关于已知方案偏好信息MADM新方法的简化算法

基于两个合理假设,对于一个已知方案偏好信息的多属性决策的方法,给出了该方法的简化算法,证明了该方法与某种特定权系数相加权方法的等价性,并给出不同权重的算法及其应用范围.     

基于平均增长率的弱化变权缓冲算子及其性质

针对传统缓冲算子不能根据实际问题的需要实现其作用强度的微调,从而导致缓冲算子的作用效果不理想的问题,构造了基于序列平均增长率的新型弱化变权缓冲算子。研究该弱化变权缓冲算子的作用强度与变权系数之间的关系,证明了该变权缓冲算子能够提高序列的光滑性,并基于灰色关联分析与粒子群算法给出了变权系数的智能寻优方法。最后以江苏省民用汽车数量预测问题为例,检验了该弱化变权缓冲算子的有效性。     

基于辅助函数的变权组合预测方法

在不设定逼近系数向量限制条件的情况下,引入辅助优化函数对变权组合预测(VWCF)方法进行研究。构造辅助函数,以充分利用预测误差矩阵中的信息;求出辅助函数的最优逼近系数,并分析误差平方和函数与辅助函数之间的关系;最后,给出的算例分析证明了方法的有效性。     

变权组合预测模型中最优权系数估计问题的研究

在现有文献研究的基础上, 对变权组合预测模型中最优权系数估计问题又作了进一步探讨, 给出了两种估计方法, 即线性规划法和非线性规划法。     

变权组合预测模型中最优权系数估计问题的研究

在现有献研究的基础上，对变权组合预测模型中最优权系数估计问题又作了进一步探讨，给出了两种计算方法，即线性规划法和非线性规划法。     

基于多尺度分频和变权的战场声目标识别

提出一种基于多尺度分频和变权的战场声目标分类与识别的快速算法,为战场环境下快速识别典型声目标提供了一种实用方法.首先对信号进行离散傅立叶变换,获得幅频谱,对幅频谱进行平滑递推滤波,之后对其进行多尺度分频,在同一尺度上求取幅值均值,并对其进行定量归一化,将归一化后的数组作为此尺度上的特征向量,多次训练获得大量特征向量数组,基于相似性系数的特性,从中提取特征向量模板,并给出模板相应的权重.最后,采用基于相似性系数的分类器,对信号进行分类与识别.并将此算法与传统的特征提取算法进行试验对比.试验结果表明,基于多尺度分频和变权的战场声目标分类与识别算法简单有效、识别率高、计算周期短、实时性好、适合目标跟踪时间较短的场合.     

广义判断下的群决策方法

群决策的研究越来越受到人们的关注,如何集结群的偏好向量始终是群决策研究的重要内容.本文从判断形式的角度出发,给出了广义判断下的群组决策方法各种判断形式下综合排序权值的算法,群判断的一致性检验,后验权重系数的确定及一致性调整.并通过对后验权重系数的讨论,进一步研究了如何合理地集结群偏好向量的问题.     

确定组合预测和变权重组合预测权重的一种确定性方法

采用灰色系统理论可的关联分析方法，提出以给定预测模型与被预测对象关联系数和关联度的大小为依据，确定组合预测和变权重组合预测权重的方法，并给出相应的预测模型。该方法较目前普遍采用最小一乘和二乘法求权重的方法简便。由于该方法注重给定预测模型与被预测对象发展态势之间动态相关性的分析，因此，对提高中长期预测精度效果更为显。     

确定组合预测权系数最优近似解的方法研究

首先建立了以预测方法有效性指标为目标函数的组合预测优化模型 ;其次在对组合预测精度序列分析的基础上 ,得到了求两组合预测方法权系数近似解的优化模型及最优近似解的计算公式 ;最后通过实例说明了这种方法的有效性.     

变权缓冲算子及缓冲算子公理的补充

基于冲击扰动系统的相关概念,提出了变权缓冲算子的概念,分别构造了变权弱化缓冲算子和变权强化缓冲算子,定义了缓冲算子调节度来反映缓冲算子对原始序列的作用强度,并研究了缓冲算子调节度与可变权重之间的关系,在此基础上提出了缓冲算子的单调性不变公理.结果表明,可变权重在功能上类似于高阶作用算子,但在控制缓冲算子作用强度方面的灵活性要明显优于高阶缓冲算子.因此,变权缓冲算子有效地解决了在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题.     

