基于模糊時間序列的預測模型和方法研究.pdf

1、隨著科學技術的發(fā)展和社會的不斷進步,社會信息量不斷增加,導致商業(yè)社會等領域的情況瞬息萬變。因此,人們對于預測的需求不斷的提升以期能夠盡早的做出決策。時間序列預測就是為此而誕生的,然而傳統(tǒng)的時間序列預測模型無法處理語義值和小規(guī)模數(shù)據(jù)集。為解決這種情況,學界提出了模糊時間序列預測模型的概念,由于該模型在處理語義值和小規(guī)模數(shù)據(jù)集上的優(yōu)秀表現(xiàn),越來越多的學者開始著手從事這方面的研究。
　　然而,目前已有的模糊時間序列預測模型在預測精度和適

2、用范圍上仍有待提高,其主要原因是對于數(shù)據(jù)形式以及通用性考慮不足,且未能充分挖掘數(shù)據(jù)中的統(tǒng)計信息。例如多屬性時間序列,外部時間序列的考慮不足,忽略時間序列中趨勢因素以及采用較為主觀的形式劃分論域等。除此之外,目前正變得越來越流行的不確定數(shù)據(jù)也是現(xiàn)有模型所無法處理。
　　為解決上述問題,文章提出了兩種新的模糊時間序列模型。一種是在現(xiàn)有的針對確定數(shù)據(jù)集預測模型上進行改進,擴展其適用范圍,使之能夠處理多屬性和外部時間序列,并通過使用模糊聚

3、類法以及提取趨勢因素動態(tài)調整用于預測的模糊關系進而提高其模型的預測精度;第二種,是將不確定性的概念引入到時間序列中,進而得到由不確定數(shù)據(jù)組成的模糊時間序列,并在該模型的基礎上設計出相應的訓練和預測算法。由于在該領域的研究工作較少,也沒有一個合適的指標衡量該類模型的性能,為方便后續(xù)的工作并為有興趣的研究者提供性能對比,本次研究同時提出了3種可供選擇的指標來衡量模型的性能。
　　仿真實驗選取了多個時間序列作為實驗數(shù)據(jù)集。實驗結果表明,