基于邻近度的安徽省人均GDP组合预测模型

针对安徽省人均GDP预测问题,以安徽省2000—2018年人均GDP数据为研究区间,其中2000—2017年数据作为训练集,2018年数据作为测试集,提出了一类新的预测评价指标-邻近度及基于邻近度的组合预测模型,并引入一种新的组合权系数求解方法;首先对训练集进行单项预测,即对训练集数据进行指数预测、抛物线预测和移动平均预测,接下来对各单项预测值综合考虑,建立基于邻近度的加权几何平均组合预测模型,通过求解模型得出各单项预测权系数进而求出基于邻近度的组合预测值,最后分别在测试集和训练集上与其他预测方法预测结果进行比较,并预测安徽省2019—2021年人均GDP数据。     

基于绝对误差的线性组合预测研究

针对组合预测效果评价中存在着把拟合精度和预测精度相混淆的问题,阐述了区分样本区间和预测区间的组合预测精度评价方法,并在预测区间上对2种常用的基于绝对误差的线性组合预测方法的预测精度进行了评价,对评价结果进行实例和理论分析。在此基础上,提出一种新的基于绝对误差的线性组合预测方法——基于预测模型有效性的线性组合预测方法。     

组合预测模型构建及在合肥市PM2.5浓度预测中的应用

Dice系数是衡量两个序列接近程度的指标,将广义诱导有序加权平均(GIOWA)算子和Dice系数相结合,提出了基于GIOWA算子和Dice系数的组合预测模型,并且给出了优性组合预测的定义。将该模型应用到合肥市PM_2.5浓度预测上,选取2014-2021年共84期的PM_2.5浓度及核心影响要素的月度数据进行分析,将组合预测结果与单项预测结果进行对比,并分析了组合预测模型中参数取值发生变化时对组合预测权重、预测效果评价指标和Dice系数影响情况。实证结果表明所建立的组合预测模型的预测效果要优于单项预测模型。     

地铁隧道重叠段的沉降变形特性研究

为了实现地铁隧道地表沉降的高精度预测,先利用数量化理论Ⅲ筛选隧道地表沉降的重要影响因素;其次,在单项预测模型参数优化预测基础上,利用多种线性组合和非线性组合方法,实现了隧道地表沉降的组合预测研究。实例研究表明:在影响因素的筛选过程中,得出隧道沉降影响因素较多,其中,重要因素有3个,次重要因素有5个,一般因素有4个,并将后续沉降预测模型的输入层信息设定为重要因素和次重要因素。同时,单项预测模型的参数优化能在一定程度上提高预测精度,且各组合预测方法的预测效果均能不同程度的优于单项预测结果,并以非线性组合方法中RBF权值法的预测效果相对最优,其预测结果的相对误差值均值仅为1.58%,进而验证了该组合预测思路的有效性和科学性。     

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。     

基于组合预测包容性检验的单项模型选择

组合预测模型实际上是单项预测模型的信息进行选择利用的过程。最优组合中单项预测模型的选择是十分重要的问题,将包容性检验应用于组合预测单项预测模型的选择;给出了基于组合模型包容性检验的单项模型的选择方法和步骤,该方法主要是利用增加一个单项预测方法的组合预测模型与原组合预测模型之间的包容性检验,确定单项模型是否要保留在组合预测模型中,这样可以达到提高组合预测的预测有效度。最后通过应用实例的分析,表明通过组合预测模型的包容性检验筛选出合适的单项预测模型,再建立组合预测模型就能够达到提高预测精度的效果,因此该方法是可行的和有效的。     

安徽省城镇居民人均消费的组合预测

在灰色预测、回归预测和时序预测基础上,建立1990到2009年安徽省居民人均消费组合预测模型,并通过误差指标评价体系对组合模型和单项预测模型进行评价,结果表明组合预测模型的各误差指标远低于三种单项预测模型预测误差指标值。最后预测了我省近三年城镇居民人均消费值并进行了评价。     

线性组合模型及在人口预测中的应用

介绍了线性组合模型并以江西省人口数预测为例,分别利用线性回归预测模型、灰色预测模型、Logistic人口预测模型进行预测,并把这3种预测模型进行最优组合和线性组合,用共轭梯度法性求预测模型的系数。然后对这5种预测模型的结果进行比较,结果表明线性组合预测模型的效果比单一预测模型效果好,也比最优组合预测模型的精度高。     

基于Theil不等系数的GIOWLA算子我国小麦最低收购价的预测分析

以2006~2015年的我国小麦最低收购价作为研究对象,运用灰色预测、多元线性回归以及二次指数平滑法三种单项预测方法预测在不同时点上的我国小麦最低收购价,在使用广义诱导有序加权对数平均算子(GIOWLA算子)的基础上,引入Theil不等系数,构建了基于Theil不等系数的GIOWLA算子的最优组合预测模型,并对模型进行有效性检验。检验结果表明,该组合预测模型优于传统的单项预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测,故用此组合预测模型预测了2016~2020年我国小麦最低收购价,使得预测结果更加合理有效。     

基于最小二乘支持向量机的风速组合预测模型

探讨了基于最小二乘支持向量机的组合预测模型在风速短期预测中的可行性.该模型以BP神经网络、RBF神经网络、粒子群BP神经网络3种预测模型的风速预测值作为组合预测模型的输入,实际风速值为输出,利用最小二乘支持向量机回归算法构造风速间的非线性关系,以实现风速多步预测.将该模型的预测性能与BP神经网络组合预测模型、线性组合预测模型进行比较,通过平均绝对误差、误差平方和、平均相对误差3个指标进行评价.结果表明,最小二乘支持向量机预测模型的平均相对误差低于6%,其他误差指标也明显低于其他预测模型.因此,最小二乘支持向量机组合预测模型预测精度不仅高于任一单项预测模型预测精度,而且高于传统的线性组合预测模型与一般BP神经网络组合预测模型.验证了该模型在风速预测中的可行性.     

