《马尔科夫链预测方法》由会员分享，可在线阅读，更多相关《马尔科夫链预测方法（29页珍藏版）》请在金锄头文库上搜索。
1、马尔可夫预测马尔可夫预测（MarkovForecastingModel）马尔可夫（Markov）法是以俄国数学家AAMarkov名字命名的一种方法.它将时间序列看作一个随机过程，通过对事物不同状态的初步概率和状态之间转移概率的研究，确定状态变化趋势，以预测事物的未来。马尔可夫预测方法马尔可夫预测方法对事件的全面预测，不仅要能够指出事对事件的全面预测，不仅要能够指出事件发生件发生的各种可能结果的各种可能结果，而且还必须给出，而且还必须给出每一种结果每一种结果出现的概率出现的概率，说明被预测的事件在预测期内出，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。这就是关于事件现每一种结果的可能性
2、程度。这就是关于事件发生的发生的概率预测概率预测。马尔可夫（马尔可夫（Markov)Markov)预测法，就是一种关于预测法，就是一种关于事事件发生的概率件发生的概率预测方法。它是根据事件的目前预测方法。它是根据事件的目前状况来预测其将来各个时刻（或时期状况来预测其将来各个时刻（或时期) )变动状变动状况的一种预测方法。马尔可夫预测法是地理预况的一种预测方法。马尔可夫预测法是地理预测研究中重要的预测方法之一。测研究中重要的预测方法之一。一、几个基本概念（一（一)状态、状态转移过程与马尔可夫过程状态、状态转移过程与马尔可夫过程l1.1.状态状态 在马尔可夫预测中，在马尔可夫预测中，“状态状态”是
3、一个重要的术语。是一个重要的术语。所谓状态，所谓状态，就是指某一事件在某个时刻（或时期就是指某一事件在某个时刻（或时期) )出现的某出现的某种结果种结果。一般而言，随着所研究的事件及其预测的目标不。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，在商品销售预测同，状态可以有不同的划分方式。譬如，在商品销售预测中，有中，有“畅销畅销”、“一般一般”、“滞销滞销”等状态；在农业收等状态；在农业收成预测中，有成预测中，有“丰收丰收”、“平收平收”、“欠收欠收”等状态；在等状态；在人口构成预测中，有人口构成预测中，有“婴儿婴儿”、“儿童儿童”、“少年少年”、“青年青年”、
4、“中年中年”、“老年老年”等状态；在经济发展水平预等状态；在经济发展水平预测中，有测中，有“落后落后”、“较发达较发达”、“发达发达”等状态；等等。等状态；等等。一、几个基本概念2.2.状态转移过程状态转移过程 在事件的发展过程中，在事件的发展过程中，从从一种状态转变为另一种状态，就称为状态转一种状态转变为另一种状态，就称为状态转移移。譬如，天气变化从。譬如，天气变化从“晴天晴天”转变为转变为“阴阴天天”、从、从“阴天阴天”转变为转变为“晴天晴天”、从、从“晴晴天天”转变为转变为“晴天晴天”、从、从“阴天阴天”转变为转变为“阴天阴天”等都是状态转移。等都是状态转移。事件的发展，随着时间的变化而
5、变化所作的事件的发展，随着时间的变化而变化所作的状态转移，或者说状态转移，或者说状态转移与时间的关系状态转移与时间的关系，就称为状态转移过程，简称就称为状态转移过程，简称过程过程。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。假定池中有N张荷叶，编号为1，2，3,N，即蛙跳可能有N个状态（状态确知且离散）。青蛙所属荷叶，为它目前所处的状态；因此它未来的状态，
6、只与现在所处状态有关，而与以前的状态无关（无后效性成立）。一、几个基本概念（二)状态转移概率与状态转移概率矩阵l1.状态转移概率状态转移概率在事件的发展变化过程中，从某一种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，称为状态转移概率状态转移概率。根据条件概率的定义，由状态。根据条件概率的定义，由状态Ei转为转为状态状态Ej的状态转移概率的状态转移概率P（EiEj)就是条件概率就是条件概率P（Ej/Ei)，即，即P（EiEj)=P(Ej/Ei)=Pijl客观事物可能有客观事物可能有u1，u2,un共共n种状态，其每次只种
7、状态，其每次只能处于一种状态，则每一状态都具有能处于一种状态，则每一状态都具有n个转向包括转个转向包括转向自身，即向自身，即uiu1，uiu2,uiun，将这种转移，将这种转移的可能性用概率描述的可能性用概率描述,就是状态转移概率就是状态转移概率。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，作矩阵则称则称P为状态转移概率矩阵；（为状态转移概率矩阵；（n阶方阵）阶方阵）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
8、以Pij满足条件：非负性；行元素和为1一、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)这样的向量这样的向量称为称为平衡向量平衡向量，或，或终极向量终极向量。一、几个基本概念3.3.状态转移概率矩阵的计算状态转移概率矩阵的计算 计算状态转移概率矩阵计算状态转移概率矩阵P P，就是要求每个状态转，就是要求每个状态转移到其它任何一个状态的转移概率移到其它任何一个状态
9、的转移概率PijPij（i i，j=1j=1，2 2，n)n)。为了求出每一个。为了求出每一个PijPij，我们采用频，我们采用频率近似概率的思想来加以计算。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，即考虑某地区农业收成变化的三个状态，即“丰收丰收”、“平收平收”和和“欠收欠收”。记。记E1E1为为“丰收丰收”状态，状态，E2E2为为“平收平收”状态，状态，E3E3为为“欠收欠收”状态。表状态。表2-2-1818给出了该地区给出了该地区1950195019891989年期间农业收成的状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态变化情况。以下，我们来计算该
