算法[J].電子科技大學(xué)學(xué)報,2018,47(5).

  作者:代娟1,呂王勇1,2,陳雯1,李思奇1

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng):http:///dzlw/27973.html