问题：下面的设置是隐马尔可夫模型的合理实现吗？

我有一组108,000观察数据（历时 100 天）和2000整个观察时间跨度内的大致事件。数据如下图所示，其中观察到的变量可以取 3 个离散值$[1,2,3]$红色列突出显示事件时间，即$t_E$的：

如图中红色矩形所示，我已经剖析了 {$t_E$到$t_{E-5}$} 对于每个事件，有效地将它们视为“事件前窗口”。

HMM 训练：我计划使用 Pg 中建议的多观察序列方法，基于所有“事件前窗口”训练隐马尔可夫模型 (HMM)。拉宾纳论文的第 273 页。希望这将使我能够训练一个 HMM，以捕获导致事件的序列模式。

HMM Prediction：那我打算用这个HMM来预测 $log[P(Observations|HMM)]$在新的一天，在哪里$Observations$将是一个滑动窗口向量，实时更新以包含当前时间之间的观察结果$t$和$t-5$随着时间的推移。

我期待看到$log[P(Observations|HMM)]$增加为$Observations$类似于“事件前窗口”。这实际上应该允许我在事件发生之前预测它们。