基于时变状态转移隐半马尔可夫模型的寿命预测研究*(2014年)

简介：
本研究提出了一种基于时变状态转移隐半马尔可夫模型的方法，用于提升寿命预测的准确性。该方法通过考虑时间变化对状态转移概率的影响，有效捕捉个体健康状况的变化趋势，为个人化医疗和长期护理规划提供有力支持。 在使用隐半马尔科夫模型进行系统状态估计及寿命预测的过程中，通常假设状态转移概率矩阵为固定值，这导致剩余寿命的预测结果呈现出阶梯状变化，并且与系统的实际剩余寿命存在较大误差。为了改进这一问题，我们提出了一种具有时变状态转移概率矩阵的隐半马尔科夫模型。通过分析系统中的三种典型退化状态，给出了相应的不同状态转移系数。结合初始的状态转移矩阵后，可以得到一个随时间变化的状态转移矩阵，从而提高对当前健康状态下剩余持续时间估计的准确性，并最终获得更为精确的整体剩余寿命预测值。实验结果表明，基于时变状态转移概率矩阵的隐半马尔科夫模型相比传统方法有显著提升。