《补充 马尔科夫链预测方法》由会员分享，可在线阅读，更多相关《补充 马尔科夫链预测方法（24页珍藏版）》请在金锄头文库上搜索。
1、上一页下一页退 出返回目录上一页下一页退 出返回目录补充 马尔可夫预测方法对事件的全面预测，不仅要能够指出事件发生 的各种可能结果，而且还必须给出每一种结果 出现的概率，说明被预测的事件在预测期内出 现每一种结果的可能性程度。这就是关于事件 发生的概率预测。马尔可夫（Markov)预测法，就是一种关于事 件发生的概率预测方法。它是根据事件的目前 状况来预测其将来各个时刻（或时期)变动状 况的一种预测方法。马尔可夫预测法是地理预 测研究中重要的预测方法之一。上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念（一)状态、状态转移过程与马尔可夫过程l1.状态 在马尔可夫预测中，“状
2、态”是一个重要的术语。所谓状态，就是指某一事件在某个时刻（或时期)出现 的某种结果。一般而言，随着所研究的事件及其预测的 目标不同，状态可以有不同的划分方式。譬如，在商品 销售预测中，有“畅销”、“一般”、“滞销”等状态；在农 业收成预测中，有“丰收”、“平收”、“欠收”等状态；在 人口构成预测中，有“婴儿”、“儿童”、“少年”、“青年” 、“中年”、“老年”等状态；在经济发展水平预测中，有“ 落后”、“较发达”、“发达”等状态；等等。上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念2.状态转移过程 在事件的发展过程中， 从一种状态转变为另一种状态，就称为状 态转移。譬如，
3、天气变化从“晴天”转变 为“阴天”、从“阴天”转变为“晴天” 、从“晴天”转变为“晴天”、从“阴天 ”转变为“阴天”等都是状态转移。事件的发展，随着时间的变化而变化所作 的状态转移，或者说状态转移与时间的关 系，就称为状态转移过程，简称过程。上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念3.马尔可夫过程 若每次状态的转移都只仅 与前一时刻的状态有关、而与过去的状态 无关，或者说状态转移过程是无后效性的 ，则这样的状态转移过程就称为马尔可夫 过程。在区域开发活动中，许多事件发展 过程中的状态转移都是具有无后效性的， 对于这些事件的发展过程，都可以用马尔 可夫过程来描述。上一
4、页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念（二)状态转移概率与状态转移概率矩阵l1.状态转移概率 在事件的发展变化过程中，从某一种状态出发，下一时刻转移到其它状态的 可能性，称为状态转移概率。根据条件概率的 定义，由状态Ei转为状态Ej的状态转移概率P（ EiEj)就是条件概率P（Ej/Ei)，即lP（EiEj)=P（ Ej/Ei)=Pij （1)上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念2.状态转移概率矩阵 假定某一种被预 测的事件有E1，E2，En，共n个 可能的状态。记Pij为从状态Ei转为状 态Ej的状态转移概率，作矩阵则称P为状态转移概
5、率矩阵。上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念如果被预测的某一事件目前处于状态 Ei，那么在下一个时刻，它可能由状 态Ei转向E1，E2，EiEn中的任一 个状态。所以Pij满足条件： 上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念一般地，我们将满足条件（3)的任何矩阵都称 为随机矩阵，或概率矩阵。不难证明，如果P 为概率矩阵，则对任何数m0，矩阵Pm都是 概率矩阵。如果P为概率矩阵，而且存在整数m0，使得 概率矩阵Pm中诸元素皆非零，则称P为标准概 率矩阵。可以证明，如果P为标准概率矩阵， 则存在P= （4) 这样的向量称为平衡向量，或终极
6、向量。上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念3.状态转移概率矩阵的计算 计算状态转移 概率矩阵P，就是要求每个状态转移到其它任 何一个状态的转移概率Pij（i，j=1，2， n)。为了求出每一个Pij，我们采用频率近似 概率的思想来加以计算。考虑某地区农业收成变化的三个状态，即“丰 收”、“平收”和“欠收”。记E1为“丰收” 状态，E2为“平收”状态，E3为“欠收”状态 。表2-18给出了该地区19501989年期间农业 收成的状态变化情况。以下，我们来计算该地 区农业收成变化的状态转移概率矩阵。 上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概
