一种基于加权隐马尔可夫的自回归状态预测模型.pdf

一种基于加权隐马尔可夫的自回归状态预测模型.pdf

ID:57400564

大小:490.84 KB

页数:6页

时间:2020-08-18

一种基于加权隐马尔可夫的自回归状态预测模型.pdf_第1页
一种基于加权隐马尔可夫的自回归状态预测模型.pdf_第2页
一种基于加权隐马尔可夫的自回归状态预测模型.pdf_第3页
一种基于加权隐马尔可夫的自回归状态预测模型.pdf_第4页
一种基于加权隐马尔可夫的自回归状态预测模型.pdf_第5页
资源描述:

《一种基于加权隐马尔可夫的自回归状态预测模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第10期电子学报Vol.37No.102009年10月ACTAELECTRONICASINICAOct.2009一种基于加权隐马尔可夫的自回归状态预测模型刘震,王厚军,龙兵,张治国(电子科技大学自动化工程学院,四川成都611731)摘要:针对电子系统状态趋势预测问题,提出了一种加权隐马尔可夫模型的自回归趋势预测方法.该方法以自回归模型作为隐马尔可夫的状态输出,利用加权预测思想对马尔可夫链中的隐状态进行混合高斯模型的加权序列预测,并利用最大概率隐状态下的自回归系数计算模型输出.通过对实际的复杂混沌序列和电子系统

2、BIT状态数据进行趋势预测,并针对不同模型参数下的预测结果进行实验分析,结果表明该方法对系统状态变化的趋势具有较好的预测性能.关键词:趋势预测;隐马尔可夫;自回归;加权预测中图分类号:TN06文献标识码:A文章编号:0372-2112(2009)10-2113-06ResearchonConditionTrendPredictionBasedonWeighedHiddenMarkovandAutoregressiveModelLIUZhen,WANGHou-jun,LONGBing,ZHANGZhi-guo(

3、SchoolofAutomationEngineering,UniversityofElectronicScienceandTechnologyofChina,Chengdu,Sichuan611731,China)Abstract:AnoveltrendpredictionapproachbasedonweighedhiddenMarkovmodel(HMM)andautoregressivemodel(AR)ispresentedinordertosolvethisproblemoftrendpredic

4、tionforcomplexelectronicsystem.Thisapproachregardstheau-toregressivemodelastheoutputofHMM,usesweightedpredictionmethodandmixedGaussianinmodeltopredictthehiddenstateofMarkovchain,andcalculatestheoutputofmodelbyusingtheregressioncoefficientofthemaximumprobabi

5、lityhiddenstate.Thisapproachisappliedtothetrendpredictionofcomplexchaotictimeseriesandtypicalelectronicequipment'sBITdata,andtheeffectsofvariousmodelparametersontrendpredictionprecisionarediscussed.Theexperimentsbasedonconditiontrendpredictionforelectronice

6、quipmentsdemonstratetheeffectivenessofthemethod.Keywords:trendprediction;hiddenMarkovmodel;autoregressivemodel;weighedprediction线性预测中表现出良好的预测特性,但对于随机性较强1引言的时间序列而言,并没有表现出优于统计模型的优电子系统状态预测问题是当前学术界和电子工程势[9].因此,针对复杂系统非线性随机信号进行预测模[1~3]技术人员广泛关注的热点课题之一,目前广泛采用型的研究具有

7、重要意义.隐马尔可夫模型(Hidden的有效预测方式是通过历史数据进行趋势外推,以获取MarkovModel,HMM)是一种基于概率随机过程的模型,系统未来时刻的运行状态,这就对数据序列的预测提出是目前语音识别领域广泛采用的一种统计信号模了很高要求.通常,对于平稳或近平稳时间序列,传统的型[10,11],该模型具有严谨的数学结构和可靠的计算性[4,5]回归预测模型即可达到较好的预测性能,然而在实能,由于其中的马尔可夫链可用来描述隐藏于随机观察际的复杂电子系统中,过程参量通常表现出强烈的非线序列中的时变特性,因

8、而使得它在处理非平稳随机序列[6]性和混沌特性,如何对这些复杂的时间序列进行预测中具有独特优势.本文在HMM模型的基础上,将自回[6~8]成为当前的研究热点.软计算模型是目前针对复杂归模型作为预测元,提出了一种加权HMM自回归预测[9]时间序列进行预测的主流研究方法,如ANN模模型.通过对实际的复杂序列进行预测,结果表明,本方[3~5][8][9]型、GA模型、Fuzzy模型等,这类方法虽然在非法具

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。