检索结果-内蒙古大学图书馆

作者：崔炜武汉邮电科学研究院

学位级别：硕士

对于模糊的概念,想准确的把握它往往是非常困难的。同理,对于不准确性,模糊性的数据,我们想找出规律预测未来走势也是十分困难的。在以模糊的样本数据为背景的预测实验中,模糊时间序列模型以其精准性,简便性,适用性,成为模糊预测领域中... 详细信息

对于模糊的概念,想准确的把握它往往是非常困难的。同理,对于不准确性,模糊性的数据,我们想找出规律预测未来走势也是十分困难的。在以模糊的样本数据为背景的预测实验中,模糊时间序列模型以其精准性,简便性,适用性,成为模糊预测领域中的领头羊,受到国内外专家学者的一致认同。但是模糊性意味着必然有预测的偏差,如何去提高预测的精准性,减少与真实值的偏差,成为了模糊时间序列领域研究中的广泛关注点。本文从论域的定义与划分,FCM聚类算法的聚类数目不确定性提出了模型的改进思路。并且以经典实验数据与在社会中采集到的数据为依据进行实验,证明了优化方案的正确性与广泛适用性。模糊时间序列预测的理论依据是论域区间,因此,本文基于论域区间的定义和论域的划分,提出了奈尔检验法寻找离群数据,并且给出了替换离群数据的方式。在基于比率论域划分中,提出了划分比率ratio的不同算法。在论域定义中,提出了定义论域的不同方法。分别从这几个方面对模型来进行改进。以经典的Alabama州大学注册人数为样本数据进行模糊时间序列模型预测实验,并且与传统的方案预测结果进行对比,佐证改进后的模型对预测结果有显著提高。在对论域定义和论域划分之前,需要对样本数据进行聚类,聚类数目决定了整个大的论域的划分,直接影响到预测的精度,传统的FCM聚类算法进行聚类时,无法确定聚类数目,因此必须根据具体的实验模型需求,人为主观的给定聚类数目参数c,过大的聚类数目会使计算复杂化,过小的聚类数目会使得论域定义过大,过大的论域会将不具有同一特征的样本数据聚类到一起,进而影响论域的划分精度。总的来说,错误的聚类导致整个大的论域定义的错误会直接的影响接下来步骤中论域上下限值的确定与论域局部的划分。基于此,本文提出了NVR算法,给出了如何通过样本数据求出聚类数目的公式,杜绝了传统FCM算法中聚类数目人为给定的主观性,并且通过武汉光谷步行街某网吧人流量实验验证这样改进能够极大降低模型的预测误差。

关键词：模糊时间序列模型奈尔校验论域的划分与定义 FCM算法 NVR算法

来源：评论

学校读者我要写书评

暂无评论

模糊时间序列模型的改进算法及在股指分析中的应用

模糊时间序列模型的改进算法及在股指分析中的应用

引用

作者：张严皓东北大学

学位级别：硕士

尽管股票市场的短期预测目前还没有较为准确的方法,但这一领域始终都吸引着人们的目光,许多研究工作者依然在为寻找更准确的预测方法而努力。采用统计方法,根据历史数据的分布特点建立模型并预测股价的方法是更加客观的技术分析方法。... 详细信息

尽管股票市场的短期预测目前还没有较为准确的方法,但这一领域始终都吸引着人们的目光,许多研究工作者依然在为寻找更准确的预测方法而努力。采用统计方法,根据历史数据的分布特点建立模型并预测股价的方法是更加客观的技术分析方法。从整体来看,目前对于中国大陆股票市场的研究以经典的时间序列模型为主。然而经典的时间序列方法往往对数据有较高要求,股票价格数据很可能无法满足,而模糊时间序列模型则是一种较好的替代方法。该方法自提出后,经过20多年的发展,已在不同领域取得了越来越广泛的应用,其中对股票价格的分析则是该方法较为常见的应用领域。本文正是采用了模糊时间序列模型的改进方法,对上海证券综合指数进行了分析及预测。建立模糊时间序列模型的四个基本步骤为:论域的定义及划分、模糊集的建立及数据样本模糊化、模糊关系的建立、以及数据逆模糊化。本文在前人工作的基础上,根据所研究的股票价格指数数据的特点对原有方法进行了以下改进:给出了一种基于高斯混合聚类的论域划分方法;采用高斯隶属度函数对数据样本模糊化;结合所选取的隶属度函数,给出了一种参数可调的数据逆模糊化方法,突破了现有方法往往只采用模糊区间中点进行逆模糊化的局限;在对测试集数据进行预测时,给出了一种基于核函数的动态模糊关系建立方法。之后应用给出的改进方法分析了上海证券综合指数,根据预测结果评价了本文方法的优点及不足之处,并结合技术分析本身的特点以及国际市场行情的变化,分析了预测误差产生的原因。从预测结果上来看,本文的方法所得到的预测值的走势与数据真实值相吻合,当股票价格指数波动幅度较大时,本文方法依然具有较高的预测精度。对于未知的测试集中的股票指数数据,当不产生新的模糊关系时,本文的方法同样具有较好的预测效果。相对于现有模糊时间序列方法,本文所给出的改进方法具有更低的预测误差。

