基于模糊Box-Jenkins方法的电价建模与短期预测

由于单一的AR、MA和ARMA模型不能很好地匹配复杂的电价时间序列数据,因此传统的Box-Jenkins方法不能很好地进行电价预测。文章提出了基于模糊Box-Jenkins的电价建模和短期预测方法。引入模糊策略,生成分别对应Box-Jenkins方法中的AR,MA,ARMA三个模型的模糊因子,再通过模糊因子对三个模型进行模糊综合。对浙江省电力市场电价数据的仿真表明,在电价序列不能较好地匹配Box-Jenkins方法中各模型的情况下,模糊Box-Jenkins方法能取得更好的预测效果。     

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.     

新型模糊时间序列模型与应用

为了提高模糊时间序列的预测精度,文章利用小波分析多尺度分解方法,选择适当的小波函数,把一维数据分解为低频逼近部分和高频细节部分,在低频部分和高频部分根据各自数据特征利用模糊C一均值聚类算法分别建立模糊时间序列模型并预测,然后把每个部分的预测值根据小波重构得到最终预测结果.通过对国家财政收入实例验证对比发现,该模型在预测精度方面有较大提高.     

模糊多指标决策的一种新方法

本文证明了区间数与三角模糊数的乘积为一梯形模糊数。将指标权重为区间数、评价指标取值为三角模糊数的多指标决策问题转化成指标为梯形模糊数的多指标决策问题;进而给出了梯形模糊数多指标决策问题的逼近理想点法,并用该方法分析了一个实际问题。     

信息系统项目评价指标权重确定方法

一、三角模糊理论在模糊层次分析法中,用三角模糊数表示评价指标体系每一层次各元素的相对标度——比例标度,构造判断矩阵。因此,在介绍模糊层次分析法之前,需要对三角模糊数进行必要的阐述。定义1称M=(l,m,u)为三角模糊数。如果它的隶属函数为:μM穴x雪押R→眼0熏1演,即:μM穴     

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。     

一种具有对称三角模糊系数的新线性规划方法

文章针对模糊系数的线性规划,提出了一种系数为对称三角模糊数的线性规划的方法,同时给出一些定理和命题以及相应的算法.该方法与常规方法的不同之处在于无须将模糊线性规划转化为经典线性规划就能得到满意的模糊最优解,因此提出的方法取得的规划结果更加满足决策者的需要.最后通过实例说明该方法的有效性.     

基于模糊灰色关联分析法的科技奖励评价

文章将定性评价信息用L-R型三角模糊数表示,为根据模糊决策矩阵作出合理的评价,提出了一种各分量均为三角模糊数的模糊矢量的比较方法--模糊灰色关联分析法.并结合一科技奖励评价实例来说明此法的具体应用过程.     

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。     

基于模糊时间序列模型的股票市场预测

文章针对模糊时间序列模型目前存在的缺乏客观论域划分方法和模糊关系前件单一等缺陷,首先应用模糊聚类方法将数据分类,以相邻两个聚类中心的中点作为子区间的分界点来划分论域;其次将数据模糊化后根据证券市场主要量价指标建立了具有多个前件的高阶模糊关系;最后根据序列对比规则计算预测值。将该模型用于股票指数的价格预测和涨跌预测,与传统模型比较的结果表明其预测准确率有了较大提高。     

基于多维偏好分析的三角模糊数型多属性决策方法

文章针对决策者的偏好信息是以偏好序对的形式给出、决策矩阵元素为三角模糊数的不确定多属性决策问题,提出了一种新的决策方法.利用三角模糊数期望值公式,定义各方案到理想点的距离矩阵,通过求解基于多维偏好分析的线性规划模型,得到属性的权重向量.根据各方案到理想点的加权距离给出方案的排序结果.该方法非常适用于方案数目和属性数量较大、决策者无法给出每一方案的具体偏好值的情形.     

