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Theil不等系数的IOWHA算子组合预测模型及其应用

Theil不等系数是一种度量预测精度的另一种相关性指标,将Theil不等系数和IOWHA算子的概念相结合,提出一种新的基于Theil不等系数的IOWHA算子最优组合预测模型,并定义了优性组合预测的概念.利用该模型对税收收入进行了组合预测,结果表明该组合预测方法是可行和有效的,且该模型是一种优性组合预测.     

基于IOWA算子的投影法在加权几何平均组合预测模型中的应用及性质

加权几何平均组合预测是一种非线性的组合预测方法,能够有效提高预测精度.本文将向量投影的方法应用到加权几何平均的组合预测模型中并且引入了IOWA算子来集结各单项模型的有效信息.通过对文中所给模型及各单项模型预测结果的比较分析,提出了优性组合预测模型等概念;讨论了基于IOWA算子的加权几何平均组合预测模型的优劣性及存在的条件,实例分析结果验证了文中提出的方法是效性和可行的.     

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。     

不等时距灰色组合预测模型的研究

在不等时距序列灰色预测的基础上,建立了最优组合预测模型和BP神经网络组合预测模型.通过实例对比分析,表明这两种灰色组合预测模型都较各单项模型具有更高的预测精度和较高的理论实践价值.     

基于小波神经网络与ARIMA组合模型在股票预测中的应用

为了实现对股票价格变化的短期预测,提出了一种基于小波神经网络(WNN)与自回归积分滑动平均模型(ARIMA)的组合预测模型.将股票的收盘价序列数据划分为线性以及非线性(误差项)两个部分,分别利用统计学中ARIMA模型和小波神经网络分别对两部分数据进行预测并得到结果,将两部分结果组合相加合成为整个股票价格的预测结果.实验结果表明该组合模型在预测精度方面有提高,是一种比较有效的预测模型.     

基于一阶预测有效度的IGOWLA算子模糊组合预测方法

文章针对预测对象具有模糊性的组合预测问题，用三角模糊数表征问题的特征信息，引入诱导广义有序加权对数平均(IGOWLA)算子的概念，以基于模糊信息的一阶预测有效度作为精度指标，建立基于一阶预测有效度的IGOWLA算子模糊组合预测的最优化模型，并通过实例分析说明了该模型能显著提高预测精度。     

基于Theil不等系数的加权几何平均组合预测模型的性质

加权几何平均组合预测为一种非线性的组合预测方法。本文提出了基于Theil不等系数的加权几何平均的组合预测模型,针对该模型定义了优性组合预测、预测方法优超和组合预测冗余度等新的概念;探讨了非劣性组合预测和优性组合预测存在的充分条件;给出了一个冗余预测方法出现的判定定理。     

改进型LOBNN & AR-GARCH模型在股票预测中的应用

为实现对股票价格的短期预测,本文在Laguerre正交基神经网络 (LOBNN)模型的基础上,提出了一种新的组合预测模型来预测短期股价的变化。该模型先通过改进LOBNN模型的权值求解算法,用以增强模型的通用性。接着在其基础上设计新的迭代算法,进一步提高模型的预测精度,进而得到新的LOBNN模型。之后将股价数据分别代入AR-GARCH模型和改进后的LOBNN模型,得到输入数据的两组预测值。最后通过不同的权重来组合两种预测结果,生成最终股价的预测结果。文末的仿真结果表明该组合模型在预测精度与通用性上较原始模型有较大的提升,是一种高效的预测模型。     

基于对数灰关联度的IOWGA算子最优组合预测模型

本文将对数灰关联度和IOWGA算子相结合,提出一种基于对数灰关联度的IOWGA算子最优组合预测模型,并定义了优性组合预测的概念,最后通过对税收收入进行组合预测说明该组合预测方法的有效性和合理性,且该模型存在优性组合预测。