基于径向基神经网络的集装箱吞吐量组合预测

利用上海港国际集装箱吞吐量的历史数据,分别采用灰色预测法和三次多项式曲线模型建立了单项预测模型.利用径向基（RBF）神经网络对两个单项预测模型结果进行了组合预测,以作为其最终的预测值.实验结果表明,采用组合方法比采用单一预测方法的预测精度有了进一步的提高.最后,应用马尔可夫链预测模型对组合预测结果进行分析,增加了结果的可信性.     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.     

基于指数支撑度的IGOWLA算子的最优组合预测模型

在广义诱导有序加权对数平均算子(IGOWLA算子)的基础上,引入指数支撑度以及构建了一种基于支撑度的IGOWLA算子的最优组合预测模型,并对该模型的预测精度、优性及非劣性给出定义.实例分析表明,该组合预测模型优于传统的组合预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测.     

基于Vague值(集)相似度量的组合预测模型

通过引入模糊理论中的Vague值(集)相似度量,提出了建立组合预测模型目标函数的两种准则,从而构建了基于新的相关性指标的组合预测模型.运用实例对该方法进行验证,发现基于Vague值(集)相似度所建立的组合预测模型在误差平方和、均方误差、平均绝对误差、平均绝对百分比误差和均方百分误差等方面均比单项预测方法小,表明了所建立组合预测模型的有效性.     

基于组合预测包容性检验的单项模型选择

组合预测模型实际上是单项预测模型的信息进行选择利用的过程.最优组合中单项预测模型的选择是十分重要的问题,将包容性检验应用于组合预测单项预测模型的选择;给出了基于组合模型包容性检验的单项模型的选择方法和步骤,该方法主要是利用增加一个单项预测方法的组合预测模型与原组合预测模型之间的包容性检验,确定单项模型是否要保留在组合预测模型中,这样可以达到提高组合预测的预测有效度.最后通过应用实例的分析,表明通过组合预测模型的包容性检验筛选出合适的单项预测模型,再建立组合预测模型就能够达到提高预测精度的效果,因此该方法是可行的和有效的.     

基于漂移度的地基沉降预测模型评价与组合策略

地基沉降与时间关系的曲线形式具有不确定性,难以用某一模型来模拟其沉降规律,鉴于组合模型可以有效提高预测效果,引入漂移度概念,并在考虑预测结果和实际结果相似度和差异度的基础上,借鉴支持度的公式形式,重新定义了漂移度计算公式,将其用于地基沉降预测模型预测效果比较中,同时基于漂移度建立了地基沉降预测模型的组合策略。实例分析验证了基于漂移度的地基组合预测模型的有效性。     

基于TOPSIS的最大贴近度的最优组合预测模型及其性质

TOPSIS方法是一种常见的决策方法.将其作为一种新的预测精度的准则,引入正理想点序列、负理想点序列等概念,构建了基于TOPSIS的最大贴近度准则的最优组合预测模型.针对该模型,定义了新的非劣性组合预测、优性组合预测、冗余预测方法、预测方法优超等概念,研究了模型的若干数学性质,从理论上阐述了最优组合预测的优越性.最后给出实例分析,并和其他组合预测模型进行了对比分析,结果表明提出的组合预测模型是可行有效的.     

基于改进的集对分析理论的路基沉降组合预测模型

准确合理地预测路基沉降是路基安全性评价及加固维护方案决策的重要依据.为克服单项预测模型的信息局限性和片面性,构建了基于集对分析理论的路基沉降组合预测模型.该模型首先基于预测值和实测数据建立集对;应用贝叶斯决策理论表达集对关系识别风险,并通过自适应搜索算法确定最优集对关系准则;进而分析预测模型和实测数据的联系,并基于联系度确定权重系数,实现预测信息的最优组合.实例应用表明,该组合预测模型应用于路基沉降是有效可行的,考虑了单项预测模型的预测精度和可靠性,并拓展了集对关系准则确定方法,也为其他的组合预测评价问题提供了思路.     

关联交叉口短时交通流可预测性分析及组合预测算法

文中首先根据交叉口交通流参数时间序列的相关性对关联交叉口进行定义,给出关联交叉口短时交通流可预测分析的几个定量指标,以及交通流时间序列最大Lya-punov指数的计算方法;然后提出在短时交通流时间序列的可预测分析基础上,选取一组预测模型并建立基于RBF网络的非线性组合预测模型,提出了关联交叉口短时交通流的组合预测算法;最后对实测短时交通流进行仿真试验,结果表明组合预测方法相对于单项预测方法具有更好的预测性能.     

城市生活垃圾产量的变权重组合预测

基于预测显著增加的不确定性因素,在预测时采用单一模型进行预测通常难以达到较为理想的预测效果.选择作为中国东北城市的哈尔滨市为分析对象,以1992~2005年的数据为基础,将多元线性回归模型、GM(1,1)模型、三次指数平滑法这三种单项预测模型进行变权组合,预测哈尔滨市2006-2010年的生活垃圾产量.单一模型的局限性得到明显改善,有效地集结了更多的有用信息,组合预测模型的预测精度得到明显提高,改善了预测结果.