基于IGOWLA算子的区间组合预测模型

文章针对实际值序列和预测值序列均为区间数的组合预测问题,将区间数的左右端点作为考虑问题的出发点,引入诱导广义有序加权对数平均算子(IGOWLA)算子的概念,以误差平方和为准则,分别建立左右端点的基于IGOWLA算子的变权系数最优组合预测模型,并通过引入偏好系数把多目标最优化模型转化为单目标最优化模型.通过实例分析说明了该模型能有效提高预测精度.     

基于灰色关联度的广义IOWA算子组合预测模型

文章在广义诱导有序加权(GIOWA)算子的基础上,结合关联度指标之一的灰色关联度指标,建立了基于灰色关联度的GIOWA算子的组合预测模型.同时,讨论了该算子的相关概念和性质,给出了该算子权系数的确定方法,并对所建立的组合预测模型中的参数λ进行了分类讨论并给出实例检验,结果表明该组合预测方法的合理性和有效性.     

基于一种贴近度的IOWA算子的优性组合预测模型

传统的组合预测模型中每一种单项预测方法在各个时点具有相同的加权系数,但实际上同一种单项预测方法在各个时点的预测精度有高有低,为了克服单项预测方法取固定权系数的缺陷,构建了基于一种贴近度的IOWA算子的变权系数的组合预测模型,并探讨模型的非劣性组合预测、优性组合预测存在性的充分条件,实例分析结果表明：该模型在预测效果评价指标体系中明显优于传统的组合预测方法。     

基于IGOWLA算子的最优组合预测模型及应用

OWA算子及其拓展后的信息集成算子已被广泛应用于组合预测中。文章在有序加权对数平均算子基础上提出诱导广义有序加权对数平均算子(,IGOWLA)的概念,讨论它的几种特殊情形,同时研究它们的一些性质。然后给出一种基于IGOWLA算子的组合预测模型,并探讨权系数求解方法。     

基于Theil不等系数的C-IGOWLA算子的区间组合预测模型

传统的组合预测方法通常是针对非区间数据在最优准则下来建立最优预测模型的,但实际,中在不确定环境下样本数据和预测值序列均以区间数形式给出,因此有必要研究区间组合预测模型.文章引进连续区间诱导广义有序加权对数平均算子(C-IGOWLA)的概念,以Theil不等系数作为最优准则,提出了一种新的基于Theil不等系数的C-IGOWLA算子的区间组合预测模型,并结合实例验证了模型的有效性.     

广义偏差最小的组合预测加权系数确定

文章基于组合预测值序列与实际测量值序列偏差范数最小建立了广义偏差最小权重确定模型来确定组合加权系数,并运用遗传算法求解该非线性模型。在对预测值组合中,提出将既侧重于每个数据本身又侧重于各数据所在的位置的混合加权算术平均算子集结各时刻的预测值,以便于提高预测结果的精确度。     

模糊变权组合预测方法研究

在不确定环境组合预测中,用模糊权重系数更能体现各单项预测方法的客观表现.文章提出一种新的权重系数为三角模糊数的组合预测方法.首先建立以组合预测精确度指数最小为准则的模糊加权组合预测模型,为了避免样本数据中极端值对模型的影响,对模型进行改进,提出带有0-1变量的模糊加权组合预测模型.进一步考虑到单项预测方法在不同时刻的表现有所差异,建立基于诱导有序模糊加权平均(IOFWA)算子的模糊变权组合预测模型,该模型不仅能克服极端值的影响,而且具有更高的预测精确度.并实证验证了该方法的适用性和灵活性.     

基于IOWA算子的税收组合预测模型

文章引进诱导有序加权平均(IOWA)算子的概念,建立诱导有序加权平均新的组合预测模型.该模型与传统的组合预测方法的区别在于组合预测的赋权系数与单项预测模型无关,而是与单项预测模型在各时点上的预测精度的大小密切相关,这是组合预测方法的一种新的可变赋权方法.文章给出了基于IOWA算子的税收组合预测模型,实例分析结果表明该模型是可行和有效的.     

基于左右端点的IOWGA算子的区间型组合预测模型

文章针对实际值序列和预测值序列均为区间数的组合预测问题,将区间数的左右端点作为考虑问题的出发点,引入诱导有序加权几何平均(IOWGA)算子,以对数误差平方和为准则,分别建立左、右端点的IOWGA算子的变权系数最优组合预测模型,并通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,给出各模型间最优解的性质.     

基于贴近度的诱导广义OWA算子最优组合预测模型

文章提出新的基于相关性的指标的变权组合预测模型.文中引入λ次幂误差,将贴近度和IGOWA算子结合起来,构建了基于最大最小贴近度的IGOWA算子的组合预测模型.同时将组合预测模型转化为容易求解的线性规划模型,从而获得权系数的计算方法.最后,通过一个实例计算表明,文章所提方法能够有效提高预测精度.     

