马尔可夫预测方法.pptVIP

第七节 马尔可夫预测方法 ;几个基本概念 状态、 状态转移过程、 马尔科夫过程、 状态转移概率 状态转移概率矩阵 马尔可夫预测法 状态转移概率 状态转移概率矩阵 ;1 马尔可夫预测;状态转移：事件的发展，从一种状态转变为另一种状态。如，天气从“阴天”变为“晴天”。;马尔可夫过程：;状态转移概率：事件发展过程中，从某一种状态出发，到下一时刻转移到其他状态的可能性。由状态Ei转为Ej的概率记为P（Ei→Ej）;状态转移概率矩阵：某一事件的发展过程有N个可能状态，E1,E2,…,EN。记为Pij状态Ei转为Ej的概率，则：;马尔可夫预测过程; 例 考虑某地区农业收成变化的三个状态，即“丰收”、“平收”和“欠收”。记E1为“丰收”状态，E2为“平收”状态，E3为“欠收”状态。表3.7.1给出了该地区1960～2019年期间农业收成的状态变化情况。试计算该地区农业收成变化的状态转移概率矩阵。;　某地区农业收成变化的状态转移情况 ;表中可以知道，在15个从E1出发（转移出去）的状态中， 有3个是从E1转移到E1的（即1→2，24→25，34→35） 有7个是从E1转移到E2的（即2→3，9→10，12→13，15→16， 29→30，35→36，39→40） 有5个是从E1转移到E3的（即6→7，17→18，20→21， 25→26，31→32） ;同理可得：;该地区农业收成变化的状态转移概率矩阵为;状态概率及其计算;第k个时刻（时期）的状态概率预测 如果某一事件在第0个时刻（或时期）的初始状态已知，即 已知，则利用递推公式(3.7.8)式，就可以求得它经过k次状态转移后，在第k个时刻（时期）处于各种可能的状态的概率，即 ，从而就得到该事件在第k个时刻（时期）的状态概率预测。 例题2： 将例题1中2019年的农业收成状态记为 =[0,1,0] ，将状态转移概率矩阵（3.7.5）式及代入递推公式（3.7.8）式，可求得2000～2019年可能出现的各种状态的概率（见表3.7.2）。 ;　某地区1990～2000年农业收成状态概率预测值 ;终极状态概率预测 ; 求解该方程组得： ＝0.3653， ＝0.3525， ＝0.2799。 这说明，该地区农业收成的变化过程，在无穷多次状态??移后，“丰收”和“平收”状态出现的概率都将大于“欠收”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程中各个阶段（或时点）的状态和状态之间的转移概率是最为关键的。;例:土地利用格局变化预测;表2 初始状态土地类型的转移概率矩阵;表3 （n=20）土地类型的状态概率矩阵;表4 预测年土地类型比例;