基于BP神經(jīng)網(wǎng)絡(luò)的模糊時間序列預測.pdf

1、時間序列指的是在不同時間點上收集到的反映某一事物、現(xiàn)象等隨時間變化的數(shù)據(jù)的集合。通過對這一系列數(shù)據(jù)的研究，我們能找到隱含在數(shù)據(jù)背后的規(guī)律，從而對現(xiàn)實進行建模分析并解決相關(guān)領(lǐng)域中的問題。時間序列預測是通過已觀測到的數(shù)據(jù)來預測未來，使決策者具有高瞻遠矚的能力，從而做出更好的決策，因此具有很重要的意義。
　　模糊時間序列是通過將時間序列的數(shù)據(jù)模糊化而得到的，它借助了模糊的概念使單個的數(shù)據(jù)點聚集成一個個具有語義表示的類，然后通過對這些類進

2、行建模分析來做預測。模糊時間序列預測的一般過程是:(1)劃分論域;(2)形成模糊集，對數(shù)據(jù)模糊化;(3)提取模糊邏輯關(guān)系;(4)預測，去模糊化。本文通過對論域劃分的方法進行研究，應(yīng)用了基于模糊C均值聚類和基于信息粒的這兩種論域劃分的方法，然后再分別和BP神經(jīng)網(wǎng)絡(luò)這一預測方法進行結(jié)合，給出了兩種組合的預測模型。
　　本文中的第一種預測模型首先用模糊C均值聚類算法對傳統(tǒng)均分的論域劃分進行改進，該算法通過使所有數(shù)據(jù)點對于模糊集的隸屬度之

3、和最大得到聚類中心，然后求得相鄰聚類中心的中點值作為子區(qū)間的邊界得到非等長的論域劃分結(jié)果，再在這些子區(qū)間上建立模糊集，從而將數(shù)值表示的數(shù)據(jù)模糊化，得到模糊時間序列。通過提取二階的模糊邏輯關(guān)系得到訓練數(shù)據(jù)，用這些訓練數(shù)據(jù)來訓練BP神經(jīng)網(wǎng)絡(luò)，從而使網(wǎng)絡(luò)具有了分類的能力，然后用訓練之后的網(wǎng)絡(luò)來預測下一時刻數(shù)據(jù)所屬的模糊集，通過去模糊化得到預測值。最后，以臺灣加權(quán)股指數(shù)據(jù)(TAIEX)為例，與已有模型進行均方根誤差比較來檢驗所提模型的有效性。<

4、br>　　本文中的第二種預測模型用信息粒的思想來進一步改進論域劃分方法。信息粒可以在不同的維度上展現(xiàn)數(shù)據(jù)，使數(shù)據(jù)中隱藏的規(guī)律更好的被發(fā)現(xiàn)，在這個觀點的啟發(fā)下，我們應(yīng)用基于信息粒的論域劃分方法，該方法先對整個時間序列用模糊C均值聚類得到聚類中心，然后根據(jù)相鄰聚類中心的中點值建立起子區(qū)間，再在這些子區(qū)間上構(gòu)造適當粒度大小的信息粒，最后通過這些信息粒計算得到論域劃分之后的區(qū)間。劃分論域之后，我們采用和第一種預測模型相同的建模過程，在相同的數(shù)據(jù)