欢迎来到天天文库
浏览记录
ID:55572627
大小:207.57 KB
页数:3页
时间:2020-05-18
《马尔可夫预测模型在伤寒和副伤寒预测中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第35卷第7期高师理科学刊Vo1.35No.72015正7月JournalofScienceofTeachersCollegeandUniversityJu1.2015文章编号:1007—9831(2015)07—0030—03马尔可夫预测模型在伤寒和副伤寒预测中的应用田灵芝,符顺明,余爱,周格,齐彩霞,周启元(湖南文理学院数学与计算科学学院,湖南常德415000)摘要:对于传染病有效的防预与控制,一直以来都是卫生部门管理的重点.建立了对全国伤寒和副伤寒传染病进行预测的马尔可夫链预测模型.该模型能准确预测出该
2、传染病年发病率.在大量已知数据的前提下,该模型有较高的准确性和可信度,且具有很强的推广价值.关键词:马尔可夫链;传染病预测;状态转移概率矩阵中图分类号:029文献标识码:Adoi:10.3969/j.issn.1007—9831.2015.07.009ApplicationofMarkovpredictionmodelinthepredictionoftyphoidandparatyphoidTIANLing-zhi,FUShun-ming,YUAi,ZHOUGe,QtCai-xia,ZHOUQI-yuan(
3、SchoolofMathematicsandComputationalScience,HunanUniversityofArtsandScience,Changde415000,China)Abstract:Foreffectivepreventionandcontrolofinfectiousdiseases,hasalwaysbeenthefocusofthehealthsectormanagement.Establishedtheforecastmodelofmarkovchainoftyphoidan
4、dparatyphoidinfectiousdiseasesinthecountry.Thismodelcanaccuratelypredicttheannumincidenceofinfectiousdiseases.Onthepremiseofalargenumberofknowndata,themodelhashigheraccuracyandcredibility,andhasgreatpromotionvalue.Keywords:Markovchain;predictionofinfectious
5、disease;statetransitionprobabilitymatrix一直以来传染病危害人类的健康,对于传染性疾病的预测和防预是控制传染病的有效途径,人们对疾病的预测已做了大量的研究,获得了一些较好的结果.本文运用马尔可夫模型链建立预测模型进行传染病的预测,从而为传染病有效的预防与控制提供依据.1马尔可夫预测模型从实际情况出发,参考在一段较长时间中发生事件的数据资料,建立马尔可夫链模型进行预测.对此,首先对数据进行区间划分,按照区间划分系统状态,再求出系统初始时刻的状态概率向量和状态转移概率矩阵,最
6、后检验并预测.因此,预测的结果也是区间预测,即预测值为所处区间,在其过程中运用到Matlab软件.1.1状态的划分对一个刀阶马尔可夫非平稳随机序列f)(1,2,⋯),将序列在数据一时间平面作曲线,按照组间距公式+=ndi,可以将序列划分为若干区问,即若干状态,如[1,],[,],[,],【,].1.2状态转移概率矩阵从区间1进入区间2的样本数与区间一内样本数之间的比值即为从区间1进入区间2的转移概率,收稿日期:2015——03—.05基金项目:湖南文理学院大学生创新课题资助项目作者简介:田灵芝(1991一),
7、女,湖南龙山人,在读本科生.通信作者:周启元(1964一),男,湖南桃源人,副教授,从事微分方程研究.E—mail:zqy512@qq.corn第7期田灵芝,等:马尔可夫预测模型在伤寒和副伤寒预测中的应用31或者称这两个状态间的状态转移概率P,它表明,如果在时刻t,当前处于状态1,在f+1时刻它将以概率P处于状态2.设某系统在t=时刻有k个可能状态,即=1,2,3,⋯,k(=0,1,2,⋯),ai(n)表七示在时刻f=刀处于状态f的状态概率,即()=P(:i),其中:∑ai(n)=1.系统在时刻的状态为f,i
8、=1时刻+1转移状态J的概率为P(i,J=0,1,2,⋯,k),即P=P(+=f=i),P称为一步转移k概率,P=()为一步转移概率矩阵,简称转移概率或转移概率矩阵,其中:P0,∑P=1.=l设系统初始时刻f=0的状态概率向量为a(O)=(q(0),(0),⋯,ak(o)),则后续传染病状况的预测为口(1)=a(O)P,口(2)=a(1)p=a(o)P,⋯,口(尼)=a(k一1P=a(O)e.只要已
此文档下载收益归作者所有