基于预测有效度的组合预测方法冗余信息的判定

基于预测方法有效度的概念 ,建立了考虑预测精度标准差的预测有效度的组合模型 ,提出了几个新的概念 ,给出冗余信息出现的两个判定定理 .并用实例说明判定定理的有效性 .     

基于IOWA算子的两类准则下的最优组合预测模型及其应用

传统的组合预测方法中,各单项预测模型的加权系数一般是固定不变的。而事实上,任何一种预测模型的预测精度都会随着预测时点的不同而发生改变。因此变权组合预测模型的研究更有意义和价值。本文在预测有效度和IOWA算子等概念的基础上,建立了以预测有效度和误差平方和为准则的组合预测模型,并给出了模型在实际预测中的应用,结果表明了新模型是一种优性组合预测。     

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。     

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.     

基于改进后DGM(1,1)的模型区域科技人才聚集关键影响因素预测研究

为解决对区域科技人才聚集关键影响因素的预测问题,在传统DGM(1,1)模型的基础上,提出一种基于算子改进的DGM(1,1)模型应用于区域人才关键因素预测.首先,通过对反正切函数算子利用分数阶累加的方法进行改进,以达到提升算子处理数据精度且弥补算子缺陷的效果;其次,通过改进后算子与DGM(1,1)模型的结合来达到优化传统模型的目的;最后,通过收集陕西省西安市科技人才聚集关键影响因素进行应用分析并验证该模型的可行性和有效性.结果表明,改进后的DGM(1,1)模型具有较高的模型精度和较好的预测效果.     

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.     

基于连续区间有序几何加权平均Power算子的区间型组合预测模型

在COWG算子和WPA算子的基础上,构建新的COWG-WPA算子,该算子可将区间数转换成实数,同时兼顾数据自身、数据位置、数据与数据彼此间三者的重要性。将COWG-WPA算子应用于区间型组合预测问题中,在广义绝对误差λ次和的准则下建立了基于连续区间有序几何加权平均Power算子的区间型组合预测模型,分析了该模型是非劣性组合预测、优性组合预测的充分条件定理。最后通过实证分析进行对比,结果显示所建立的模型能有效提高预测的精度。     

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.     

基于改进灰色关联度的IOWA算子最优组合预测模型

通过引进诱导有序加权平均(IOWA)算子和改进灰色关联度的计算式,提出了新的基于改进灰色关联度的IOWA算子的组合预测模型.方法可以克服传统的组合预测方法赋予不变的加权平均系数和以单一误差指标作为预测精度衡量的缺陷.定义基于改进灰色关联度的IOWA算子的优性组合预测的概念,最后给出实例分析表明了新模型能有效地提高组合预测精度.     

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。     

我国上市公司被特别处理的组合预测模型研究

针对组合预测比单项预测具有更高的预测精度，本提出了一种基于模糊神经网络的上市公司被ST的非线性组合建模与预测新方法，并给出了相应的混合学习算法。通过与多元线性回归模型、Fisher模型和Logistc回归模型的预测结果对比表明，该方法具有预测精度高，学习与泛化能力强，适应性广的优点。     

基于多元Hamacher-ANFIS的股票价格预测

应用减法-模糊聚类算法、多元Hamacher算子以及自适应神经模糊推理系统(ANFIS)提出了一种中国股票市场价格建模及预测的多元Hamacher-ANFIS模型.首先多元Hamacher算子与ANFIS相结合,对ANFIS种各规则的隶属度测度机制和规则参数更新机制进行了修正,建立基于减法-模糊聚类的多元HamacherANIFS模型;再从沪深两市各选取了总市值最大的5支股票,计算出它们在同一时间段的历史波动率,并以此为依据得到模型对该股票预测性能的权重;最后运用减法-模糊聚类算法初始化模型参数,对每个数据组进行5重交叉检验,并根据之前得到的权重计算出模型关于检验集的综合R2值.实验结果证明,与现有方法相比,该模型增强了对复杂目标函数的学习能力,提高了对股票价格的预测精度.     

