马尔柯夫链在农作物年景预测中的应用研究.pdfVIP

中困现场统计研究会第十三届学术年会论文 2007年8月 79 马尔柯夫链在农作物年景预测中的应用8 于波 陈希镇 华栋 (温州大学数学与信息科学学院，浙江温州325000) 摘要：马尔柯夫预测方法在预测领域有着广泛的前景。该方法应用的一个主要问题就是如何获取一步 转移概率矩阵。本文提出了一种用拟合矩阵的方法来估计一步转移概率矩阵。最后以温州市茶叶产量 为例进行了实例分析，从而表明了该方法的有效性。 关键词：马尔柯犬链；预测：拟合 中图分类号：0212．4文献标识码：A 1 引 言 目前就预测方法而论，具有完整理论基础的主要有回归分析法、时间序列法、投入产出 法、数学归纳法和马尔柯夫预测法等五种方法。在这五种方法中，前四种方法在我国已得到 了很好的应用，而马尔柯夫法则相对较少。但是由于其具有的马尔柯夫性(无后效性)，对历 史数据要求不多，因此在现代统计学中占有重要地位。它被广泛应用于水文、气象、粮食以 及预测经济利润等方面。在马尔柯夫预测方法ll】中，关键的问题是如何获取一步状态转移概 率矩阵。传统的估算方法是假设已知被研究的系统在n种状态观察次数以及系统从当前时刻向 下一时刻转移的次数的情况下，用频率估计概率的方法估算出一步状态转移概率矩阵的。但 是在实际情况下系统处于n种状态的总的观察次数Ⅳ，因此导致得到的一步转移概率矩阵往 往和真实值相差很大。卢显文利用了向量来推算转移概率矩阵12J。黄清龙给出了利用时间序 列数据通过最小二乘法估计转移概率矩阵[31。何江宏等人给出了一步状态转概率矩阵的最优 化方法【4】。本文基于转移概率矩阵的性质，给出了一种利用拟合的方法来估计一步转移概率 矩阵，得到了相对精确的转移概率矩阵。 2马尔柯夫链预测的基本原理 马尔柯夫分析是俄国数学家马尔柯夫建立的一种分析随机过程的方法。马尔柯夫在进行 深入研究后指出：对于一个系统由一种状态转移到另一种状态的过程中，存在着转移概率， 并且这种转移概率可以依据其紧接的前一种状态推算出来，与该系统的原始状态和此次转移 前的过程无关。一系列的马尔柯夫过程的整体称为马尔柯夫链。其定义如下： 定义：在概率空间(Q，F，P)上的随机序列{x(f)，，∈n称为马尔柯夫链，其中 数mZ…五^，乙+I，‘，‘，…，屯，‘以下等式成立： (1) =P{X(m+k)lx(m)=乙 这里假定尸{x(朋)=‘，x(石)=0，…，x(五)=屯，x(^)=‘)0。 ‘本研究得到浙江省社科规划课题的资助 80 中围现场统计研究会第十三届学术年会论文 2007年8月 马尔柯夫过程的基本概念是研究系统的“状态”及状态的“转移”，从一种状态转移到另 一种状态的可能性，我们称之为状态转移概率。 设尸表示一步转移概率乞所组成的矩阵且状态空间1={o，l，2，…)，则 plI P12 P21P22 月 P= 即为状态转移概率矩阵。它具有两个特性： P3IP32 疗 ● ● ： ： n耽胁； (1)P,j≥0(P,s指从第舛专向第J的概率)；(2)∑Po=l。 在实际应用中，一般只考虑齐次马尔可夫链，即对任怠的有 · p≯’(刀)=p≯’，f，J=o，1，2，… (2) 其中p≯’(，2)表示“在时刻n的状态f为经k步转移到状态J的概率”，p∥表示“从状态f为 经k步转移到状态J的概率”。齐次马尔可夫链{x(，))完全由初始分布{只，f=o，1，…)及其 状态转移概率矩阵P=(P。)所决定。 3