基于灰色关联度的小样本预测模型

针对传统灰色预测模型无法处理以及难以寻找统计规律的小样本数据,通过对序列之间灰色关联度物理含义的分析,挖掘序列内部以及序列之间的数据变化规律,并在此基础上构建了一种新的灰色预测模型;应用该模型对中国2008年度的GDP进行预测,预测结果验证了该模型的有效性及实用性;该模型的提出为小样本数据提供了一种新的预测方法。     

基于傅立叶级数和模糊马尔可夫链的小样本时间序列建模方法

为克服传统时间序列预测方法在处理小样本数据方面的不足,文章引入傅立叶级数和模糊马尔可夫链方法,并结合灰色GM(1,1)模型对小样本时间序列数据进行动态建模。实例结果表明,预测方法与传统的时间序列预测方法相比,具有较高的预测精度,说明该方法对于小样本时间序列的预测是有效的。     

一种新的基于模糊比例值的模糊线性规划求解方法

文章定义了一种新的模糊数比较的模糊比例值的概念.基于模糊比例值,提出了约束条件中含有三角模糊数的模糊线性规划转化为经典的线性规划的方法.实例表明,新方法计算简单、可行且有效.     

基于拉开差距的模糊多属性决策方法

文章针对决策者的偏好信息和决策矩阵元素均为三角模糊数的模糊多属性决策问题,提出了一种新的决策方法。该方法通过求解主观偏好与客观偏好的总绝对偏差最小,同时各方案综合属性期望值的差距最大的双目标规划问题,得到属性的权重向量,根据方案的综合属性期望值给出各方案的排序结果。     

基于小波分析的基金净值预测模型

基于小波分析提出了一种基金净值预测模型。此模型利用小波分析理论用改进的小波阈值去噪方法对基金净值数据进行去噪处理,再对经过去噪处理后得到的较为平稳的数据,利用计量经济学中时间序列自回归模型进行短期预测。研究证明：该预测模型能较好地预测基金净值的短期趋势,预测结果优于传统的基金净值预测模型。     

基于DEA的模糊点数据回归分析

对每个训练数据的DEA有效值作为它的模糊隶属度,以表示训练数据对总体的贡献程度。从DEA的视角,获取模糊点数据,得到了基于模糊点数据的最小二乘估计,及其一些优良的统计性质。利用平均相对贴近度,给出了一个评价模型拟合效果的准则。通过数值实例的计算比较,表明了该方法的有效性。     

我国股票成交量的灰GM(1,1)模型群有效性验证

GM(1,1)模型群构建的基础是通过对原始数据的增减及变更处理,得到一个新的原始序列,进行时间响应式处理的预测精度会得到一定的提高。文章在全信息模型、部分信息模型、去老数据模型三种老模型基础上,加入曲线数据拟合,均值化数据、缓冲算子模型构成模型群,对我国金融产业中的1992～2009年股票成交额数据序列进行有效性验证,最后根据模糊BRODA法对六种方法进行了排序并得出相关结论。     

Census X12季节调整下的黑龙江零售品销售总额的预测研究

文章在对季节调整方法进行理论总结的基础上,采取Census X12季节调整办法对黑龙江零售品销售总额序列(2003～2008)进行剥离,得到长期趋势TC和季节因素S,并计算出季节因素的影响系数—季节指数;对长期趋势TC序列进行时间序列回归预测季节调整后的2009年1～12月值,再运用季节指数得到2009年1～12月的总序列预测结果;运用配对检验预测得到的2009年1～7月份数据与实际观测值在95%显著性水平下不存在显著差异。     

一种不确定环境下的随机模拟决策方法

本文考虑到三角模糊数更能表达出不精确信息,对准则值与准则权重进行三角模糊数模拟。同时也考虑到逆序并不发生在相邻的两个方案之间,采用模拟的方法来逼近现实的情况,运用加权平均算子得到每次的模拟结果,对模拟结果进行平均,得到最终的方案综合值,