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．     

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。     

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.     

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.     

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.     

基于相似度证据理论的模糊时间序列模型的研究

为了提高模糊时间序列模型的预测效果,利用证据理论在处理不确定信息和信息融合方面的优越性,利用贴近度作为证据之间的相似度,对模糊规则进行合成,形成基于相似度的证据理论的多因素模糊时间序列模型.方法在支持证据与运算的合成和对冲突证据的比例分配上,充分考虑了证据的权重.最后,通过实例的比较研究验证模型的有效性.     

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PG算子的多属性决策方法

针对决策信息为三角模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出了一种基于三角模糊数直觉模糊PG(TFNIFPG)算子的决策方法.首先,基于TFNIFN的运算法则和PG(Power Geometric)算子,定义了TFNIFPG算子.然后,研究了该算子的一些性质,建立基于TFNIFPG算子的MAGDM模型,结合排序方法进行决策.最后通过某项目投资算例验证了该算子的有效性与可行性.     

基于效用函数的模糊数的比较与排序

对相同的模糊数进行比较,不同风险偏好的决策者,会得到不同的结论.效用函数是对风险偏好的度量,因此,模糊数的比较与排序的方法,一定要结合决策者的效用函数来构造.为此,根据效用函数定义了模糊效用函数,在此基础上定义了效用序.之后,证明效用序为全序,进一步利用结构元理论对效用序进行表述.根据效用函数反映风险偏好的程度,对效用序进行分类.这样,决策者对模糊数进行比较时,依据自身对风险偏好程度来选择效用序.     

基于核和测度的区间灰数预测模型

区间灰数的确定与其核和测度有关,通过计算灰数的核和测度,将区间灰数转变成实数.分别对区间灰数核序列和测度序列建立预测模型,再推导还原得到区间灰数的预测模型.并将此模型应用于黄河内蒙段巴彦高勒站冰期日均流量预测,结果验证了所建模型的有效性和实用性.     

几种特殊的模糊矩阵幂序列的周期指数和收敛指数

首先介绍max-min复合意义下模糊矩阵幂序列的分解定理和周期指数定理.进一步,利用图论与分解定理讨论几种特殊的模糊矩阵在max-min复合意义下的周期指数和收敛指数.     

基于三角模糊数的凸合成模糊对策解的结构

将凸合成模糊对策的特征函数用三角模糊数的形式表示出来,并以三角模糊数表示局中人的参与度,从而建立了一个新的凸合成模糊合作对策的模型.在此模型的基础上,给出了凸合成模糊对策的三角核心和三角稳定集,并证明了上述解可由子对策的核心和稳定集表达出来.     

基于模糊时间序列的传感器网络感知数据预测模型

传感器网络监控系统属于大型复杂系统,由感知节点以一定的时间间隔向sink节点发送感知数据,以实现对应用环境的监控。由于网络本身及应用环境的影响,得到的感知数据往往存在不确定性。此外,周期性报告数据模式影响到实时监控数据的精确性。本文应用时间序列模型预测传感器数据以响应用户查询,可有效降低网络通信量。通过对无线传感器网络的数据分析,引入多属性模糊时间序列预测模型,充分考虑了无线传感器网络时间序列中存在的趋势因素,并提出了适合于传感器网络的修正预测模型。实验结果表明模糊时间序列模型可有效预测传感器网络数据,且能提高预测精度。     

基于Mamdani型模糊推理的震中烈度预测模型

对应用模糊推理进行系统预测进行了深入的研究,建立了以震级和震源深度为输入的基于Mamdani型模糊推理的震中烈度预测模型.并以四川地区震例数据为例,对数据信息提取,模糊规则建立等关键环节进行了详细的介绍,预测结果分析表明推理模型是可行和有效的.     

基于α-混合序列的学习机器一致收敛速率的界

Vapnik,Cucker和Smale已经证明了,当样本的数目趋于无限时,基于独立同分布序列学习机器的经验风险会一致收敛到它的期望风险.本文把这些基于独立同分布序列的结果推广到了α-混合序列,应用Markov不等式得到了基于α-混合序列的学习机器一致收敛速率的界.     

编序式问卷调查的模糊偏序排序法

讨论了现有的编序式问卷调查排序方法的不足之处;提出了基于模糊偏序关系的编序式问卷调查的排序方法,给出了模糊偏序排序法的数学模型,论证了用模糊偏序关系对编序式问卷调查进行排序是一种较好的方法;并用实例分析了模糊偏序排序法应用于编序式问卷调查的具体操作步骤.