将灰色模型和马尔可夫链模型相结合,构建了灰色马尔可夫链预测模型,并根据北 京市12年的降雨量资料序列预测之后2年的降雨量范围。证明了利用灰色马尔可夫链对降雨 量进行预测是一种行之有效的方法。

三、马尔可夫链的一些简单例子 马尔可夫链在研究质点的随机运动、自动控制、通信技术、生 步转移中向右移了设在第 步，向左移了 步，且经过 步 进人转移状态从 从而

Google PageRank的论文，可供参考

主要功能：故障树分析工具主要功能是静态故障树建模、动态故障树建模、定性分析、定量分析和仿真。 逻辑门类型：与门、或门、非门、异或门、顺序相关门、禁门、表决门、相同转移门、相似转移门、优先与门、顺序相关门、功能相关门、冷备件门、温备件门、热备件门 事件类型：顶事件、基本事件、底事件、未决事件 定性分析：最小割集、最小割序 定量分析：顶事件发生概率、结构重要度、概率重要度、相对重要度 仿真： 蒙特马洛仿真

基于空间马尔可夫链的江苏区域趋同时空演变

马可夫链matlab源代码OMC 包：降水的发生马尔可夫链模型 OMC 包由两个 Matlab 函数组成：OMC_fit 和 OMC_sim，用于模拟每日降水的发生和强度。 发生遵循可变阶马尔可夫链，强度遵循伽马-伽马混合模型。 该方法遵循以下描述：Daniel J. Short Gianotti、Bruce T. Anderson 和 Guido D. Salvucci，2014 年：美国大陆降水发生、强度和季节性总量的潜在可预测性。 J. 气候，27，6904​​-6918。 代码托管在： 欢迎您在任何非商业环境中使用此代码，但我要求您使用以下 DOI 引用代码：10.5281/zenodo.45435 引用样式示例是：Daniel J. Short Gianotti，2016 年：发生马尔可夫链每日降水模型。 , DOI:10.5281/zenodo.45435。 如果由于某种原因您无法引用源代码，请引用以下论文：Daniel J. Short Gianotti、Bruce T. Anderson 和 Guido D. Salvucci，2014 年：降水发生率、强度和季节性总量

主要功能：故障树分析工具主要功能是静态故障树建模、动态故障树建模、定性分析、定量分析和仿真。 逻辑门类型：与门、或门、非门、异或门、顺序相关门、禁门、表决门、相同转移门、相似转移门、优先与门、顺序相关门、功能相关门、冷备件门、温备件门、热备件门 事件类型：顶事件、基本事件、底事件、未决事件、子树(扩展) 定性分析：提取静态故障树最小割集、提取动态故障树最小割序集 定量分析：顶事件发生概率、底事件结构重要度、底事件概率重要度、底事件相对重要度 仿真： 蒙特卡洛仿真。包括顶事件发生概率仿真、顶事件无故障时间仿真、底事件概率重要度仿真、底事件相对重要度仿真、顶事件不可靠度曲线仿真

markovify-Pythonic 的可扩展的 马尔可夫链发生器. 主要用以构建 Markov 模式的大型语料库, 生成随机的句子, 当然,理论上,可以用以其它应用

马尔可夫.js 一个非常简单的马尔可夫链生成器

一个易于使用的函数，将生成离散时间马尔可夫链。