含有隐变量的高阶马尔科夫模型的理论及应用-应用数学专业论文.docxVIP

I I 摘 要 摘 要 马尔科夫模型自 20 世纪提出到现代，已被广泛应用到各个领域的预测分析中， 然而传统马尔科夫链的一阶相关性极大地限制了该模型的预测能力。虽然高阶马 尔科夫模型大大提升了马尔科夫模型的预测精度，但在实际应用中，该模型并不 被人们所看好，因为它的参数个数随阶数的增加呈指数形式增长。这样不仅增加 了状态空间的复杂度，同时还降低了参数的预测精度。1985 年，Raftery 提出了一 种基于高阶马尔科夫链的简约模型，即混合转移分布模型 (Mixture Transition Distribution model，简称 MTD 模型)。MTD 模型是由多个基于不同步差参数的马 尔科夫链混合而成，其参数个数远远低于高阶马尔科夫模型。在 MTD 模型的基础 之上，进一步引入隐马尔科夫模型的思想，构造了一个隐过程服从一阶马尔科夫 链的 MTD 模型。 本论文主要研究了含有隐变量的高阶马尔科夫模型及其参数估计问题。在现 有研究的基础上，对含有隐变量的高阶马尔科夫链做进一步研究及讨论。主要内 容包括： 1. 在以往的研究基础上，继续对该模型进行改进，即将隐过程由一阶马尔科 夫链推广为高阶马尔科夫链，构造了一个由两个互相关联的高阶马尔科夫链构成 的双链模型。此改进的目的就是让含有高阶隐过程的 MTD 模型能够适应更多的实 际情况。 2. 对于含有高阶隐过程的 MTD 模型来说