WFAR模型在时间序列预测中的应用 |
| |
引用本文: | 王立柱,孟宪涛.WFAR模型在时间序列预测中的应用[J].沈阳师范大学学报(自然科学版),2019(1). |
| |
作者姓名: | 王立柱 孟宪涛 |
| |
作者单位: | 沈阳师范大学数学与系统科学学院 |
| |
摘 要: | 随着模糊集合理论应用的不断广泛深入,为深刻研究时间序列数据状态波动的依赖关系,提出了模糊自回归时间序列预测模型,更适合解决复杂依赖关系且带有缺失、含糊、不准确等现象的时间序列预测问题。模型采用模糊聚类的方法对论域进行划分建立模糊集,并根据历史数据抽取模糊规则。利用自相关性确定数据状态间的依赖关系,通过马尔科夫转移概率抽取状态转移信息。模型既考虑了数据状态间的相互作用关系,又兼顾了状态转移频率的影响,进而达到提高预测质量的目的。实验部分将Alabama大学入学人数作为实验数据,以均方误差作为衡量标准,经过比较提出模型的预测质量明显优于传统模糊时间序列预测模型,说明了模型的可行性和有效性。
|
本文献已被 CNKI 等数据库收录! |
|