加权残差平方和最小的组合预测组合权重的确定

文章分析了组合预测中组合权重恒大于零的不足之处,证明了组合加权权重可正可负;根据新旧历史数据对预测结果的影响程度不同,探讨并给出了时间权重的概念和时间权重应该满足的条件,且基于所给时间权重建立了加权残差平方和最小的组合预测组合权重确定模型,并推导出了基于时间权重的组合预测组合权重确定公式。     

一种变权系数的区间数组合预测模型

文章针对实际值序列和预测值序列均为区间数的组合预测问题,引入了相关系数和诱导有序加权平均算子的概念;将区间数的左右端点看作时间序列,分别建立了两端点的变权系数多目标最优组合预测模型,并通过偏好系数转化为单目标最优化模型。实例分析表明,所提出的方法在区间数预测误差指标上明显优于其它区间组合预测方法。     

基于灰色关联度的第三产业发展趋势组合预测模型

为更加准确预测第三产业发展水平发展趋势,文章在探讨单一预测模型建模原理的基础上,基于灰关联度能有效刻画曲线间相似程度的原理,给出了基于灰关联度的第三产业发展趋势的组合预测权重确定模型,实证分析了基于灰关联度的第三产业发展趋势组合预测模型要比单一预测模型的预测精度高.     

ICOWA算子的区间组合预测模型

文章针对区间数的预测问题,将Theil不等系数和诱导连续有序加权平均(ICOWA)算子结合,建立了基于Theil不等系数的ICOWA算子的区间组合预测模型.针对该模型建立了评价体系,并提出了优性区间组合预测、非劣性区间组合预测和劣性区间组合预测等概念,最后通过实例分析,得出该区间组合预测是合理的和有效的.     

线性时变参数DGM(1,1)变权组合预测模型

文章为了提高统计组合预测的拟舍和预测精度,根据线性时变参数离散灰色预测模型的初值优化方法,给出了几个线性时变参数DGM(1,1)模型作为单项预测模型,进一步利用这些单项预测模型建立了一类变权线性时变参数组合预测方法.最后,将变权重线性时变参数组合预测方法应用于新疆生产建设兵团城镇化发展水平的组合预测,实例结果表明变权重线性时变参数组合预测方法具有较高的拟合精度.     

基于两个单项模型的组合预测模型构建方法

组合分线性和非线性两种,在任选两个模型采用组合预测方法时,如何确定哪种组合方法效果更好成为重点.文章从协整关系和优性组合判定方法两方面提出确定线性组合条件及线下组合建模过程.在线性关系不满足时,对组合模型进行改进,采用BP神经网络对模型进行非线性组合,使其达到组合预测目的.同时,给出在任取两个模型的情况下,进行组合的方法和步骤,既提高组合预测精度,又达到简化计算过程的目的.     

基于灰色关联度的优性组合预测模型存在性及赋权方法

灰色关联分析是通过对时间序列数据几何关系的度量来比较系统中多因素的紧密程度的量．在组合预测技术中，通常利用灰色关联度最大化的方法来确定各单项预测模型的权重系数．文章在分析灰关联度模型的基础上，得到结论即组合预测离差平方和最小与灰色关联度在确定优性组合预测模型中具有一致性，实例分析证明结论正确、有效。     

基于相关性指标与广义IOWA算子的区间型组合预测模型

文章基于诱导有序加权平均算子构建了广义IOWA算子,结合相关系数、灰色关联度、夹角余弦、Theil不等系数四种相关性指标,建立了相应的广义单目标最优化模型,并分别对基于四种相关性指标的区间组合预测模型的优劣性进行了定义,提出了基于左右端点的区间型组合预测模型与区间组合预测效果评价指标,通过实例对所建立区间组合预测模型的有效性进行了验证与评价.     

基于信息准则的最优组合预测小样本改进模型

在对样本量小且波动大的变量进行预测时,最优组合模型往往容易出现过拟合问题而导致预测效果不佳.借鉴信息准则中对过拟合问题的处理方式,结合等权组合在预测实践中的良好表现,通过在最优组合模型的目标方程中增加向等权收缩的惩罚项,建立了最优组合预测小样本改进的二次规划模型.最后通过实例,用最优组合预测和其他常用组合预测方法结果的比较,说明了该方法的可行性和有效性.     

一种基于粗糙集理论的组合预测方法

一、前言组合预测方法的基本原理是博采众多预测方法的优势 ,将多个不同预测模型的预测信息组合以期有效地改善预测模型的拟合能力 ,提高预测精度。而组合信息的一般方式是对各个预测模型进行线性加权平均[1～ 3 ] 。因此 ,组合预测方法的研究工作大部分集中在权系数的确定方法上 ,由此产生了许多组合预测方法。常见的方法有 :基于专家意见、相关分析、误差和最小、模糊数学、灰色理论、人工神经网络、遗传算法、小波分析等的组合预测方法。专家意见法的致命弱点是过分依赖专家的主观判断和经验 ,其结果有时难以令人信服。基于相关分析、误…