关键词：模糊时间序列模型股票价格指数高斯混合聚类高斯隶属度函数核函数

来源：评论

学校读者我要写书评

暂无评论

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究

引用

中国管理科学 2020年第12期28卷 108-117页

作者：梁小珍耶志坤杨明歌汪寿阳上海大学管理学院上海200444 中国科学院大学经济与管理学院北京100190 中国科学院数学与系统科学研究院北京100190

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取... 详细信息

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型(X12-ARIMA)将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法(ICEEMDAN)将季节调整后序列分解成一系列不同时间尺度的本征模态函数(IMF)和残差序列(Residue)。然后使用基于模糊C均值算法(FCM)划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。

关键词：航空客运需求预测季节调整自适应噪声集成经验模态分解模糊C均值算法模糊时间序列模型

来源：评论

学校读者我要写书评

暂无评论

群优化算法的概率加权模糊时间序列模型研究

群优化算法的概率加权模糊时间序列模型研究

引用

作者：沈媛媛哈尔滨工业大学

学位级别：硕士

模糊这个概念广泛存在于人们的生活中,它代表着事物的不确定性,因此难以用精确值来表示,而是常用到多种语言值来形容。通过对历史数据进行观测并提取一定的规则,进而对未来值进行预测是目前的一个研究热点,但是传统的时间序列模型对数... 详细信息

模糊这个概念广泛存在于人们的生活中,它代表着事物的不确定性,因此难以用精确值来表示,而是常用到多种语言值来形容。通过对历史数据进行观测并提取一定的规则,进而对未来值进行预测是目前的一个研究热点,但是传统的时间序列模型对数据有着较严格的条件,且不适用于对有模糊特点的语言值进行处理。为了解决这一类问题,有学者提出了基于模糊理论的模糊时间序列模型。模糊时间序列模型不需要经典时间序列方法的严格假设,并且能在语义值处理上获得了更优的效果。模型通常包括四个阶段:划分论域、模糊化、建立模糊规则和去模糊化,其中第一步划分论域和第三步建立模糊规则均对模型的预测性能起着非常重要的作用。本文以提升模型最终预测精度为目标,从这两方面进行了改进。在论域划分方面,本文提出了一种基于混合麻雀算法的加权模糊聚类算法(HSSA-WKFCM)。该方法利用混沌映射使初始麻雀种群均匀分布,并对最优麻雀进行随机游走或levy飞行,使算法更易跳出局部最优。另外对核模糊C均值聚类算法(KFCM)进行了样本和特征加权,减小孤立点对聚类结果的影响。在建立模糊规则方面,本文应用了一种概率加权的模糊时间序列模型(PWFTS),其将模糊理论和概率论结合,将经验概率添加到模糊时间序列预测模型的过程中,使得模糊规则建立在模糊理论和概率论的基础上。这样的规则建立过程有着很好的可解释性,且同时考虑到了时间序列的次序和历史先后发生概率,能够有效提高预测精度。最后,本文将改进后的模糊时间序列模型命名为HSSA-WKFCM-PWFTS,并在经典的Alabama大学入学人数和近11年的上证指数上进行实验,结果表明新模型能取得更优的预测精度。

关键词：模糊时间序列模型麻雀算法模糊聚类算法概率加权

来源：评论

学校读者我要写书评

暂无评论

基于模糊时间序列模型的空气质量指数研究

基于模糊时间序列模型的空气质量指数研究

引用

作者：康新悦南京师范大学

学位级别：硕士

近年来,大气污染问题已经得到社会各界的广泛关注,空气质量的好坏大到影响国家经济发展,小到影响百姓身体健康,因此,治理大气污染是我们必须面对的问题。我国先后发布的《大气十条》以及蓝天保卫战计划表明了治理大气污染问题,改善空气... 详细信息

