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.     

基于中点及半径的区间数组合预测模型性质研究

文章将区间数的中点及半径分别看作实数序列,考虑组合预测区间数的中点及半径序列与实际值中点及半径序列之间的误差平方和,建立多目标最优化模型,通过引入偏好系数将多目标转化为单目标规划问题求解得到组合预测的权重.接着对所建立模型的有效性进行研究,并给出模型的相关性质.通过实例计算验证模型有效性.     

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.     

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.     

基于联系数贴近度的区间型组合预测模型及其有效性

利用区间数和二元联系数的相互转化关系,把区间数组合预测问题转换成二元联系数组合预测问题。在联系数贴近度的最优准则下,建立基于联系数贴近度的区间型组合预测模型,分析了该模型的有效性理论,包括:基于联系数贴近度的区间型组合预测模型是非劣性组合预测、优性组合预测的充分条件定理,基于联系数贴近度的区间型组合预测模型的冗余预测方法的存在性和冗余方法的判定定理。对某省社会保障水平适度区间值进行组合预测的实证分析,结果显示所建立的模型能有效提高预测的精度。     

基于联系数的区间灰数预测模型

文章针对传统灰色预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,引入集对理论中的联系数,将区间灰数序列转化为联系数序列,利用联系数序列的同部和异部序列分别建立灰色预测模型,再将同部序列和异部序列灰色预测模型的模拟预测结果还原为区间灰数序列,从而得到了一种基于联系数的区间灰数预测模型。最后,通过实例说明了该方法。     

基于向量平均投影测度的区间型组合预测模型

区间型组合预测模型的研究核心是各单项方法权重的确定。鉴于向量投影具有更好的综合测度,它可以同时反映两个向量指标之间的距离和夹角,因此文章引入向量投影测度公式,并在此基础上提出了一种新的投影测度公式。对向量投影测度公式加以推广用来描述两个区间数时间序列的接近程度,以平均标准化投影测度为最优化准则,构建出四个不同投影测度的全新区间型组合预测模型;并通过实例分析,将预测结果与已有研究文献中的区间型组合预测优化模型进行对比,表明了所构建的区间型组合预测模型的有效性。     

基于相关系数及IOWA算子的区间组合预测方法

传统的组合预测方法是针对数字型数据并以改善拟合误差平方和为准则来建立模型。然而,在不确定环境下,样本数据和预测值均以区间数给出,因此有必要研究区间组合预测模型。文章引进IOWA算子以及相关系数概念,建立了多目标的区间组合预测模型,并探讨了模型的求解方法,再结合实例分析验证了模型的有效性,同时给出模型中的参数的灵敏度分析。     

基于区间标度的旅游需求组合预测方法

针对旅游需求预测中存在的不确定性问题,文章提出一种基于区间标度的旅游需求组合预测模型.为克服旅游需求预测中存在的不确定性因素的影响,构建了基于区间数时间序列的旅游需求组合预测模型,利用最优原理构建了基于区间数的旅游需求组合预测模型的组合权重确定方法,给出一种快速确定区间型旅游需求组合预测模型的组合权重计算公式,实证验证了此方法的合理性和可行性.     

基于IOWHA算子与向量夹角余弦的联系数型区间组合预测

文章根据联系数与区间数的性质将区间数转换为联系数的表示形式,结合诱导有序加权调和平均算子与向量夹角余弦建立了联系数型区间组合预测最优化模型,继而定义了联系数型区间组合预测模型的优劣性,最后通过实例验证与评价所建立的联系数型区间组合预测模型的有效性,实证结果表明本文所创建的方法是优性的与有效的.     

改进的熵值法在确定组合预测权系数中的应用

传统的熵值法是根据各单项预测模型的预测误差序列的变异程度,利用信息熵的概念,求得权重系数。文章对此作了改进,认为相对误差序列是一种随机变量,要考虑其服从正态分布的特点,可以按照等概率原则划分状态区间,并赋予一定的概率。实例分析结果表明改进后的方法更能提高组合预测的精度。     

基于Cramer法则的区间灰数预测模型参数优化方法研究

以改善区间灰数预测模型的模拟及预测性能为目的,对区间灰数预测模型的参数优化方法进行研究,应用Cramer法则推导了核序列GM(1,1)模型通用形式的参数无偏估计新方法,从理论上证明了新方法对非齐次指数"核"序列的模拟无偏性,并在此基础上构建了一种新的区间灰数预测模型;通过与优化前的区间灰数预测模型模拟精度进行比较,结果表明新模型具有更为优秀的模拟及预测性能。此研究成果对丰富和完善灰色预测模型方法体系与拓展灰色模型应用范围,具有积极意义。     

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.     

区间灰数序列的白化方法及其性质研究

由于灰代数运算体系尚不完善,难以有效构建基于灰数序列的灰色模型,而传统灰数序列的白化方法又将导致信息损失,故在不破坏区间灰数独立性及信息完整性的前提下,设计一种区间灰数序列白化处理的新方法,重点研究白化序列与原区间灰数序列在平移变换及倍乘变换过程中的数据特点;同时将白化序列成功地应用于区间灰数预测及关联分析模型的构建。这一研究成果对拓展灰色模型的适用范围具有重要意义。     

基于区间灰数与离散灰数双重异构序列的预测建模方法研究

系统变化的复杂性导致了系统行为数据的不确定性与异构性,面向多源信息的数据集结导致了表征系统变化规律的灰色异构时序数据的产生。对面向区间灰数与离散灰数的双重异构数据序列预测建模方法展开研究,通过对区间灰数均匀分割处理,得到与离散灰数灰元数量相等的次级区间灰数,进而实现了灰色异构数据的"同质化"转换;在此基础上构建了面向异构数据序列的灰色预测模型,并应用该模型实现了大桥沉降量的有效模拟与准确预测。研究成果对拓展灰色预测模型应用范围具有积极意义。     

区间数序列处理方法新探

区间估计是专家评价中的一种重要方法,目前对给定为区间数的决策方法研究较多,而对区间数的处理大多基于均匀分布或正态分布。文章针对这种对区间数序列的分析和处理方法研究的不足,提出了一种新的基于β分布的处理方法。该方法通过用β分布对区间数序列分布进行拟合,从而解决了对区间数序列难以进行分析和处理这一难点,并通过案例验证了该方法。结果表明,该方法原理正确,简便可靠,在决策管理中具有广泛的应用前景和普适性。     

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.     

基于不确定群决策的社会保障评价方法

文章针对社会保障评价过程中存在的不确定性问题,提出一种基于区间测度的群组专家独立评价的群决策方法.探讨了社会保障评价过程中的评价指标集;为克服评价过程中存在的不确定性,并减少人力和物力消耗,提出了采用区间数作为社会保障评价测度,给出了一种基于区间序列组合加权算术平均算子的社会保障评价方法.实际案例验证了方法的可行性和合理性.     

面向不确定物流需求的改进GM-BPNN组合预测方法

在面对具有突变性、不稳定性以及非线性等特征的区域物流需求预测问题时,传统的时间序列、BPNN、GM-BPNN等预测方法在拟合物流需求曲线上存在缺陷,文章提出了改进GM-BPNN组合预测方法,利用ARIMA和遗传算法（GA）分别改进GM(1,1)和BPNN,根据有效度确定加权系数并构建线性组合模型,并以浙江、广东、江苏进行实例验证。结果表明,相比传统时间序列、BPNN、多元回归、GM-BPNN等预测方法,改进的GM-BPNN组合预测方法提高了物流需求预测的精确度。