马尔科夫链模型的应用研究.docVIP

专业 .专注 管理预测与决策 马尔科夫链模型的应用研究 姓 名： 学 号： 专 业： 指导教师 ： . 学习参考 . 专业 .专注 2012年11月1日 摘 要 预测春运客流量是铁路部分的一项重要工作 。运用马尔科夫链模型可以对 春运期间一天中的客流量进行预测 。 首先，介绍了马尔科夫链模型及其预测的基本原理 ；其次，分析了 ** 火车 站 2011 年春运期间每天的客流量 ，并按照 ** 火车站突发事件三级预警方案将客流量数据处理为三个状态 ；最后，运用马尔科夫链模型对 2011 年的春运客流进行预测，结果表明 ，运用马尔科夫链模型具有良好的预测结果 。 关键词 ：马尔科夫链模型 ；火车站；客流量 . 学习参考 . 专业 .专注 马尔科夫链模型的应用研究 站每年春运都面临着大规模客流 。 大量人群的聚集会带来许多安全隐患，相关领导部门非常重视 。 如果能够根据以往的客流量 ，对下一年的春运客流量做出正确预测 ，就能够为领导决策层提供有力的信息支持 ，使他们能够提前做好应对高峰客流的准备 ，从而降低风险 。影响春运客流的因素很多 ，并且各个因素的作用机制无法用精确的熟悉模型描述 。 目前常用的预测方法主要有数学模型方法和人工经验模型法 。 对客流量做预测 ，目前所知道的是以前客流 量的记录 。如何从大量已知的数据中挖掘出有用的信息或知识 ，为下一步工作 服务，这是数据挖掘技术所完成的工作 。数据挖掘领域中有许多新的研究成 果，如关联规则 、Web 挖掘、马尔科夫链模型等 。其中马尔科夫链模型是近年 . 学习参考 . 专业 .专注 来在数据挖掘方法的一个研究热点 。本文运用该方法对 ** 站春运客流进行预 测。 马尔科夫链模型 1． 1 马尔科夫链 马尔科夫链 ，是数学领域中具有马尔科夫性质的离散时间随机过程 。该过 程中，在给定当前指示或信息的情况下 ，过去（即现在时期以前的历史状态 ） 对与预测将来 （即现在时期以后的状态 ）是无关的 。如果 n 个连续变动事物在 变动过程中 ，其中任一次变动的结果都具有无后效性 ，那么，这 n 个连续变动 事物的集合就叫做马尔科夫链 ，这类事物演变的过程称为马尔科夫过程 。 1.2 马尔科夫预测的基本原理 对事件的全面预测 ，不仅要能够指出事件发生的各种可能结果 ，而且还必 须给出每一种结果出现的概率 ，说明被预测的事件在预测期内出现每一种结果 的可能性程度 。 这就是关于事件发生的概率预测 。马尔科夫预测法 ，就是一种 关于事件发生的概率预测方法 。它是根据事件的目前状况来预测其将来各个时 刻（或时期）变动状况的一种预测方法 。 1.2.1 状态 在马尔科夫预测中 ，“状态 ”是一个重要的术语 。所谓状态 ，就是指某一事 件在某个时刻出现的某种结果 。譬如，在商品销售预测中 ，有 “畅销 ”、一“般 ”、 “滞销 ”等状态。 1.2.2 状态转移过程 （马尔科夫过程 ） . 学习参考 . 专业 .专注 在事件的发展过程中 ，从一种状态转变为另一种状态 ，就称为状态转移 。 譬如，天气变化从 “晴天 ”转变为 “阴天 ”、从 “阴天 ”转变为 “晴天 ”、从“晴天 ”转变 为 “晴天 ”、从“阴天 ”转变为 “阴天 ”等都是状态转移 。事件的发展 ，随着时间的变 化而所作的状态转移 ，就称为状态转移过程 。若每次状态的转移只与前一时刻 的状态有关而与过去的状态无关 ，或者说状态转移过程是无后效性的 ，则这样 的状态转移过程就称为马尔科夫过程 。 1.2.3 状态转移概率矩阵 在事件的变化过程中 ，从某一种状态出发 ，下一时刻转移到其它状态的可 能性，称为状态转移概率 。根据条件概率的定义 ，由状态 Ei 转移到状态 Ej 的状 态转移概率 P（Ei→Ej）就是条件概率 P（Ei/ Ej）, 假定某一被预测的事件有 E ， E ，E ，En，共 n 个可能的状态 。 记 Pij 为从状 1 2 3 态 Ei 转为状态 Ej 的状态转移概率 ，作矩阵 则称 P 为状态转移概率矩阵 。 如果被预测的某一事件目前处于状 E1，那么在下一时刻 ，它可能由状态 E1 转 向 E1， E2， Ei En 中的任一个状态 。 所以 Pij 满足条件 ： 一 般地，将满足条件 （3）的任何矩阵都称为概率矩阵 。不难证明 ，如果 P 为概率 . 学习参考 . 专业 .专注 矩阵，则对任意整数 m 0 ，矩阵 Pm 都是概率矩阵 。 如果 P 为概率矩阵 ，而且存在整数 m 0 ，使得概率矩阵 Pm 中诸元素皆 非零，则称 P 为标准概率矩阵 。可以证明 ，如果 P 为标准概率矩阵 ，则存在非 零向量 α=[ x1,x2, ,xn ]，而且 xi 满足 0≤xi≤1 及 ， 这样的向