一种新的组合权重在组合预测模型中的应用

为了提高组合预测的精度,提出了一种新的组合权重计算方法,该方法通过将平均绝对百分数误差(MAPE)和最小二乘法相结合来确定组合预测模型的权重值。将这种新的组合权重方法应用到组合模型中,并对湖北省国内生产总值(GDP)进行预测。首先,建立了差分自回归移动平均(ARIMA)模型和指数曲线回归模型;然后,用MAPE和最小二乘法确定组合模型的权系数,在此基础上将两种权系数进行组合,形成组合权重。预测结果表明:该组合权重与单一权重相比,可将组合模型的预测精度提高约0.3%。     

交通能源需求量组合预测模型研究

本文尝试将组合预测法应用于我国交通能源需求量的预测,以提高预测精度．通过赋予合理权重,将误差修正模型、非线性回归模型和多元回归模型加权组合建立组合预测模型．对各模型进行平均绝对百分误差（MAPE）、希尔不等系数（Theil IC）和均方根误差（RMSE）等指标的比较,证明单一模型经过组合能够提高预测精度．     

基于改进的集对分析理论的路基沉降组合预测模型

准确合理地预测路基沉降是路基安全性评价及加固维护方案决策的重要依据.为克服单项预测模型的信息局限性和片面性,构建了基于集对分析理论的路基沉降组合预测模型.该模型首先基于预测值和实测数据建立集对;应用贝叶斯决策理论表达集对关系识别风险,并通过自适应搜索算法确定最优集对关系准则;进而分析预测模型和实测数据的联系,并基于联系度确定权重系数,实现预测信息的最优组合.实例应用表明,该组合预测模型应用于路基沉降是有效可行的,考虑了单项预测模型的预测精度和可靠性,并拓展了集对关系准则确定方法,也为其他的组合预测评价问题提供了思路.     

最优组合预测及其在瓦斯浓度预测中的应用

瓦斯浓度预测是预防煤矿瓦斯事故的关键技术之一,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现瓦斯浓度预测模型的最优组合,利用实际数据、通过与单一时间序列模型、线性回归模型及人工神经网络模型的预测精度对比分析,验证了瓦斯浓度最优组合预测模型的有效性和实用性。     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

基于IOWA算子的安徽省固定资产投资的组合预测

以1990～2011年安徽省固定资产投资为样本区间,运用VAR预测模型、指数预测与二次移动平均预测3种单项预测方法,以预测误差平方和最小准则,建立IOWA算子组合预测模型。对该模型的预测有效度进行评价,结果表明:该组合预测模型能有效提高预测精度。     

基于区间数距离的区间组合预测模型

针对预测值为区间数形式,引入区间数距离,提出一种确定区间组合预测权系数的方法.给出两个区间序列的距离公式,以实际观测序列与组合预测序列的距离最小为准则,建立规划模型,求解得到权系数.最后,通过实例,证明模型能够有效提高预测的精度.     

基于等时距处理和IOWHA算子的路基沉降预测

为避免随机因素对单一预测模型影响,建立更符合软土路基沉降规律的模型和方法以提高预测模型的精度和可靠性,分别以原始沉降数据、经三次样条插值和经分段三次Hermite插值处理的数据为样本值建立Gompertz模型、Logistic模型和灰色Verhulst模型3种预测模型,将每种模型的3种情况的预测值同实测值进行对比分析,选出每种模型对样本处理的优势方法。以每种模型的优势方法为单一模型,建立基于IOWHA算子的组合模型,该组合模型按照每个时刻单一模型的预测精度的高低对最优权系数进行求解。研究结果表明:在沉降速率发生明显变化时刻的数据作为最后一组样本值进行预测时,Gompertz模型和Logistic模型以分段三次Hermite插值等时距处理的数据为样本值预测效果更好,灰色Verhulst模型以原始沉降数据为样本值预测结果精度更高。求解基于IOWHA算子的组合预测模型的赋权系数时,GA比使用MATLAB的非线性优化的工具箱的求解方法更为可靠,得到的组合模型预测精度更高。     

最优组合预测及其在短时交通流预测中的应用

交通流量预测结果的好坏直接关系到交通控制与诱导的效果,因此,短时交通流预测是先进交通管理信息系统中关键技术问题之一。在简要介绍最优组合预测模型基础上,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现交通流预测模型的最优组合,并利用实际数据通过与单一时间序列模型、线性回归模型、卡尔曼滤波模型及人工神经网络模型的预测精度比较分析,验证了交通流最优组合预测模型的有效性和实用性。     

大坝安全监测的ARIMA-BP组合预测模型

研究大坝安全监测中用于预测坝体变形问题的模型,给出了一种组合模型来预测坝顶位移.单一的ARIMA模型和神经网络预测模型在预测位移问题时精度不高,分析了两种模型的原理和建立方法,利用两种模型单独对时间序列进行拟合与预测,再通过赋予适当的权重,得到新的组合预测模型.通过某水电站工程实例分析表明,该组合预测模型结合了两种模型的优势,提高了模型的预测精度,有广泛的应用前景.     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型．然后在三个单一预测模型的基础上综合各个预测模型的优缺点．通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型．最后对几种预测方法进行了评价,得出组合预测效果比较精确．     

基于IOWHA算子的人口组合预测与分析

以1979-2012年河南省人口总量为样本区间,在ARIMA、非线性回归和Gompertz曲线3种单项预测模型的基础上,根据预测值倒数的误差平方和最小准则构建基于IOWHA算子的组合预测模型.该人口组合预测模型能够综合利用各单一预测模型的预测信息,有效的减少预测误差,提高预测精度.预测结果显示:河南省人口总量2015年将达到10 807.08万人,2020年将达到11 555.64万人.     

