基于逆模糊数的模糊时间序列预测的新方法北大核心

Song和Chisson于1993年提出模糊时间序列预测理论．虽然至今已经提出许多模糊时间序列预测模型,但是迄今为止尚未给出预测未知年数据的模糊时间序列预测模型．提出基于逆模糊数的模糊时间序列预测的新方法该模型对广西大学已知的2001-2012年的注册数进行预测分析,平均预报误差率比相关文献的方法有所改善．还对广西大学未知的2013年和2014年注册数进行预测研究．方法是短期预测的一种模糊时间序列预测方法．     

基于逆模糊数的模糊时间序列预测的新方法

Song和Chisson于1993年提出模糊时间序列预测理论.虽然至今已经提出许多模糊时间序列预测模型,但是迄今为止尚未给出预测未知年数据的模糊时间序列预测模型.提出基于逆模糊数的模糊时间序列预测的新方法该模型对广西大学已知的2001~2012年的注册数进行预测分析,平均预报误差率比相关文献的方法有所改善.还对广西大学未知的2013年和2014年注册数进行预测研究.方法是短期预测的一种模糊时间序列预测方法.     

用改进的模糊AR(p)与指数平滑组合模型预测油田产油量

在模糊AR(p)与指数平滑组合预测模型的基础上,通过对传统指数平滑模型的分析,提出了动态平滑参数的概念,并由此建立了平滑权重对时间序列能够适应的新的指数平滑模型,较完整地解决了传统模型初值难以选取,平滑参数适应性差和系统预测偏差大等问题,从而较传统指数平滑模型有较高的预测精度.并将这两种模型结合起来构成新的改进的模糊AR(p)与指数平组合预测模型,并应用于预测油田产油量.应用实例证明,改进的模糊AR(p)与指数平滑组合预测模型具有更高的预测精度.从而表明该组合预测模型是一种非常有效的预测新方法.     

基于Choquet模糊积分的非线性组合预测及其应用

预测模型有多种,各种预测模型有其特点和优势,我们需要建立一种博采众长的组合预测模型。本文利用Choquet模糊积分作为组合算子,给出一种基于模糊积分的非线性组合预测模型,该模型既能反映各种预测模型的“重要性”,又能反映各个预测模型之间的交互作用,并用此模型给出中国卫生总费用的预测。     

一种基于CS-FCM算法的模糊时间序列预测模型

为了发挥模糊理论在不确定性预测中的优势并保留模糊时间序列(FTS)预测模型的可解释性,本文针对目前应用广泛的模糊C均值聚类(FCM)算法进行改进,提出了一种基于布谷鸟搜索的FCM (CS-FCM)算法.将CS-FCM算法用于模糊时间序列模型的非均匀论域划分与数据的模糊化处理,建立一种基于CS-FCM算法的模糊时间序列预测模型.该算法可实现聚类中心的全局寻优,降低传统FCM算法易陷入局部极小值带来的误差,提高模型预测精度.实证分析结果表明, CS-FCM算法的适应度优于FCM算法,本文模型的预测误差小于经典模糊时间序列预测模型,验证了新预测模型的有效性.     

基于TFWPA算子的模糊优化组合预测模型及其应用

传统的组合预测中,预测对象往往是实数或区间数,实际上,三角模糊数则更能刻画不确定环境下复杂事物的某些量的特征。因此,本文提出一种预测信息为三角模糊数的模糊优化组合预测新方法。定义了两个三角模糊数的相对误差,同时考虑到预测数据之间的交叉影响,基于三角模糊加权Power平均(TFWPA)算子、三角模糊加权Power几何(TFWPG)算子和max-min准则,分别构建模糊优化组合预测模型。提出非劣性和优性组合预测的概念,证明所提模糊组合预测模型具有非劣性质。最后通过实例分析说明了该模糊组合预测方法的有效性,并对参数做了灵敏度分析。     

基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。     

基于模糊GM(1,1)模型的时间序列预测

提出了一种模糊GM(1,1)预测模型,即FGM(1,1)模型,该方法是在GM(1,1)模型中引入模糊成员函数,通过模糊成员函数对时间序列数据进行模糊化,达到数据优化选择,实现历史数据"重近轻远"的预测效果.仿真结果表明所提出的预测方法有效可靠,为提高预测精度提供了新的途径.     

