基于神经网络的马尔可夫预测模型

首次提出神经网络与马尔可夫链相结合的数学模型,用于随机波动数据序列变形预测,克服随机观测数据固有的随机和波动特征,较好地实现了工程中大量随机波动性数据无法采用灰色GM(1,1)模型精确预测问题。采用神经网络完成观测数据变化动态基准模型的计算,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分、样本值与模型拟合值之间的残差及其中误差等指标的分析,完成观测数据变化值的准确计算。该模型被应用于隧道围岩工程实例,计算证明取得了较好的效果。