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.     

基于新的相关性组合预测模型构建

文章通过预测中各数据按指标无量纲化处理,提出了贴近度等新的概念,构建了基于新的相关性指标的算术平均最小贴近度的组合预测模型。针对该模型,探讨了非劣性组合预测、优性组合预测、冗余预测方法的存在性和冗余信息的判定,从理论上研究了该模型的有效性。最后进行实证分析,表明该方法是可行性和有效性的。     

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。     

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.     

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.     

变权重组合预测模型的局部加权最小二乘解法

随着科学技术的不断进步，预测方法也得到了很大的发展，常见的预测方法就有数十种之多。而组合预测是将不同的预测方法组合起来，综合利用各个方法所提供的信息，其效果往往优于单一的预测方法，故得到了广泛的应用。而基于变系数模型的思想研究了组合预测模型，将变权重的求取转化为变系数模型中系数函数的估计问题，从而可以基于局部加权最小二乘方法求解，利用交叉证实法选取光滑参数。其结果表明所提方法预测精度很高，效果优于其他方法。     

我国季度GDP实时数据预测与评价

传统实证研究中使用的当期特定数据存在滞后信息和噪音信息缺陷,导致模型估计结果存在偏误。应用宏观经济实时数据可以有效的剔除造成模型偏误的滞后信息和噪音信息,得到更为准确的估计结果。MIDAS模型可将低频的关键经济数据与高频数据同时估计,较好的解决了应用一般模型存在的高频数据信息损失问题。本文应用M-MIDAS-DL模型与季度GDP实时数据建立我国季度GDP预测模型,实证表明,应用实时数据与组合预测方法,能及时准确预测出2008年以来中国经济增长率的下滑与反弹走势,能起到较好的提前预警作用,是当前较为有效的经济预测手段之一。     

油气生产成本的组合预测研究

进行油气生产成本预测是增强资源型产业竞争力的有效机制。然而油气生产成本内容的相对复杂性导致单一预测方法存在预测信息不够周全、预测价值有限的弊端,通过实施单一预测结果的误差分析,获取组合预测模型的修正权重,应用组合化模型进行油气生产成本预测,能够有效发挥单一预测方法的优势,获取相对优化的整体预测结果。     

Forecasting functional time series using weighted likelihood methodology

Functional time series whose sample elements are recorded sequentially over time are frequently encountered with increasing technology. Recent studies have shown that analyzing and forecasting of functional time series can be performed easily using functional principal component analysis and existing univariate/multivariate time series models. However, the forecasting performance of such functional time series models may be affected by the presence of outlying observations which are very common in many scientific fields. Outliers may distort the functional time series model structure, and thus, the underlying model may produce high forecast errors. We introduce a robust forecasting technique based on weighted likelihood methodology to obtain point and interval forecasts in functional time series in the presence of outliers. The finite sample performance of the proposed method is illustrated by Monte Carlo simulations and four real-data examples. Numerical results reveal that the proposed method exhibits superior performance compared with the existing method(s).     

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…     

基于T-S模糊模型的非线性组合预测方法研究

一、引言自从Ｊ．Ｍ．Ｂａｔｅｓ和Ｃ．Ｗ．Ｊ．Ｇｒａｎｇｅｒ首次提出组合预测方法［１］以来,组合预测的研究已经取得很大的进展,文献［２～６］对此有比较详细的综述和评价。根据集结或组合各单项预测模型的方式不同,组合预测一般可分为线性组合预测和非线性组合预...     

Robust interval forecasting algorithm based on a probabilistic cluster model

For substantiation of managerial decisions the forecasting results of dynamic indicators are used. Therefore, forecasting accuracy of these indicators must be acceptable. Consequently, forecasting algorithms are constantly improved to get the acceptable accuracy. This paper considers a variant of the method of forecasting binary outcomes. This method allows prediction of whether or not a future value of the indicator exceeds a predetermined value. This method ‘interval forecasting’ was named. In this paper a robust interval forecasting algorithm based on a probabilistic cluster model is proposed. The algorithm’s accuracy was compared with an algorithm based on logistic regression. The indicators with different statistical properties were chosen. The obtained results have shown the accuracy of both the algorithms is approximately similar in most cases. However, the cases when the algorithm based on logistic regression demonstrated unacceptable accuracy, unlike the presented algorithm have been identified. Thus, this new algorithm is more accurate.     

确定组合预测权系数最优近似解的方法研究

一、引言组合预测可以综合利用各单项预测方法提供的信息,是提高预测精度的有效途径,组合预测的关键是确定各单项预测方法的加权系数;根据加权系数是否为时变参数,组合预测方法大致可分为非线性组合预测方法和线性组合预测方法两类;目前研究最多、应用最广泛的是线性...