基于ICOFWA算子的连续区间模糊组合预测模型及其应用

现有的区间组合预测中,各单项预测方法的权重系数均为固定实数,而实际上,模糊加权系数能够更好的解释客观世界的模糊性和不确定性,从而有效地改进传统组合预测方法取固定实数权重的缺陷。因此,本文提出一种权重系数为三角模糊数的组合预测新方法,构建了基于诱导连续有序模糊加权平均(ICOFWA)算子的模糊连续区间变权组合预测模型。通过实例分析说明该区间组合预测方法的有效性,并对参数做了灵敏度分析。     

基于逆模糊数的模糊时间序列模型的农机总动力预测方法

提出一种改进的基于逆模糊数的新模糊时间序列预测模型.应用模型研究辽宁省农机总动力预测问题,比一元线性回归模型,二次移动平均模型,指数曲线模型,灰色理论GM(1,1)模型等4种模型和它们的组合模型的平均预测误差率AFER都有较大改善,是值得推荐的一种时间序列预测方法.     

Instability and refinement of models in long term planning of large scale projects

Instability of models used in long term planning of large scale industrial projects is demonstrated. The uncertainty band around the balance set is introduced to account for unpredictable variations of important parameters or utilities created by instability in multi-objective optimization of large scale projects. Then, instability of dynamic models of growth is considered including population dynamics with saturation and long term optimal planning in social and economic spheres. A method of successive refinement in a synthetic multi-model system is proposed, and application of the sequence of refined models is illustrated on a real-life example of construction of a dam with yearly refinements of the initial model, based on past history of project realization.     

径流中长期预报模糊识别优化模型及应用

对水文中长期预报模糊识别方法进一步研究,基于模糊环境下的目标函数,提出了具有主观监督因子和稳定系数的模糊识别预报模型.根据已知样本的最优模糊划分建立预报模型,利用已知样本的指标和样本的最优模糊划分计算预报模型的参数,给定模型的稳定系数,再通过调整主观监督因子对预报模型参数进行优化.径流中长期预报实例的模型检验平均相对误差为7.84%.     

Fuzzy interaction regression for short term load forecasting

Electric load forecasting is a fundamental business process and well-established analytical problem in the utility industry. Due to various characteristics of electricity demand series and the business needs, electric load forecasting is a classical textbook example and popular application field in the forecasting community. During the past 30 plus years, many statistical and artificial intelligence techniques have been applied to short term load forecasting (STLF) with varying degrees of success. Although fuzzy regression has been tried for STLF for about a decade, most research work is still focused at the theoretical level, leaving little value for practical applications. A primary reason is that inadequate attention has been paid to the improvement of the underlying linear model. This application-oriented paper proposes a fuzzy interaction regression approach to STLF. Through comparisons to three models (two fuzzy regression models and one multiple linear regression model) without interaction effects, the proposed approach shows superior performance over its counterparts. This paper also offers critical comments to a notable but questionable paper in this field. Finally, tips for practicing forecasting using fuzzy regression are discussed.     

基于小波变换和改进萤火虫算法优化极限学习机的短期负荷预测

提出了一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法.通过小波分解和重构,对原始负荷序列进行降噪;在模型训练阶段利用改进的萤火虫算法优化极限学习机参数,获得各序列的最优模型;针对各子序列分别预测叠加得到最终预测值.通过在两种时间尺度的数据序列上进行数值计算,与传统的ARMA、BP神经网络、支持向量机及LSSVM等多种经典预测模型相比,模型预测效果更优.     

