基于向量夹角余弦的加权调和平均组合预测模型的有效性

加权调和平均组合预测为一种非线性的组合预测方法.提出了基于向量夹角余弦的加权调和平均组合预测模型,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.     

基于最大——最小贴近度的IOWA算子最优组合预测模型

将最大一最小贴近度与IOWA算子相结合,建立了基于最大一最小贴近度的IOWA算子最优组合预测模型,并且定义了在最大一最小贴近度下非劣性组合预测、预测方法优超等概念.在此模型下,研究了模型的非劣性组合预测及优性组合预测存在的充分条件.最后给出实例分析,表明该组合预测方法的有效性.     

交通流灰色RBF网络非线性组合预测方法

针对智能交通系统的开发,提出一种基于灰色GM(1,1)模型和RBF网络非线性组合的短时交通流预测方法.该方法采用三层结构的RBF网络将两种单一预测方法(灰色GM(1,1)模型和RBF网络)进行了非线性组合.利用实测数据对组合方法进行了仿真实验,结果表明:非线性组合模型的预测准确性高于单独的RBF网络预测的准确性;组合模型发挥了两种单一方法各自的优势,是短时交通流预测的有效方法.     

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     

基于神经网络的我国猪肉年度消费需求量预测研究

主要运用神经网络对中国猪肉年度消费需求量的预测问题进行了研究.首先对畜产品预测方法进行了综述,对神经网络预测原理进行了介绍,然后分别建立GM(1,1)、ARIMA模型、GRNN神经网络模型,GA-GRNN神经网络模型模型对猪肉消费量进行了预测,最后对模型进行了集成.结果表明,优化后的GA-GRNN模型预测误差率显著降低,集成模型在稳定性和精度方面均比较理想.     

基于ARIMA-LSTM组合模型的原油产量时序预测研究

针对现阶段油田产量预测中所出现的一些预测效果不理想的问题,开展了对全国原油产量的时序预测研究.针对全国原油2011-2020年产量所呈现出来的特点,采用一种基于时间序列自回归移动平均模型(ARIMA)结合长短期记忆网络(LSTM)组合模型的预测方法.首先,运用时间序列ARIMA模型的建模思想,对全国原油产量进行初步预测,再通过LSTM训练拟合残差并进行预测.最后将LSTM的预测结果补偿到初步预测结果中,得到组合预测值.组合模型预测结果显示,预测结果比较可靠,对预估原油产量具有一定的参考价值.     

岩土工程位移时间序列的组合预测研究

将组合预测方法用于岩土工程位移时间序列预测.结合实际观测数据,分别建立位移时间序列预测的GM(1,1)模型、Verhulst模型和趋势曲线模型.采用极小误差法确定各单一模型的权重,建立组合预测模型.应用表明,组合预测的精度高,为岩土工程位移预测提供了一种实用、可靠的方法.     

组合预测模型在农产品价格短期预测中的应用——以苹果为例的实证分析

以我国苹果批发市场价格为研究对象,利用2006年7月7日至2012年3月30日期间的300个周数据作为分析样本,通过对时间序列的平稳性、趋势性、季节性、异方差等数据特征进行统计检验,筛选出双指数平滑模型、Holt-Winters乘法模型、ARIMA(1,1,4)模型为我国苹果市场价格短期预测的适用模型,以此为基础,以误差平方和最小为最优准则建立了组合预测模型.经对未来3期的苹果市场价格开展预测,结果表明,组合预测的精度要高于单项时间序列模型,组合预测方法完全适用于农产品市场价格的短期预测.     

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.