向量夹角余弦的IOWHA算子的变权系数区间型组合预测模型

客观世界中人们会用区间数来描述不确定和不完备的信息,由此开展区间型的组合预测方法的研究很有意义.将区间数的左、右端点分别视作时间序列,以向量夹角余弦为准则,结合IOWHA信息集结算子,借鉴实数型组合预测的思想,将实际值区间数和变权系数组合预测值区间数的左、右端点序列分别建立最优组合预测模型,最后引入偏好系数转换成单目标最优组合预测模型而实现求解.     

基于TESAOC的ARIMA-BP组合模型在混凝土坝变形预测中的应用

针对基于最优加权法的ARIMA-BP组合预测模型在对混凝土坝位移变形进行预测时模型权重固定、时效性不强的缺点,引入时效函数自适应优化方法(TESAOC),挖掘监测样本的时效特征,从而实现单一模型权系数随时间的动态变化;利用移动算术平均法筛选出最佳计算样本,减小数据突变等因素带来的不利影响,同时对预测偏差落在不同范围内的时间序列权重进行模糊补偿处理,控制其对组合预测结果的影响,最终建立基于TESAOC的ARIMA-BP组合预测模型.实例分析表明,该组合模型的预测效果在精度和时效性方面均优于最优加权法,更符合工程实际情况,有更好的应用前景.     

基于时变权重的区间时间序列组合预测模型构造

时变权重组合预测模型可以有效反映各预测方法在各时刻点上的预测值对组合预测结果的影响,并可以提高预测精度,基于此,针对区间数时间序列构造组合预测模型的问题,提出一类构造区间数时变权重方法;该方法主要是在3种实数的时变权重求解方法基础上构造相应的3种区间数时变权重,并利用所得出的时变权重构造区间时间序列组合预测模型;为验证该模型的准确性,应用具体算例对模型加以实现,并通过区间预测误差度量指标验证该类模型的预测结果;结果发现:基于3种时变权重求解方法下的区间时间序列组合预测模型均优于各单个方法的预测结果,且基于最优化赋权法得到的时变权重区间组合预测结果的精确度较另外两种有所提高。     

基于区间精度和IOWA算子的变权组合预测方法

现有的区间组合预测模型往往是将单项预测方法不同时刻的预测精度转化为实数,这将导致预测信息的损失。因此,文章提出一种新的区间预测精度的概念,将单项预测方法不同时刻的精度用区间数表示,并利用可能度对其进行排序;将排序后的预测精度作为诱导变量,构建基于区间预测精度和诱导有序加权平均(induced ordered weighted averaging,IOWA)算子的区间变权组合预测模型;实例分析说明了该区间组合预测方法的有效性;最后,对模型参数做了灵敏度分析。     

基于IOWHA算子的区间预测模型及应用

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,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再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,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.     

核估计在双指标变权组合预测中的应用

在多项式系数自回归模型和半参数模型的基础上,建立了基于误差倒数以及相关系数双指标的变权组合预测模型.同时给出了一种新的确定预测值权重的估计方法,并对银的期货价格进行实证研究.结果表明,多指标变权组合预测模型的预测精度高于每个单模型的预测精度.     

基于IOWC-GOWA算子及相对熵的区间型组合预测模型

针对用区间型数据描述不确定现象的组合预测问题,为了提高区间型数据的预测精度,首先采用诱导有序加权连续区间的广义有序加权平均(IOWC-GOWA)算子将区间数集结为实数;然后对集结后的实数进行标准化处理;最后从信息论的角度引入相对熵作为最优准则,提出了基于IOWC-GOWA算子及相对熵的区间型组合预测模型;另外,通过实例分析了该组合预测模型的合理性和有效性;结果表明:该组合预测模型可以有效地提高区间型数据的预测精度,即该模型是合理有效的,并且,参数λ和BUM函数的选取会对模型的预测精度产生一定的影响。     

基于L1范数的出国留学人数组合预测研究

为更准确地探究我国出国留学人数变化趋势,提出基于L1范数的组合预测模型,对出国留学人数进行预测;从多角度选取影响出国留学的因素,利用灰色关联度分析提取影响出国留学人数的典型因 子,进而构建 GM(1,3)模型;建立BP神经网络模型;提出基于L1范数组合预测模型,通过求解线性规划确定单一模型最优权系数;然后,对2006—2019年出国留学人数进行预测;选取GM(1,1)模型为对照模型,通过对照模型以及预测误差评价指标体系比较模型的预测精度,结果表明:基于L1范数的组合预测模型效果优于3个单一模型,有效地提高了预测精度,能够充分利用单一预测模型提供的信息,从而更加准确地预测出国留学人数;未来几年我国出国留学规模仍有较大的发展空间,预测结果可为全球疫情下我国留学相关工作提供参考。