基于IOWA算子的我国粮食产量组合预测研究

以1978—2018年我国粮食产量数据为样本,提出基于IOWA算子的组合预测模型,对我国未来5年的粮食产量进行预测。首先建立时间序列ARIMA模型、Holt-winters加法模型和多元线性回归模型,运用3个单项预测模型对1978—2018年间我国的粮食产量进行拟合,然后基于IOWA算子建立以误差平方和最小为准则的组合预测模型,最后运用基于IOWA算子组合预测模型对我国未来5年的粮食产量进行预测。结论表明:基于IOWA算子的组合预测模型具有更高的预测效果,能够使得单项预测模型提供的有效信息得到全面利用,更精准地预测我国粮食产量;我国未来5年的粮食产量还会持续增加,并且每年的平均增长速度为1.3%。     

基于组合模型的三角模糊数预测模型

首先以北京市1994-2006年年平均最低气温、年平均气温、年平均最高气温构建三角模糊数序列的三个界点,出于数据整体性考虑将三角模糊数序列转换成等量信息的三个指标数序列,然后,对三个指标数序列分别构建了时间序列ARIMA模型,灰色预测GM(1,1)模型以及BP神经网络模型,最后在单一模型预测结果的基础上通过引入诱导有序加权(IOWA)算子,建立了一种集成IOWA算子的ARIMA-GM-BP的三角模糊组合预测模型。通过最终预测结果对比,组合模型预测精度明显要高于各单一模型。     

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IOWA算子的短时交通流预测方法研究

本文首次将诱导有序加权平均（IOWA）算子应用到短时交通流预测中,建立了以整体预测误差平方和最小为目标的组合预测模型。在分析短时交通流预测模型的基础上,本文选取了指数平滑法、季节自回归求和移动平均模型（SARIMA）、BP神经网络模型对短时交通流进行预测,再用IOWA算子将这三种模型进行组合预测。最后进行实例验证,通过MAE、MSE和MAPE三项指标比较分析四种模型的预测效果。结果证明,IOWA算子组合预测模型明显优于其他的预测模型,有效地提高了短时交通流的预测精度。     

新能源电动车销量预测模型的应用

随着新能源电动车(乘用车)的使用越来越普及,对其销售预测的研究尤为重要。首先采用指数平滑预测方法对其进行销量预测;考虑到新能源电动车销售量呈现季节性变化,将季节变动指数融入灰色预测中,给出了基于季节变动指数改进的灰色预测模型;为了进一步提高预测精度,引入IOWA算子,将指数平滑预测与改进的灰色预测相组合,给出了基于IOWA算子的组合预测模型;最后通过实例仿真验证了模型的可行性和有效性,为发展新能源汽车提供基础资料。     

基于IOWA算子的中国能源消费总量的组合预测

本文利用多元回归模型、指数模型、灰色预测这三种方法分别对我国的能源消费做了预测,然后利用IOWA算子,运用诱导有序加权平均方法,对这三种模型的预测值进行了组合.实证结果显示,基于IOWA算子的组合预测的精度比三种方法各自的精度要高,而且精度比较稳定,达到了预期的水平.在此基础上,运用IOWA算子组合预测了2013年的能源消费总量,以期为相关部门制定能源政策和宏观经济的运行提供有用的参考信息.     

基于联系数贴近度的三角模糊数组合预测模型

针对三角模糊数预测问题，将三角模糊数转化为对应的三元联系数，以三元联系数的贴近度作为最优准则，引入广义加权平均（GOWA）算子，建立了基于三元联系数贴近度的三角模糊数组合预测模型，并证明了该模型为优性组合预测模型。通过实例分析验证了该模型是有效的，能够有效提高预测精度，并对GOWA算子中的参数进行了灵敏度分析。     

基于对数误差的IOWGA算子的三角模糊数变权组合预测模型

本文针对三角模糊数描述的复杂系统的预测问题,提出了一种基于对数误差的IOWGA算子的三角模糊数变权组合预测模型.首先将三角模糊数以面积型中心、面积型散度、质心三个指标进行描述,然后引入诱导有序加权几何平均算子(IOWGA)算子,并以面积型中心、面积型散度、质心三个指标的对数误差为最优准则,通过引入偏好系数将其转换为可变权的组合预测模型,最后通过实例分析进行对比,结果表明该模型能够有效提高预测精度.     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

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。     

定性预测与定量预测的综合运用研究

定性预测和定量预测各有其优点和缺点。这里介绍了它们各自的特点，并介绍了3种综合运用定性预测和定量预测的方法，在此基础上通过具体事例解释了它们的应用，然后比较了3种综合方法的相对适用情形。     

情报信息预测中定性方法与定量方法的结合

通过阐述定性预测方法和定量预测方法的优点和缺陷，探讨了在情报信息预测中两种方法之间的内在联系和有机结合，指出只有两种方法相结合，才能使预测对象的各方面因素融合在预测结果之中，从而提高情报信息预测的精确度。     

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用，该模型是一种有偏差的指数模型，在该模型基础上作者已导出了无偏灰色预测模型。将无偏灰色预测模型应用于负荷预测中，并与传统灰色预测模型进行了比较，结果显示了无偏灰色预测模型的优越性。     

面向MIS的预测支持系统的研究

通过对预测支持系统研究现状的分析,讨论了预测支持系统如何更好的适用于MIS,为其提供预测支持.并提出了更加适应MIS当今和未来发展的预测支持系统构建模式.     

水文预报不确定性的研究进展与展望

本文归纳了水文预报不确定性的来源与分类,综述了国内外对水文预报不确定性的研究进展以及相关文献、方法与模型,展望了水文预报不确定性研究的发展前景.水文预报的不确定性始终存在,并制约防洪调度决策的正确性,水文预报结果应该描述为概率的而不是确定的形式,概率水文预报实现了预报与决策的耦合.     

神经网络预测系统中的输入输出指标研究

建立了一个用一串ＢＰ网络组成的、用于地区主要经济指标预测的人工神经网络系统,给出了该模型在两个地区应用中得出的不同结果;在分析这两种预测结果的基础上讨论了预测模型中输入输出指标变化对预测结果的影响．说明在神经网络预测模型中,输入输出指标的选择起着不可忽视的作用．     

基于BP神经网络的税收预测模型

在分析影响税收主要因素的基础上，将反向传播（BP）神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．     

多模型专家组合预测系统大纲

用１９种模型与５种群组决策方法相融合，构成了多模型专家组合预测系统，该系统较好地解决了多模型多专家预测分歧意见的协调统一问题，并已用于土地利用系统中大量要素变化的预测。     

谈高空气象测报质量

介绍了高空气象测报的意义,对高空气象测报工作者如何做好本职工作进行了探讨。     

组合预测法在弹药消耗预测中的应用

提出了利用组合预测法预测弹药消耗的设想,建立了基于BP神经网络的弹药消耗组合预测模型,并对弹药消耗影响因素进行了初步探讨,为今后弹药消耗预测的研究工作提供了参考依据。