基于模糊相对误差等式的组合预测模型

预测的关健是建立合理的预测模型,不同的预测模型各有长处,通过对不同预测模型的线性组合可以得到效果更好的线性组合预测模型.组合预测法的关键是确定组合的权重.文章给出了一种基于模糊相对误差等式模型的组合预测方法,将模糊等式转化为线性规划问题,通过求解该线性规划,得到最优线性组合权重值.实例表明,该方法计算简单,且预测精度高.     

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。     

基于区间关联度的IOWGA算子的区间组合预测

文章利用诱导有序加权几何平均(IOWGA)算子,将区间作为整体,以灰色区间关联度作为诱导准则,可以建立左右端点权重不相等的常规的区间组合预测模型,以及适用于左右端点较接近的左右端点权重相等的区间组合预测模型,避免出现左端点值大于右端点值的极端情形.通过实例分析说明左右端点相等权重和不等权重模型能有效提高预测精度以及模型的灵活性.     

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.     

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.     

人才规模优化的多目标组合预测模型

本文构建了基于模糊综合评价方法的人才规模优化多目标组合预测模型,对组合预测模型中权重的确定过程进行了详细阐述.该模型较之现有的人才规模优化预测研究采用单一模型预测更加全面合理.     

基于组合加权算术平均算子的组合预测方法

组合预测能有效结合单一预测模型的优势,有效提高预测的精度,文章在建立广义相对偏差组合预测权系数确定模型的基础上,给出广义相对误差组合预测权系数确定模型的遗传算法求解过程,最后给出基于组合加权算术平均算子的组合预测集结方法.     

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.     

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。