基于LSTM-HFTS-EC的PM2.5区间多尺度组合预测研究

针对PM2.5传统点值预测会损失浓度值的波动信息,进而无法充分表示和估计其波动和变化的区间范围,提出了一种基于长短期记忆模型(LSTM)-混合模糊时间序列(HFTS)-误差修正(EC)的PM2.5区间多尺度组合预测方法;在结合深度学习和区间多尺度分解方法的基础上,进一步考虑预测误差中隐含的有效信息,建立区间时间序列组合...     

基于新闻情感分析和区间分解的汇率预测研究

汇率序列具有非线性和连续变化等特点,其细节波动是一系列事件和新闻综合影响的结果.然而,现有区间预测模型难以量化重大事件和公众情绪的影响,导致其缺乏广泛的适用性,且传统区间分解方法存在上下界混叠的缺陷.因此,论文从新冠疫情冲击出发,提出一种基于新闻情感分析和区间分解的汇率波动实时预测模型.首先,基于Snownlp情感词典对外汇新闻文本进行情感分析,获得相应的情感分数.另外,构建全球恐惧指数(the global fear index,简称GFI)以量化新冠疫情的影响,并将其与芝加哥期权交易所波动率(the Chicago board options exchange volatility index,简称VIX指数)相结合作为汇率的影响因素.然后,提出一种新的区间经验模态分解(interval empirical mode decomposition,简称IEMD)方法对区间汇率序列进行多尺度分解,并根据样本熵重构得到高、中、低频区间序列和残差项.其次,利用极限学习机(extreme learning machine,简称ELM)、多层感知机(multi-layer perceptron...     

基于ITFOWA算子的多属性决策方法研究

将梯形模糊有序加权平均算子（TFOWA）扩充至诱导的梯形模糊有序加权平均（ITFOWA）算子情形．提出两梯形模糊数接近度概念,用其度量属性本身的重要性程度、并以属性值的接近度作为诱导变量,采用ITFOWA算子进行信息集结,得到一种新的基于诱导梯形模糊有序加权平均算子的多属性决策方法．     

一种基于连续区间直觉模糊Theil测度的多属性群决策方法

针对区间直觉模糊信息的不确定性,提出了一种基于连续区间直觉模糊Theil(C-IVIFT)测度的多属性群决策方法。首先基于连续区间直觉模糊有序加权平均(C-IVIFOWA)算子定义了连续区间直觉模糊Theil测度,并研究该测度的一些性质;其次,构建以C-IVIFT测度偏差最小化为目标的最优化模型用以确定专家权重和属性权重,进而得到不同方案的综合属性值,并利用相似性函数和精确函数对方案进行排序;最后,通过ERP软件择优实例说明提出的决策方法的合理性和有效性。     

不确定信息环境下多属性决策方法的研究进展

多属性决策在经济、社会和工程等领域有着广泛的应用.由于决策系统的结构复杂性和对外界环境的开放性,传统的实数型信息很难刻画系统的特征,有必要研究不确定信息环境下多属性决策模型和方法.论文对近十余年来研究的几种不确定信息及其信息集成算子,多属性决策的赋权方法和决策技术,若干偏好关系一致性的概念、不一致性调整的算法、偏好关系的排序方法和共识性模型等问题进行了综述,并对未来的研究进行了展望.