害蟲(chóng)預(yù)測(cè)預(yù)報(bào)方法ppt課件(編輯修改稿)
2025-02-10 14:55 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 X(k)表示趨勢(shì)分析與預(yù)測(cè)對(duì)象在 t=k時(shí)刻的狀態(tài)向量， P表示一步轉(zhuǎn)移概率矩陣， X(k+1)表示趨勢(shì)分析與預(yù)測(cè)對(duì)象在 t=k+1時(shí)刻的狀態(tài)向量。 ? 必須指出的是，上述模型只適用于具有馬爾科夫性的時(shí)間序列，并且各時(shí)刻的狀態(tài)轉(zhuǎn)移概率保持穩(wěn)定。若時(shí)間序列的狀態(tài)轉(zhuǎn)移概率隨不同的時(shí)刻在變化，不宜用此方法。由于實(shí)際的客觀事物很難長(zhǎng)期保持同一狀態(tài)的轉(zhuǎn)移概率，故此法一般適用于短期的趨勢(shì)分析與預(yù)測(cè)。 馬爾科夫過(guò)程的穩(wěn)定狀態(tài) ? 在較長(zhǎng)時(shí)間后，馬爾科夫過(guò)程逐漸處于穩(wěn)定狀態(tài)，且與初始狀態(tài)無(wú)關(guān)。馬爾科夫鏈達(dá)到穩(wěn)定狀態(tài)的概率就是穩(wěn)定狀態(tài)概率，也稱(chēng)穩(wěn)定概率。 ? 趨勢(shì)分析中，要設(shè)法求解得到分析對(duì)象的穩(wěn)態(tài)概率，并以此做趨勢(shì)分析。 在馬爾科夫分析法的基本模型中，當(dāng) X=XP時(shí)，稱(chēng) X是 P的穩(wěn)定概率，即系統(tǒng)達(dá)到穩(wěn)定狀態(tài)時(shí)的概率向量，也稱(chēng) X是 P的固有向量或特征向量，而且它具有唯一性。 ? 時(shí)間： tn 狀態(tài)： xn 即為過(guò)程 X(tn)的所有可能取值 狀態(tài)空間： I={x1 ,x2 ,…… xn1 ,xn } ? 馬爾可夫過(guò)程具有如下屬性（馬爾可夫性） n+ 1 n+ 1 n n n 1 n 1 1 1n+ 1 n+ 1 n n1 2 n 1 n n+ 1P {X ( t ) = x | X ( t ) = x , X ( t ) = x , , X ( t ) = x }= P{ X ( t ) = x | X ( t ) = x } W he r e t t t t t馬爾可夫過(guò)程分類(lèi) 馬爾可夫鏈 馬爾可夫序列 純不連續(xù)馬爾可夫過(guò)程 連續(xù)馬爾可夫過(guò)程 馬爾可夫鏈 ? 離散的時(shí)間對(duì)應(yīng)離散的狀態(tài) ? 狀態(tài)空間 I={i1 ,i2 ,…… in1 ,in} ? n時(shí)刻 Xn的概率分布向量 P{Xn = i} ? P{Xn = j | Xn1= in1} 一步轉(zhuǎn)移概率 n 1 1 2 2 n 1 n 1n n 1 n 1P { X = j | X = i , X = i , , X = i }= P { X = j | X = i } n = 1 , 2 , 3 ,齊次馬爾可夫鏈 ? 齊次馬爾可夫鏈 : 如果轉(zhuǎn)移概率與所處的時(shí)刻 n無(wú)關(guān) : ? Pij ≡ P{Xn = j | Xn1= i } 例子 晴天 陰天 下雨 晴天 陰天 下雨 0 0 1 分 析 1. 初始分布 : 假設(shè)第一天出現(xiàn)三種天 氣的概率相等 P0=( ) 2. Pij :表示天氣從狀態(tài) i轉(zhuǎn)到 j的概率 111,333? 轉(zhuǎn)移概率矩陣 ? 狀態(tài)轉(zhuǎn)移圖 1 2 3 1 0 5 5 75 5 750 0 1A????????? 3 0 3P P A???第四天天氣概率分布 ?如果 An趨向于定值 , 馬氏鏈具有穩(wěn)定狀態(tài) 概述 ? Rumelhart， McClelland于 1985年提出了 BP網(wǎng)絡(luò)的誤差反向后傳 BP(Back Propagation)學(xué)習(xí)算法 ? BP算法基本原理 ? 利用輸出后的誤差來(lái)估計(jì)輸出層的直接前導(dǎo)層的誤差，再用這個(gè)誤差估計(jì)更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計(jì)。 J. McClelland David Rumelhart BP神經(jīng)網(wǎng)絡(luò)模型 ?三層 BP網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò)模型 ? 激活函數(shù) ? 必須處處可導(dǎo) ? 一般都使用 S型函數(shù) ? 使用 S型激活函數(shù)時(shí) BP網(wǎng)絡(luò)輸入與輸出關(guān)系 ? 輸入 ? 輸出 1 1 2 2 ... nnne t x w x w x w? ? ? ?1f ( )1e n ety n et ??? ? BP神經(jīng)網(wǎng)絡(luò)模型 ? 輸出的導(dǎo)數(shù) 211f 39。 ( ) ( 1 )1 e (
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1