灰色绝对关联度组合预测模型的性质研究

组合预测能够充分利用各种不同的预测方法所提供的信息,以适当加权的形式得出组合模型,同时由于组合预测模型更关心某种预测信息的权重,从而使得预测问题所利用的信息更充分,更完备,模拟精度也更高。将灰色绝对关联分析应用到组合预测中,提出了基于灰色绝对关联度的组合预测模型,并在此基础上给出了灰色绝对关联优性组合预测、预测方法优超、冗余度等概念,给出了灰色绝对关联组合预测是非劣性组合预测及优性组合预测的一个充分条件,得出了冗余预测的判定定理。算例分析表明该方法是合理有效的。     

基于模糊综合评判的电力负荷最优组合预测

最优组合预测是提高电力负荷预测精度的有效方法。应用最优组合预测方法的关键在于怎样确定组合权系统。通过分析实际电力负荷预测的实现过程，提出利用基于模糊语言的模糊综合评判进行权重判定的方法，取得很好效果。     

广义加权多重函数平均组合预测及其参数估计

提出一种新的组合预测模型———广义加权多重函数平均组合预测模型,并利用二次规划算法给出其加权系数的不同参数估计方法。该模型具有广泛的代表性,它集多种组合预测模型于一体,是一种新的群组集结方法,通过选择合适的模型组合形式及最佳的模型参数,能够有效地提高预测精度。预测实例表明了该模型的有效性。     

Generalized weighted functional proportional mean combining forecasting model and its method of parameter estimation

1 .INTRODUCTIONCombiningforecastinghasbroughtgreatattentiontobytheforecastingcirclessince 196 9whenJ .M .BatesandC .W .J .Grangerproposeditstheoryandmethod[1] .Thetheoryandmethodsofcombiningforecastinghavebeendevelopedwidelyinrecentyears .Forpracticalcase…     

基于相关系数的优性组合预测模型研究

传统的组合预测模型是从改善某种拟合误差角度建立的.基于相关系数的组合预测模型有别于传统的组合预测模型,它是研究组合预测方法的一个新思路.针对该模型,提出了新的优性组合预测、预测方法优超,冗余度等概念;探讨了非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并证明冗余预测方法的一个判定定理.这在理论上表明基于相关系数的组合预测方法的有效性,最后文中进行实例分析也验证了这个结论.     

基于自适应遗传算法和BP网络的物重监测模型

采用自适应遗传算法与误差反向传播算法(BP)相结合,建立一个通过图像监测物体重量的模型。先对图像进行特征提取,然后用遗传算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免局部极小。作为实例,利用圆柱体、锥形体、梯形体等物体图像相关资料建立了数据库,将图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知物体重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量监测提供了一种新思路和新方法,可用于大型生产线上的物体重量在线监测和质量控制。     

一种内涵式参数辨识的GM(1,1)新模型

针对普通GM(1,1)模型应用于非平缓变化序列预测时误差较大甚至失效的缺陷,提出了一种内涵式参数辨识的GM(1,1)新模型。推导了模型边值、背景值权重系数、发展系数以及灰作用量与预测值之间的非线性内涵表达式,并采用粒子群算法(particle swarm optimization, PSO)对内涵式参数进行辨识,建立了PSOGM(1,1)预测新模型。典型算例表明,PSOGM(1,1)模型收敛速度快,较普通GM(1,1)模型具有更高的预测精度,可应用于平缓变化及非平缓变化序列预测。     

舰船装备维修费单项预测集对分析与组合建模

根据集对分析的基本原理,结合基于误差大小的集对分析组合预测,给出了基于误差方向的集对分析组合预测和基于模型性能的集对分析组合预测;针对基于误差大小的集对分析组合预测建模过程中,从关联度的确定到组合权重的计算过程相对复杂、难以理解,推导简化了组合预测权重计算过程;针对集对分析中同一度为0时导致组合预测模型信息丢失的问题,提出了一种基于折扣的同一度、差异度、对立度转换处理方法。最后算例说明了该方法的有效性。     

精英遗传改进的非线性灰色神经网络算子与军费开支多目标组合预测应用

军费开支属于复杂经济系统下具有宏观经济特征的一类非线性时间序列。在多目标组合下的军费开支预测问题研究背景下,提出了一种基于精英遗传算法(elite genetic algorithm,EGA)改进的非线性灰色神经网络计量组合预测模型,给出了总体建模思路与非线性灰色神经网络算子分系统和EGA分系统设计方法,解决了多准则目标优化的NP完全问题,并对模型的预测效果进行比较分析。采集美国27年间(1990-2016年)军费开支时间序列进行实证检验,分析结论认为非线性灰色神经网络算子能够有效提高模型精度,EGA算法在收敛速度与精度上优于标准遗传算法,采用所建立的预测模型进行军费开支预测精度更高,效果更好。     

基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型，同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法，并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型，最后以实例说明了其预测效果。