银行间国债利率期限结构的三因子仿射模型

通过对2002年1月到2006年3月的国内银行间国债数据的主成份分析表明，利率的动态变化基本上可以被三个因子所解释。由此我们建立了一个三因子仿射模型，并给出债券的定价公式。通过卡尔曼滤波法对模型的实证分析，证实该模型基本上能在时间序列和横截面两个维度上与实际数据相符合。从预测能力来看，0．5年和1年期利率的预测结果相对误差略大，而2、3、5、10年期利率的相对误差较小，平均值相对误差在1％之内。     

基于因素影响的电力消费预测研究

深入研究了国内生产总值、人口及电力价格指数等因素对电力消费的影响,建立了因素影响的电力消费预测模型,确定了算法,以新加坡电力消费及其影响因素的实际数据为背景进行了实证研究,说明了该方法的有效性。     

Analysis of call centre arrival data using singular value decomposition

We consider the general problem of analysing and modelling call centre arrival data. A method is described for analysing such data using singular value decomposition (SVD). We illustrate that the outcome from the SVD can be used for data visualization, detection of anomalies (outliers), and extraction of significant features from noisy data. The SVD can also be employed as a data reduction tool. Its application usually results in a parsimonious representation of the original data without losing much information. We describe how one can use the reduced data for some further, more formal statistical analysis. For example, a short‐term forecasting model for call volumes is developed, which is multiplicative with a time series component that depends on day of the week. We report empirical results from applying the proposed method to some real data collected at a call centre of a large‐scale U.S. financial organization. Some issues about forecasting call volumes are also discussed. Copyright © 2005 John Wiley & Sons, Ltd.     

3标度层次分析法下盘锦人口预测方法的优选

基于目前我国人口数量预测方法繁多,优缺点不一的现状,以盘锦市1978～2008年人口数据为基础,分别采用曲线回归、GM(1,1)与等维递补灰色模型、BP神经网络与RBF神经网络、马尔萨斯模型与费尔哈斯模型、宋健模型与Leslie矩阵方法分别对盘锦市2030、2050、2070、2090年人口进行预测,并根据预测结果设置了盘锦市人口预测方法的多目标定量优选体系,并采用Matla,b2009b软件运用3标度层次分析法方法进行了预测方法的优选.优选结果显示在盘锦市人口预测中,径向基网络(RBF)为最优方案.     

An extended grey forecasting model for omnidirectional forecasting considering data gap difference

To achieve effective and efficient decision making in a highly competitive business environment, an enterprise must have an appropriate forecasting technique that can meet the requirements of both timeliness and accuracy. Accordingly, in the early stages, building a forecasting model with incomplete information and limited samples is very important to a business. Grey system theory is one of the prediction methods that can be built with a small sample and yet has a strong ability to make short-term predictions. The purpose of this study is to come up with an improved forecasting model based on the concept of this theory to enlarge the applicability of the grey forecasting model in various situations. By extending the data transforming approach, this method generalizes a building procedure for the grey model to grasp the data outline and information trend. Specifically, a novel inverse accumulating generation operator is developed to enable omnidirectional forecasting. The research utilizes observations of the titanium alloy fatigue limit along with temperature changes as raw data to verify the performance of the proposed method. The experimental results show that not only can this method expand the application scope of the grey forecasting model, but also improve its forecasting accuracy.     

应用逐步统计判别模型预报麦蚜复合种群动态

本文应用逐步统计判别原理 ,对山东省曲阜地区 1982～ 1994年共 13年麦蚜复合种群动态的系统调查资料进行了统计分析 ,建立了 4个统计判别数学模型 :dy1=0 .1 343x1- 0 .1 472x2 ;　　y2 =0 .740 9x1- 0 .1 1 85x2 ;y3=- 8.391 5x1- 1 .785 6x2 ;　y4=2 .32 40x1- 0 .30 82x2运用所建模型 ,对历史资料进行回代验证 ,其平均历史拟合率在 93%以上 ,并以 1 995年作为独立样本进行试报 ,结果与实际一致。