利用马尔科夫链修正的变维分形模型及其应用

摘要

以往的预测模型对数据长度有较强的依赖性,且数据出现较强的非线性时,将增加预测的复杂程度。为使监测数据呈现出一定的线性关系,基于分形理论,将常维分形改进为变维分形,并据此建立相应的数学模型,通过短期监测数据进行预测。考虑到变维分形得到的预测结果不可避免地存在一定的波动误差,对此,利用马尔科夫链(Markov)无后效性的特点对预测结果进行修正,从而提高预测精度。以西溪水库的监测资料数据为样本,建立其马尔科夫链-变维分形预测模型,结果显示最大误差修正值可达0.89%,占原预测误差的67.9%,表明利用马尔科夫链修正的变维分形模型能有效地减小误差,提高预测精度。