Markov链预测法.docVIP

年凝冻日数的Markov链预测法 4# 【摘要】 本文根据所给数据，利用Markov链建立了预测年凝冻日数的模型，分别从整体和局部两个角度进行分析。 首先，我们直接以年凝冻日数为依据，对其进行K-均值聚类分析，划分状态。用频率估计概率的方法，估算出一步转移概率矩阵，，然后建立Markov链模型。以2008年作为初始状态，估计出2009年凝冻日数所处状态为。按K-均值标准可知，即2009年凝冻的天数在15天以内的可能性为84.8%，在15天以上的可能性为15.2%。 由于上述模型选取的是以年为单位的数据，只能估计出2009年的凝冻日数所处区间。为提高精度，我们选取2000-2008年的具体凝冻天数和日期，记每一天只存在两种状态，出现雨凇为状态1，否则为状态0。然后由相邻两年间的状态转移变化，得出一步转移概率矩阵，。由这8个一步转移概率矩阵，根据一步转移矩阵的次方与步转移概率矩阵之差的范数和达到最小的准则，选出优化后的一步转移概率矩阵 ,再次建立Markov链模型。以2008年为初始状态，预测2009年的概率分布为 ，由频率稳定于概率，知2009年凝冻天数的估计值为14天。 关键词： Markov链 转移概率矩阵 频率估计概率 1.?? 问题提出 1.1背景知识 凝冻是指冬季出现的温度低于0℃有过冷却降水或固体降水