一种基于主元递归分析法的多模糊逻辑系统的组合形式

根据多个模型相加可以提高整体预测精度和鲁棒性的思想，提出了一种具有递阶特点的模糊逻辑模型。该模型采用基于山峰函数的减法聚类算法，将样本数据集分成多组来进行局部模糊模型的建立和训练，大大提高了组合模糊逻辑模型的训练效率。各局部模糊系统的预测输出通过主元递归分析法（PCR）连接，解决了模型之间的严重相关性问题，增强了模型的预测能力，提高了模型的鲁棒性。仿真结果表明，组合多个模糊逻辑模型能够达到比局部模型更好的建模效果，并能有效的改善模型的预测能力和泛化能力。     

改进的相似优先比模型在浦东新区电力负荷预测中的应用

改进优先比方案是将模糊理论中的相似优先比运用于负荷预测后发现原基本模型的某些不足之处而进一步提出的模型，主要吸收了模糊理论中综合评判思想，采用了多因素 归预测，充分考虑电力负荷受多因素作用的客观实际，同时还根据预测对象不同，对模型进行修改，给出相应的满意度。     

浙江省月度电力需求的变分模态分解-自适应模糊神经网络-差分整合移动平均自回归组合预测模型及应用

为提高电力需求预测的精度,提出了一种将变分模态分解(variational mode decomposition,VMD)和自适应模糊神经网络(adaptive network-based fuzzy inference system,ANFIS)相结合的方法并应用到月度电力需求预测中.首先将原始数据通过VMD分解成有限带宽的子模态序列,选用差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)、ANFIS、经验模态分解(empirical mode decomposition,EMD)与ANFIS相结合和VMD-ANFIS几种模型进行预测结果对比.结果表明:相比直接利用ANFIS模型得到的预测结果,增加VMD分解过程能有效减小预测误差.说明所应用的VMD-ANFIS方法更具优越性,可以获得更好的预测结果.     

城市土地需求预测及土地储备策略

针对城市土地储备系统具有较高的不确定性及土地储备的滞后性,土地需求预测是土地储备数量合理确定的基础,利用EViews拟合ARIMA模型,建立了城市土地季节性需求预测模型.并通过了博克斯-皮尔斯Q统计量法检验,表明建立的模型适用于城市土地需求的动态分析和预测.根据预测结果,利用模糊规划的方法,提出了在土地储备模糊约束条件下的土地储备数量确定方法.对某市土地储备数量的确定进行了实证研究,演示了模犁和决策方法的应用,验证了预测模型和决策方法的科学性和实用性.     

模糊线性回归预测

为了解决带有模糊信息的动态预测问题,在已有的线性回归预测法的基础上,提出了模糊线性回归预测的模型。模型的确定在于模糊系数的确定,模糊系数为对称三角模糊数,为此给出了描述对称三角模糊数近似和蔼的拟合度的定义及其表达式。借助于对称三角模糊数以截集表示的一对函数,给出了对称模糊的模糊度的定义及其表达式,给出了确定模糊系数的准则：对于事先指定的标准拟合度,要求在每个方程估计值的拟合度都不小于标准拟合度的约     

三种模糊Markov链状预测模型

为了解决具有不确定信息的Markov链状预测问题,给出了"模糊状态-精确观测数据"、"精确状态-模糊观测数据"和"模糊状态-模糊观测数据"三类模糊Markov链状预测的模型,涵盖了具有不确定信息的Markov链状预测的各种形式,系统研究了三种模型下的状态转移概率确定方法与预测过程。该项工作使得模糊Markov链状预测模型问题趋于完善,为深入研究模糊Markov过程以及其它特殊的模糊随机过程提供了思路。     

交通分布预测模糊重力模型

为了解决交通分布预测中的模糊不确定性,以重力模型与模糊数学理论和方法为基础,基于三角模糊数建立了模糊重力模型.采用模糊线性最小二乘法标定了模型中参数.利用模糊幅度对观测值的比、观测值与估计值的隶属函数的不重合部分的面积与其面积之和的比这2种方法进行模型精度检验.研究了实现交通分布预测结果的发生、吸引平衡处理的模糊Frator增长率迭代平衡方法.通过实例详细说明了发生量、吸引量和交通阻抗均具有模糊不确定性时的模糊重力模型的应用过程,提出了根据模糊不确定性大小程度来利用模糊预测值的建议.模糊重力模型可以实现交通分布预测中的模糊不确定性.     

利用模糊综合评判法与模糊统计进行井的出水量预测的尝试

电法找水工作中，对井的涌水量进行预测一直是难题。介绍了利用电测深曲线上升段长度、最大电阻率及电阻率的变化率与含水层富水性之间的关系。采用模糊综合评判法与模糊统计，建立模糊综合关系模型，预测井的涌水量，并在王府台地电测找水中应用，获得了满意的成果。     

多元粗糙模糊回归预测

基于粗糙模糊数及最大隶属原则，建立了多元粗糙模糊回归模型，并用于预测，为预测提供了一条新思路。     

基于模糊模型的大范围预测平均控制器

将预测控制思想推广到模糊模型，导出一一类基于模糊模型的大范围预测平均控制算法，仿真结果表明，当被控对象为一复杂动态过程时，此类算法明显优于单独模糊控制器和单独的预测控制器。