7、念表2-18 某地区农业收成变化的状态转移情况上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念从表2-18中可知，在15个从E1出发（转移出去)的状态 转移中，有3个是从E1转移到E1的（即12，2425， 3435)，有7个是从E1转移到E2的（即23，910， 1213，1516，2930，3536，3940)，有5个 是从E1转移到E3的（即67，1718，2021， 2526，3132)。故按照上述同样的办法计算可以得到上一页下一页退 出返回目录上一页下一页退 出返回目录一、几个基本概念所以，该地区农业收成变化的状态转移概率矩阵为上一页下一页退 出返回目录上一页下一
8、页退 出返回目录二、马尔可夫预测法为了运用马尔可夫预测法对事件发展过程中 状态出现的概率进行预测，还需要再介绍一 个名词：状态概率j（k)。j（k)表示事件 在初始（k=0)时状态为已知的条件下，经过 k次状态转移后，第k个时刻（时期)处于状 态Ej的概率。根据概率的性质，显然有： 上一页下一页退 出返回目录上一页下一页退 出返回目录二、马尔可夫预测法从初始状态开始，经过k次状态转移后到达 状态Ej这一状态转移过程，可以看作是首先 经过（k-1)次状态转移后到达状态Ei（i=1， 2，n)，然后再由Ei经过一次状态转移 到达状态Ej。根据马尔可夫过程的无后效性 及Bayes条件概率公式，有上一
9、页下一页退 出返回目录上一页下一页退 出返回目录二、马尔可夫预测法若记行向量(k)=1(k)，2(k)，n(k) ，则由(7)式可得逐次计算状态概率的递推公式：（8)式中，（0)=1（0)，2（0)，n（0)为 初始状态概率向量。上一页下一页退 出返回目录上一页下一页退 出返回目录（一)第k个时刻（时期)的状态概率预测由上述分析可知，如果某一事件在第0个时刻（或时期) 的初始状态已知（即（0)已知)，则利用递推公式（8) 式，就可以求得它经过k次状态转移后，在第k个时刻 （时期)处于各种可能的状态的概率（即（k)，从而 得到该事件在第k个时刻（时期)的状态概率预测。 在前例中，如果将1989年
10、的农业收成状态记为（ 0)=0，1，0（因为1989年处于“平收”状态)，则将 状态转移概率矩阵（5)式及（0)代入递推公式（8)式 ，就可以求得19902000年可能出现的各种状态的概 率（见表2-19)。 二、马尔可夫预测法上一页下一页退 出返回目录上一页下一页退 出返回目录二、马尔可夫预测法表2-19 某地区19902000年农业收成状态概率预测值上一页下一页退 出返回目录上一页下一页退 出返回目录二、马尔可夫预测法（二)终极状态概率预测经过无穷多次状态转移后所得到的状态概率称为终极状 态概率，或称平衡状态概率。如果记终极状态概率向量 为=1，2，n，则即：上一页下一页退 出返回目录上一
11、页下一页退 出返回目录二、马尔可夫预测法按照极限的定义可知：将（11)式代入马尔可夫预测模型的递推公式（8)式得即：=P （12) 上一页下一页退 出返回目录上一页下一页退 出返回目录这样，就得到了终极状态概率应满足的条件（1）=P（2）0i1（i=1，2，n)以上条件（2)与（3)是状态概率的要求，其中，条件 （2)表示，在无穷多次状态转移后，事件必处在n个 状态中的任意一个；条件（1)就是用来计算终极状态 概率的公式。终极状态概率是用来预测马尔可夫过程 在遥远的未来会出现什么趋势的重要信息。上一页下一页退 出返回目录上一页下一页退 出返回目录二、马尔可夫预测法在前例关于某地区农业收成状态概
12、率的 预测中，设终极状态的概率为=1， 2，3，则 即上一页下一页退 出返回目录上一页下一页退 出返回目录二、马尔可夫预测法求解方程组（13)式得：1=0.3653， 2=0.3525，3=0.2799。这说明，该地区农 业收成的变化，在无穷多次状态转移后，“丰 收”和“平收”状态出现的概率都将大于“欠 收”状态出现的概率。上一页下一页退 出返回目录上一页下一页退 出返回目录在地理事件的预测中，被预测对象所经历的过 程中各个阶段（或时点)的状态和状态之间的 转移概率是最为关键的。马尔可夫预测的基本 方法就是利用状态之间的转移概率矩阵预测事 件发生的状态及其发展变化趋势。马尔可夫预 测法的基本要求是状态转移概率矩阵必须具有 一定的稳定性。因此，必须具有足够多的统计 数据，才能保证预测的精度与准确性。换句话 说，马尔可夫预测模型必须建立在大量的统计 数据的基础之上。这一点也是运用马尔可夫预 测方法预测地理事件的一个最为基本的条件。 上一页下一页退 出返回目录上一页下一页退 出返回目录
