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.     

基于多元逆模糊数的模糊时间序列预测方法

在相关文献提出的模糊时间序列预测模型IFTSFM的基础上,定义了多元逆模糊数(Multivariate Inverse Fuzzy Number)的概念,建立了基于多元逆模糊数的模糊时间序列预测模型.应用这一模型,将海南省1997-2016年度旅游总收入历史数据分为两组,分别进行了对历史数据拟合模拟和对未知数据的预测计算,取得了令人满意的结果.     

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.     

基于支持向量机的区间模糊数时间序列预测

研究了区间模糊数时间序列的预测方法.首先将区间模糊数序列转换为等量信息的精确数序列,然后对精确数序列建立支持向量机回归模型,通过还原公式,得到区间模糊数序列的拟合值和预测值.最后给出了数值实验,实验结果表明方法有效可行,且比ARMA回归模型以及灰色模型的预测精度更高.     

基于不动点的模糊时间序列模型

模糊时间序列在解决模糊性和不确定性数据方面表现出明显的优势.为了提高模型的预测精度,将数学理论中不动点理论与时间序列模型相结合,提出了分式函数、逆分式函数、预测函数的定义,并且证明了预测函数值收敛定理.在这些理论基础上,建立了一种基于不动点的模糊时间序列模型,进一步完善了模糊时间序列理论.预测结果表明,该模型具有预测精度较高、理论完整、鲁棒性强、应用范围广的特点.     

模糊时间序列模型的辨识

可能性线性系统的输出时间序列可用模糊数来表示，我们称其为模糊时间序列（ＦＴＳ），这篇论文提出了ＦＴＳ分析的新方法，并研究它的参数估计和模型定价。两个仿真例子表明本文提出的方法对ＦＴＳ分析是非常有效的。     

莆田湄洲岛旅游人数预测的新方法

提出模糊时间序列预测的一种改进模型IFTSFM,重新研究莆田湄洲岛旅游人数预测问题,当进行历史数据的模拟预测时AFER比应用GM(1,1)灰色模型预测时更小.IFTSFM也可进行未知的旅游人数的预测.方法预测公式简洁,计算方便,历史数据模拟预测误差率较小,为研究时间序列预测问题增加一种新方法.     

基于模糊时间序列模型的CPI预测方法研究

构建模糊AR(p)时间序列模型,对CPI进行了预测,通过实际数据模拟发现,与传统的ARIMA模型相比,模糊AR(p)时间序列模型预测的效果更好.     

一类不分明时间序列的回归预测

研究了一类不分明时间序列的线性回归预测问题,通过模糊数空间中的距离,建立了模糊环境中最小二乘回归模型,证明了回归模型解的存在性和唯一性,并给出了确定模型的模糊参数及检验模型拟合度的计算公式。     

基于Hausdorff测度直觉模糊数距离度量的直觉模糊数序列极限研究

为了更深入地研究直觉模糊理论,构建直觉模糊数序列极限分析模型,在直觉模糊数、直觉模糊距离度量研究探讨的基础上给出了基于Hausdorff测度直觉模糊数距离度量的直觉模糊数序列的定义并对其极限及性质进行了重点研究,对直觉模糊数序列分析理论的研究具有重要的理论意义.     

基于直觉模糊化的广义模糊时间序列预测模型

本文在传统广义模糊时间序列预测模型数据模糊化的基础上,引入直觉模糊集理论对其进行扩展。首先,在隶属度和非隶属度函数中增加犹豫度因子对样本数据进行直觉模糊化,更加细腻的反映数据不确定性本质。然后,用记分函数描述样本数据对模糊集的隶属情况,简化模型的复杂度。随后以传统广义模型为框架,构建基于直觉模糊化的广义模糊时间序列预测模型。最后利用典型的Alabama大学入学人数为实验数据,对比分析本文建立模型与传统广义模型的预测结果,验证直觉模糊化的广义模糊时间序列模型的可行性和优越性。     

中国港口集装箱吞吐量预测:基于组合时间序列北大核心CSCD

近年来,中国港口集装箱吞吐量增长迅速.如何准确预测中国港口集装箱吞吐量是一个极其重要且具有挑战性的问题.采用一种自适应方法来解决该问题,即Yang（2004）提出的指数加权聚合预测（AFTER）.我们采用该方法将两种时间序列模型：SARIMA和VAR进行组合.对中国七大港口的预测结果表明,AFTER方法比常用的简单平均预测具有优势,它通常能以更高的频率自动设置更大的权重在更好的个体预测上.     

基于灰模型的区间模糊数时间序列预测

研究了基于灰模型的二元区间和三角模糊数时间序列的预测方法.目前以GM(1,1)模型为代表的灰色预测模型只适用于精确数序列.改进了GM(1,1)模型的定义型方程中的参数形式,使方程能适用于几类常见区间模糊数序列.接着,基于区间模糊数的计算准则,分别具体给出了二元和三角模糊数GM(1,1)模型(BIFGM(1,1)和TFGM(1,1))的预测过程.模型对于区间模糊数的界点序列的发展系数进行了加权平均处理,以此保证了区间模糊数序列发展态势的整体性.最后进行了实例应用,验证了模型的有效性.     

广义模糊数及其序列的极限

重新定义了广义模糊数,引入了“序”、“运算”及“度量”,得到了一些基本性质,并研究了广义模糊数序列的极限及性质,给出了单调收敛、闭区间套等重要定理,使模糊数对应理论得以拓广     

模糊时间序列模型研究综述

模糊时间序列模型是为解决经典时间序列分析方法不能处理模糊问题而诞生的,随着人们解决复杂问题需要的日益增加,对它的研究越来越深入,应用越来越广泛。首先,在简单介绍模糊时间序列模型框架的基础上,本文总结了预测模型建立过程中的几个关键问题,分析了现有研究成果就这些问题的处理方法的优点与不足;随后介绍了模型的应用现状;最后,就模型的研究趋势及相关问题探讨了模糊时间序列模型的研究方向。     

模糊数直觉模糊集运算的模糊结构元表示

在文[4]提出的模糊数直觉模糊集定义的基础上,将文[2]和[7]定义的区间值直觉模糊集运算推广到模糊数直觉模糊集中.利用模糊数的结构元表示方法,得到了模糊数直觉模糊集运算的简便的结构元表示形式,同时给出这些运算的相关性质及证明.     

基于BP神经网络的时间序列预测问题研究

分析指出了基于标准BP神经网络的时间序列预测问题存在的不足.根据基于BP神经网络的时间序列预测问题的特点,研究给出了一种以y=x作为传递函数的时间序列预测方法,经实例验证表明,给出的以y=x作为传递函数的时间序列预测方法较基于标准BP神经网络的时间序列预测方法具有较好的结果.     

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.     

基于模糊数直觉模糊集的多属性决策方法

对属性权重信息完全未知且属性值为模糊数直觉模糊数的多属性决策问题进行了研究,定义了模糊数直觉模糊数的得分函数,进而提出了一种基于线性规划模型的模糊数直觉模糊多属性决策方法.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

关于ARMA序列协方差矩阵的逆

本文用矩阵方法导出ＡＲＭＡ（ｐ，ｑ）序列协方差阵的逆的一种表达式，由它可以较快计算平方和函数及其偏导数，还可以求得初值为零的条件平方和函数的误差。