- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
灰色马尔可夫链在事故征候预测中的应用
苏子烨 孙瑞山
中国民航大学民航安全科学研究所,天津,300300
摘要:事故征候是民航安全管理的重要内容之一,对其进行科学的预测是预防事故发生以及进行
安全决策的关键步骤。事故征候受到多种因素影响且随机波动较大,综合灰色GM(1,1)模型和马尔可
夫模型的特点对其进行预测。首先应用灰色GM(1,1)模型对事故征候进行预测,但该方法受原始数据
波动影响预测精度偏低,要通过马尔可夫模型对预测结果进行修正,根据预测值与实际值对比划分事故
征候状态从而确定概率状态转移矩阵。本文并没有将转移矩阵中最大概率的状态作为预测状态,而是
将数学期望的概念应用到马尔可夫预测的计算中。结果表明通过对1997-2006年事故征候数据的拟
合计算灰色马尔可夫模型的应用是可行的,比单纯应用灰色GM(1,1)模型在预测精度上有显著提高。
关键词:马尔可夫;事故征候;GM(1,1)模型
殳 ‘1’(f+1)=【xo’(1
『得到原始数据对应时茅
宕(o’(t+1)=爱(1’(t
.05I.15]T112。
l)xP(k)=1
IL.
TheapplicationofgrayMarkovchaininIncidentprediction
SuZiyeSunRuishan
ResearchInstituteofCivilAviationSafety,CivilAviationUniversityofChina,Tianjin,300300
Abstract:IncidentisplacedasoneoftheprioritiesinCivilAviationSafetyManagement,thusascientif
icpredictiononitisakeystepinbothaccidentpreventionandsafetydecision-making.However,incident
withstronglystochasticfluctuationscanbeaffectedbyvariousfactorsandtowhichGM(1,1)andMarkov
modelmustbebothappliedinordertomakeaprediction.Inthispaper,GM(1,1)wasfirstlyemployedto
predictinddentwhosedrawbackislowaccuracyduetothenegativeinfluenceofrawdata,thusMarkov
modelhastobeutilizedtomodifyit.Insuchprocess,ratioofpredictionvalueandactualvaluewereusedto
determinethestateofincidentandthendeterminethetransferringprobabilitymatrix.Thispaperdidnotuse
thelargestprobabilityofstatetransitionmatrixaspredictivestate;however,theconceptofmathematicalex
pectationisapphedtothecalculationoftheMarkovmodel.Resultssuggestthefeasibilityoftheapplicationof
bothGM (1,1)andMarkovModelthroughthefittingcalculationofinddentdatafrom1997to2006.Pre
dictionaccuracywassignificantlyimprovedcomparedwiththesingleuseofGM(1,1).
Keywords:Markov;Incident;GM(1,1)model
文档评论(0)