近年来,大气污染问题已经得到社会各界的广泛关注,空气质量的好坏大到影响国家经济发展,小到影响百姓身体健康,因此,治理大气污染是我们必须面对的问题。我国先后发布的《大气十条》以及蓝天保卫战计划表明了治理大气污染问题,改善空气质量的决心。2020年是我国三年“蓝天保卫战”的收官之年,是我国气候变化与空气污染协同治理的“里程碑之年”,经过各地区大力整治,我国整体大气污染问题得到明显改善,但这项工作仍需要继续坚持下去,争取早日破解“雾霾围城”之困。通过研究空气质量指数的变化规律来对未来空气质量的变动趋势进行严格把控,是对大气污染进行科学防治的重要手段之一。经过众多研究者的不懈努力,关于空气质量的研究效果显著,从经典时间序列ARIMA模型的应用,到支持向量机、神经网络以及组合模型的应用,以及对多个相关因素的引入研究,但以上基于时间序列的研究都是在假设观测值是由实际值加上随机误差产生的,认为数据的不确定性完全由随机性描述,忽略了数据本身具有的模糊性。因此本文针对数据的模糊性和不确定性,尝试从模糊理论的角度研究空气质量指数的变化规律并建立模糊时间序列模型进行预测,以期为空气质量研究提供一种新的思路。本文以南京地区的逐日空气质量指数为数据基础建立模糊时间序列模型,主要包括论域的划分、定义模糊集并模糊化历史数据、建立模糊矩阵以及去模糊化预测四个步骤。针对数据的模糊特性,将模糊C均值聚类算法引入区间划分过程中,最大程度利用历史数据里的潜在信息。在建立模糊矩阵时,不仅将模糊关系出现的频数考虑进去,还将模糊关系出现的次序也纳入计算范围,利用频数和次序建立加权模糊矩阵进行去模糊化预测。其次,建立具有代表性的时间序列ARIMA模型,利用以往的研究方法进行对比分析,来说明模糊时间序列模型的可行性与有效性。根据预测结果的各项评价指标可知,模糊时间序列模型在预测空气质量指数方面获得了较为理想的预测效果,为空气质量指数的预测与趋势判断提供了一种新的方向与思路。

关键词：模糊C均值算法模糊时间序列模型空气质量指数预测

来源：评论

学校读者我要写书评

暂无评论

基于自相关及证据理论的模糊时间序列模型

基于自相关及证据理论的模糊时间序列模型

引用

作者：孙婷大连海事大学

学位级别：硕士

模糊时间序列模型是一种处理模糊以及不确定的问题的有效方式。至今,已有许多研究针对模糊时间序列模型的论域划分、模糊规则矩阵的建立、模型阶数、模型因素等多个方面,在多个领域得到广泛应用。本文主要研究模糊时间序列模型的两个方... 详细信息

模糊时间序列模型是一种处理模糊以及不确定的问题的有效方式。至今,已有许多研究针对模糊时间序列模型的论域划分、模糊规则矩阵的建立、模型阶数、模型因素等多个方面,在多个领域得到广泛应用。本文主要研究模糊时间序列模型的两个方面。一方面,模糊时间序列模型阶数的选择在一定程度上影响着预测结果的准确性。本文建立时间序列自回归模型与模糊预测模型之间的联系,运用自相关理论选择模糊时间序列模型的阶数。从而,为了得到模型的最佳阶数,我们不需要将各阶模型预测的结果依次列出,比较预测结果,可以采用本文提出的更简洁的方法。为了验证本文提出的方法的有效性,采用具体实例验证其有效性。另一方面,针对模型因素方面,本文也将着手研究多因素一阶模糊时间序列模型,通过利用证据理论在信息融合方面的优势,将模型多个因素带来的信息进行融合并用于预测未来数据趋势。并且,对于证据理论的改进,本文通过巴氏系数计算证据之间的相似度,并将该相似度转化成证据的权重,对证据源进行修正,从而对证据理论提出一种新的改进方法。在此新方法上,将修改后的证据理论应用到多因素模糊时间序列模型的建立中,提出一种建立多因素模糊时间序列模型的方法,通过具体实例验证其有效性。

