隐Markov模型是数学建模中一类简单高效的模型，它是研究数据挖掘、模式识别和生物信息遗传等问题的有力工具。随着学者在隐Markov模型理论方面的研究的深入，该模型的极限理论知识在数学建模中的作用也在逐步增强，已成为模型参数估计的重要方法。虽然对隐Markov模型的应用的研究已获得了一定的成就，但在实际建模中更多的是马氏链为非齐次的情形，如自然语言的编译、风险评估和股票价格的推断等都需建立非齐次隐Markov模型。因此，研究非齐次隐Markov模型有重要的价值和意义。　　本文研究的主要内容是可列非齐次隐Markov模型的两类强大数定律。首先，对隐Markov模型做了系统的介绍，包含模型的描述性定义、模型的应用方向、模型的优点及模型的数学建模，并给出了隐Markov模型在理论方面和非齐次Markov链在强大数定律方面的国内外研究现状。　　然后给出了可列非齐次隐Markov模型的定义，并研究了这类模型的等价定义和性质。最后，研究了在一致C强遍历条件下的一类可列非齐次隐Markov模型的强大数定律和在limn→∞（1/n）∑n k=1|Pk-P|=0的条件下另一类可列非齐次隐Markov模型的强大数定律，并指出这两类强大数定律是互不包含的，作为结论推广了有限非齐次Markov链的强大数定律。