考虑模型相关性的组合预测过程中单项模型筛选研究

针对组合预测过程中单项模型筛选难以刻画模型之间相关性的问题,采用模糊测度和模糊积分来刻画模型的相关性,并对单项模型预测结果进行集成,进而提出一种考虑模型相关性的组合预测过程中单项模型筛选方法.采用2可加模糊测度来刻画不同模型之间的相关性,并利用Choquet积分依据模糊测度值,将单项模型的预测值集成起来,形成组合预测结果.在这个组合预测过程中,采用基于模糊测度定义的Shapley值和交互作用指标来对单项模型进行筛选.为了验证文章提出的考虑模型相关性的组合预测单项模型筛选方法的有效性,选择软件工程领域的软件成本估算问题进行算例分析,选择基于案例推理方法(CBR)、最小二乘回归(OLS)、支持向量回归机(SVR)、分类回归树(CART)、人工神经网络(ANN)等数据驱动模型作为软件成本组合预测过程中的单项模型.选择常用的Desharnias数据库来验证模型的有效性.实证结果表明文章提出的单项模型筛选方法是一种有效方法,经过筛选后的组合预测模型能有效提高软件成本估算的精度,此外,研究结果还表明组合估算过程中最重要的模型(Sharply值最大)并不是估算精度最高的模型,即单个模型的重要性与该模型的估算精度没有必然联系,说明传统的以单个模型估算精度为依据的组合预测模型存在着一定的缺陷.     

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。     

基于ARIMA和BP神经网络组合模型的能源消费预测

在单一的ARIMA模型预测的基础上,提出了一种基于ARIMA模型和BP神经网络组合模型,并以广西区1981至2016年的能源消费数据为例,结果表明组合模型的预测精度要优于单一的模型,故利用组合模型对广西区未来能源消费的预测更加有效.     

基于预测精度的多目标组合预测优化模型研究

考虑了组合预测精度的数学期望和预测精度的标准差这两个指标 ,建立了多目标规划组合预测最优化模型 ,并给出其数学规划的解法 .最后进行实例分析 ,结果令人满意 .该模型能反映不同时间序列预测方法有效性     

基于粒子群优化的分数阶PFGM(1,1)模型在建筑物沉降预测中的应用

针对传统的灰色预测模型对建筑物沉降预测精度不高、拟合数据较差的问题,在传统的GM(1,1)模型基础上提出了分数阶建模的思想,采用粒子群优化算法求解最优分数阶次,建立基于粒子群优化的分数阶PFGM(1,1)模型.实例计算表明,分数阶FGM(1,1)模型可以提高建筑物沉降的预测精度,通过粒子群优化算法选取最优阶次可以进一步提高预测精度和误差检验等级.由此可见,基于粒子群优化的分数阶PFGM(1,1)模型对建筑物的沉降控制有着重要的指导作用.     

模糊环境下的组合预测模型及其在电力负荷中的应用

传统的组合预测中,各单项预测方法的权重系数均为固定实数,并且预测信息往往是实数或区间数,而实际系统的不确定性又表现为模糊性的特征。针对权重系数和预测信息均为三角模糊数的情形,提出三角模糊数的相对重合度和重心距离测度的概念,构造新的精确度指数,并将其作为模糊优化组合预测模型的准则。考虑到各单项预测方法在不同时刻的预测精度有所不同,引入诱导有序三角模糊加权平均(IOTFWA)算子,构建基于IOTFWA算子的单目标模糊优化组合预测模型。最后,对电力负荷预测的实例说明该模糊组合预测方法的有效性,并对参数做了灵敏度分析。     

基于联系数投影的三角模糊数组合预测模型及其应用

在模糊预测中,三角模糊数比区间数更能准确刻画不确定信息。针对三角模糊数组合预测,本文首先引入集对分析中联系数,找出三角模糊数与三元联系数的转换关系,巧妙回避三角模糊数组合预测运算的模糊性和复杂性。其次定义三元联系数运算规则,构建联系数投影作为最优准则,建立联系数投影的定权系数三角模糊数组合预测模型。然后依据高精度预测方法应赋予较大权系数的原则,构建联系数广义诱导有序加权平均(CNGIOWA)算子,研究其性质定理,再结合联系数投影的最优准则,建立基于联系数投影和CNGIOWA算子的变权系数三角模糊数组合预测模型。最后将两类三角模糊数组合预测模型应用到模糊预测实证分析中,结果显示两类组合预测模型都能有效提高预测准确性。