马尔可夫模型的一步转移概率矩阵Java代码实现
来源:互联网 发布:淘宝众筹 淘宝怎么不管 编辑:程序博客网 时间:2024/05/01 12:54
一步转移概率的Java代码实现,算法解释马尔可夫链 注:此Java代码只实现了状态转移的个数至于概率很容易求得,具体做法可参考上面的链接或浙大概率论与数理统计第四版第十三章马尔可夫链
package legendary;
import java.math.BigDecimal;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
/**
* @author 李军伟
* @功能:实现马儿可夫模型中的一步转移概率矩阵
* @时间:2017年7月18日
*
*/
public class TransProMatrix {
public static void main(String[] args) {
//模拟30年降雨量毫米 mm 从1981-2010年 数据非真实
double[] rainFall = new double[] {
620, 680, 749.9, 943.3, 435.6, 734.5, 847.3, 534.6, 934.7, 673.7,
500, 780, 649.9, 743.3, 835.6, 834.5, 547.3, 634.6, 834.7, 873.7,
470, 590, 729.1, 823.5, 637.6, 834.8, 469.3, 734.5, 864.7, 872.1
};
// levelList 内的值是0、1组合 共有30个值
List<Integer> levelList = new ArrayList<Integer>();
//把30年降雨量分为5个等级 枯水年、偏枯年、平水年、偏丰年、丰水年 对应0 1 2 3 4
//对应降水量分别为 <600 <700 <800 <900 >900
int[] statusValue= new int[] {
0, 1, 2, 3, 4
};
//此数组用于存储每种状态对应出现的次数及其状态值 如 状态0 在所列数据中出现了5次
int[] statusValueNum= new int[statusValue.length];
for (int i = 0; i < rainFall.length; i++) {
if (rainFall[i] < 600) {
statusValueNum[0] ++;
levelList.add(0);
} else if (rainFall[i] < 700) {
statusValueNum[1] ++;
levelList.add(1);
} else if (rainFall[i] < 800) {
statusValueNum[2] ++;
levelList.add(2);
} else if (rainFall[i] < 900) {
statusValueNum[3] ++;
levelList.add(3);
} else {
statusValueNum[4] ++;
levelList.add(4);
}
}
//每年的降雨量对应的状态值
System.out.println("每年的降雨量对应的状态值");
for (Integer integer : levelList) {
System.out.print(integer + ", ");
}
System.out.println("\n");
System.out.println("状态0、1、2、3、4分别出现的次数");
System.out.println(Arrays.toString(statusValueNum) + "\n");
//获取转移概率矩阵
Double[][] TransProbablityMatrix = statusTransProbablity(statusValueNum, levelList);
for (int i = 0; i < TransProbablityMatrix.length; i++) {
for (int j = 0; j < TransProbablityMatrix.length; j++) {
System.out.printf("%.4f\t", TransProbablityMatrix[i][j]);//输出格式化后的数据
}
System.out.println();
}
}
/*一步转移概率矩阵 解释:状态有0 1 2 3 4 ,当 当前状态如0且下一状态为如1,称为一步状态转移*/
public static Double[][] statusTransProbablity(int[] statusValueNum, List<Integer> levelList) {
Double[][] TransProbablityMatrix = new Double[5][5]; //一步转移概率矩阵
/**********************************遍历结果是一步状态转移概率矩阵*******************************/
for (int s = 0; s < statusValueNum.length; s++) { //控制数组的行数变化 s充当了状态值
int status = 0; //状态的类型取值为0 1 2 3 4 当每一次遍历完之后,status要重新变化
for (int i = 0; i < statusValueNum.length; i++) {
int index = 0; //记录一步转移状态的次数 每一次遍历完毕清0
for(int j=0; j<levelList.size()-1; j++) { //levelList.size()-1 原因是k+1 已经可以达到链尾
int k = j;
//k值是为了在当前遍历中使用 如果当前状态值和下一次状态值相等遍历整个数据链 每次只查找一次状态的改变
//例如先查找0转移到0,然后是0到1 依次类推
while(levelList.get(k) == s && levelList.get(k+1) == status) {
index ++; //计数器加1
if (k<levelList.size()-2) {//减2解释 当k=28时 levelList.get(k+1) 此处会下标越界,已超出表述范围
k ++; //当前位置向后移动一位 即为了查询某个状态值连续出现的次数
} else {
break; //当不满足当前条件,终止最近的循环体
}
}
}
//System.out.println("Trans[" + s + "][" + i + "] " + index);
//计算概率值
TransProbablityMatrix[s][i] = Double.valueOf(index) / Double.valueOf(statusValueNum[s]);
status ++;
}
}
return TransProbablityMatrix;
}
//存储一步转移概率矩阵 这个方法正规 可以把格式化的数据存储起来 BigDecimal是用于精确计算
/*public static List<BigDecimal> statusProMatrix() {
List<BigDecimal> list = new LinkedList<BigDecimal>();
Double[][] temp = statusTransProbablity();
for (int i=0; i<statusTransProbablity().length; i++) {
for (int j = 0; j < temp.length; j++) {
BigDecimal result = new BigDecimal(temp[i][j]).setScale(4, BigDecimal.ROUND_HALF_UP);
list.add(result);
}
}
return list;
}*/
}
结果如下图:
0 1