10、地区农业收成变化的状态转移概率矩阵。变化的状态转移概率矩阵。一、几个基本概念表某地区农业收成变化的状态转移情况一、几个基本概念从表从表2-18中可知，在中可知，在15个从个从E1出发（转移出去出发（转移出去)的状态的状态转移中，有转移中，有3个是从个是从E1转移到转移到E1的（即的（即12，2425，3435)，有，有7个是从个是从E1转移到转移到E2的（即的（即23，910，1213，1516，2930，3536，3940)，有，有5个个是从是从E1转移到转移到E3的（即的（即67，1718，2021，2526，3132)。故故按照上述同样的办法计算可以得到按照上述同样的办法计算可以得到一、
11、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所以，该地区农业收成变化的状态转移概率矩阵为二、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：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
12、式，有二、马尔可夫预测法若记行向量若记行向量(k)=1(k)(k)=1(k)，2(k)2(k)，n(k)n(k)，则由，则由(7)(7)式可得逐次计算状态概率的递推公式：式可得逐次计算状态概率的递推公式：（8)式中，式中，（0)=1（0)，2（0)，n（0)为为初始状态概率向量初始状态概率向量。（一)第k个时刻（时期)的状态概率预测由上述分析可知，如果某一事件在第由上述分析可知，如果某一事件在第0个时刻（或时期个时刻（或时期)的初始状态已知（即的初始状态已知（即（0)已知已知)，则利用递推公式（，则利用递推公式（8)式，就可以求得它经过式，就可以求得它经过k次状态转移后，在第次状态转移后，在第
13、k个时刻个时刻（时期（时期)处于各种可能的状态的概率（即处于各种可能的状态的概率（即（k)，从而得，从而得到到该事件在第该事件在第k个时刻（时期个时刻（时期)的状态概率预测。的状态概率预测。在前例中，如果将在前例中，如果将1989年的农业收成状态记为年的农业收成状态记为（0)=0，1，0（因为（因为1989年处于年处于“平收平收”状态状态)，则将状态，则将状态转移概率矩阵（转移概率矩阵（5)式及式及（0)代入递推公式（代入递推公式（8)式，就式，就可以求得可以求得19902000年可能出现的各种状态的概率年可能出现的各种状态的概率（见表（见表2-19)。二、马尔可夫预测法二、马尔可夫预测法二、
14、马尔可夫预测法表表2-192-19 某地区某地区1990199020002000年农业收成状态概率预测值年农业收成状态概率预测值二、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。态概率，或称平衡状态概率。如果记终极状态概率向量如果记终极状态概率向量为为=1，2，n，则，则即：即：二、马尔可夫预测法按照极限的定义可知：将（将（11)式代入马尔可夫预测模型的递推公式（式代入马尔可夫预测模型的递推公式（8)式得式得即：即：=P（12)这样，就得到了终极状态概率应满足的条件这样，就得到了终极
15、状态概率应满足的条件（1）=P（2）0i1（i=1，2，n)以上条件（以上条件（2)2)与（与（3)3)是状态概率的要求，其中，条件是状态概率的要求，其中，条件（2)2)表示，在无穷多次状态转移后，事件必处在表示，在无穷多次状态转移后，事件必处在n n个个状态中的任意一个；条件（状态中的任意一个；条件（1)1)就是用来计算终极状态就是用来计算终极状态概率的公式。概率的公式。终极状态概率是用来预测马尔可夫过程终极状态概率是用来预测马尔可夫过程在未来会出现什么趋势的重要信息。在未来会出现什么趋势的重要信息。二、马尔可夫预测法在前例关于某地区农业收成状态概率的预测中，设终极状态的概率为=1，2，3，
16、则即即二、马尔可夫预测法求解方程组（求解方程组（13)13)式得：式得：1=0.36531=0.3653，2=0.35252=0.3525，3=0.27993=0.2799。这说明，该地区农。这说明，该地区农业收成的变化，在无穷多次状态转移后，业收成的变化，在无穷多次状态转移后，“丰丰收收”和和“平收平收”状态出现的概率都将大于状态出现的概率都将大于“欠欠收收”状态出现的概率。状态出现的概率。在地理事件的预测中，被预测对象所经历的过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（或时点程中各个阶段（或时点) )的状态和状态之间的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转
17、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数据的基础之上。这一点也是运用马尔可夫预测
18、方法预测地理事件的一个最为基本的条件。测方法预测地理事件的一个最为基本的条件。例例4设某地区设某地区1600居民，只有甲、乙、丙三厂的某产居民，只有甲、乙、丙三厂的某产品在该地销售品在该地销售.据查据查8月份买甲、乙、丙三厂产品的分月份买甲、乙、丙三厂产品的分别为别为480、320、800，9月份调查发现原买甲转买乙的月份调查发现原买甲转买乙的有有48户，转买丙的有户，转买丙的有96户，原买乙转买甲的有户，原买乙转买甲的有32户，户，转买丙的有转买丙的有64户；原买丙转买甲的有户；原买丙转买甲的有64户，转买乙的户，转买乙的有有32户，求转移概率矩阵，并求户，求转移概率矩阵，并求10月、月、12月市场占有月市场占有率及极限分布率及极限分布.解：频数转移矩阵为解：频数转移矩阵为得转移概率矩阵为得转移概率矩阵为n个月的市场占有率为个月的市场占有率为p(n)= p(0)Pn9月10月11月马尔可夫预测法与EXCEL利用EXCEL的“规划求解”工具解决马尔可夫预测的计算