关键词：模糊时间序列模型自相关理论阶数识别证据理论巴氏系数证据相似度

来源：评论

学校读者我要写书评

暂无评论

基于FCM的模糊时间序列模型及人民币汇率预测

基于FCM的模糊时间序列模型及人民币汇率预测

引用

第二十九届中国控制会议

作者：赵庆江迟凯付芳萍李潮潮车文刚物理科学与技术系昆明学院昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

汇率预测是金融时间序列分析的重要研究议题之一.为了进一步提高预测精度,作者引入基于模糊聚类技术的模糊时间序列模型;通过USD/CHY汇率比价的预测结果表明,该模型可以取得相对传统预测方法较高的预测精度.

关键词：模糊聚类模糊时间序列模型人民币汇率预测

来源：评论

学校读者我要写书评

暂无评论

基于FCM的模糊时间序列模型及人民币汇率预测

基于FCM的模糊时间序列模型及人民币汇率预测

引用

第29届中国控制会议

作者：赵庆江迟凯付芳萍李潮潮车文刚物理科学与技术系昆明学院云南昆明 650031 昆明理工大学信息工程与自动化学院昆明 650051 昆明理工大学云南省计算机技术应用重点实验室昆明 650051

汇率预测是金融时间序列分析的重要研究议题之一。为了进一步提高预测精度，作者引入基于模糊聚类技术的模糊时间序列模型;通过USD/CHY汇率比价的预测结果表明，该模型可以取得相对传统预测方法较高的预测精度。

关键词：模糊聚类模糊时间序列模型人民币汇率汇率预测精度 CHY汇率比价

来源：评论

学校读者我要写书评

暂无评论

基于改进狼群算法的模糊时间序列预测模型

引用

控制理论与应用 2020年第7期37卷 1637-1643页

作者：鲜思东李堂金重庆邮电大学复杂系统智能分析与决策重点实验室重庆400065 重庆邮电大学自动化学院重庆400065

当使用模糊时间序列预测模型进行预测时,模糊区间的不同划分对最后的预测精度有着十分重要的影响.针对如何更有效的划分模糊区间、进一步提高模糊时间序列的预测精度问题,本文提出了一种基于改进狼群算法的模糊时间序列预测模型.为此首... 详细信息

当使用模糊时间序列预测模型进行预测时,模糊区间的不同划分对最后的预测精度有着十分重要的影响.针对如何更有效的划分模糊区间、进一步提高模糊时间序列的预测精度问题,本文提出了一种基于改进狼群算法的模糊时间序列预测模型.为此首先简要介绍了模糊时间序列,然后阐述了狼群算法并在其游走行为中引入趋向行为和死亡概率对其进行了改进,最后利用改进狼群算法来划分模糊区间,建立了一种新的模糊时间序列预测模型.将Alabama大学入学人数作为实验数据进行实例分析和验证.通过与现有的一些模型进行对比分析,本文所提模型具有更高的预测精度,为模糊时间序列预测提供了新思路.

关键词：模糊时间序列模型狼群算法划分 Alabama大学入学人数预测

来源：评论

学校读者我要写书评

暂无评论

两种时间序列模型在客流量预测上的比较

引用

计算机工程与应用 2016年第9期52卷 228-232,270页

作者：刘建军廖闻剑彭艳兵武汉邮电科学研究院通信与信息系统系武汉430074 南京烽火星空通信发展有限公司研发部南京210019

模糊时间序列模型和季节模型都是基于时间序列的模型,为了探讨在时间序列表现出一定的周期性时,哪种模型的预测效果会更好,分别利用模糊时间序列模型和季节模型对南京某商场的客流量进行预测,计算并比较两种方法下的相对误差值和RMSE(Ro... 详细信息

模糊时间序列模型和季节模型都是基于时间序列的模型,为了探讨在时间序列表现出一定的周期性时,哪种模型的预测效果会更好,分别利用模糊时间序列模型和季节模型对南京某商场的客流量进行预测,计算并比较两种方法下的相对误差值和RMSE(Root Mean Square Error)值,发现季节模型的相对误差值图形的平滑度要优于模糊时间序列模型,季节模型的RMSE值小于模糊时间序列模型,这表明考虑到数据特征的模型有更好的预测结果。

关键词：模糊时间序列模型季节模型相对误差均方根误差

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：