幾種集成預(yù)測模型及其應(yīng)用.pdf

1、碩士學(xué)位論文碩士學(xué)位論文幾種集成預(yù)測模型及其應(yīng)用幾種集成預(yù)測模型及其應(yīng)用SomeEnsembleFecastingModelsTheirApplications姓名姓名李國成李國成學(xué)科專業(yè)學(xué)科專業(yè)應(yīng)用數(shù)學(xué)應(yīng)用數(shù)學(xué)研究方向研究方向計算機(jī)應(yīng)用計算機(jī)應(yīng)用指導(dǎo)教師指導(dǎo)教師吳濤吳濤完成時間完成時間2009年5月2009年5月I摘要預(yù)測是決策的前提，任何成功的決策都離不開科學(xué)的預(yù)測。預(yù)測因涉及的不確定因素眾多而顯得格外復(fù)雜。預(yù)測方法雖然很多，但是沒

2、有一個是完美的和普遍適用的。探索新的預(yù)測方法或預(yù)測體系成為相關(guān)領(lǐng)域的研究熱點(diǎn)。集成預(yù)測技術(shù)作為一種新型的研究問題的方法之一，其核心是對同一個對象采用若干個而不是單一的學(xué)習(xí)機(jī)器進(jìn)行學(xué)習(xí)和預(yù)測，并對各學(xué)習(xí)機(jī)器的預(yù)測結(jié)果進(jìn)行綜合，以期得到較為全面和可靠的預(yù)測。集成預(yù)測技術(shù)的關(guān)鍵在于探索各學(xué)習(xí)機(jī)器之間的組織機(jī)制。研究表明該方法能夠顯著地改善學(xué)習(xí)系統(tǒng)的泛化能力，提高預(yù)測精度。本文通過對灰色系統(tǒng)理論、BP神經(jīng)網(wǎng)絡(luò)、粗糙集理論和支持向量機(jī)的深入研究，

3、分析各自的優(yōu)點(diǎn)與不足，研究如何用灰色系統(tǒng)理論、人工神經(jīng)網(wǎng)絡(luò)技術(shù)、粗糙集理論和支持向量機(jī)等來構(gòu)造集成預(yù)測模型，并將相應(yīng)的算法進(jìn)行集成，從而實(shí)現(xiàn)集成預(yù)測。主要完成以下工作：1、對常規(guī)的預(yù)測技術(shù)以及幾種新型的預(yù)測技術(shù)進(jìn)行綜述，指出各種預(yù)測方法在實(shí)際應(yīng)用中的成功與不足，提出集成預(yù)測模型思想，討論如何有效地應(yīng)用基于灰色系統(tǒng)理論、神經(jīng)網(wǎng)絡(luò)、粗糙集理論和支持向量機(jī)等的預(yù)測技術(shù)來構(gòu)造出相應(yīng)的集成預(yù)測模型，對可能的集成方式方法作了初步探討。2、在深入研究

4、GM(11)模型和BP網(wǎng)絡(luò)模型的建模原理和充分討論了各自的優(yōu)缺點(diǎn)的基礎(chǔ)上建立了一個灰色人工神經(jīng)網(wǎng)絡(luò)(GANN)集成預(yù)測模型充分利用灰色系統(tǒng)弱化數(shù)據(jù)的隨機(jī)性及其動態(tài)性和神經(jīng)網(wǎng)絡(luò)非線性映射的特性發(fā)揮兩者的優(yōu)勢從而在一定程度上提高預(yù)測精度。3、將粗糙集理論和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，通過應(yīng)用粗糙集理論實(shí)現(xiàn)數(shù)據(jù)的約簡和規(guī)則的約簡，并最終把約簡后的規(guī)則輸入神經(jīng)網(wǎng)絡(luò)，建立粗集神經(jīng)網(wǎng)絡(luò)(RSNN)預(yù)測模型。該模型汲取粗糙集理論在去除冗余屬性和冗余樣本、壓縮