调和变权缓冲算子及其作用强度比较

针对传统缓冲算子不能实现作用强度的微调, 从而导致缓冲作用效果过强或过弱的问题, 构造了调和变权弱化缓冲算子(VWHWBO) 和调和变权强化缓冲算子(VWHSBO), 研究了该类缓冲算子调节度与可变权重之间的关系, 比较了调和变权缓冲算子与算术变权缓冲算子、几何变权缓冲算子的作用强度, 并探讨了该类缓冲算子的优化问题. 结果表明, 该类缓冲算子对序列的调节度是可变权重的单调增函数, 在控制作用强度方面的灵活性要明显优于传统缓冲算子; 算术变权缓冲算子、几何变权缓冲算子与调和变权缓冲算子的弱化算子和强化算子的作用强度都是依次递减的. 最后, 以我国能源消费总量的预测问题为例验证了调和变权缓冲算子的有效性与优越性, 以及三算子的作用强度.     

变权缓冲算子及缓冲算子公理的补充

基于冲击扰动系统的相关概念,提出了变权缓冲算子的概念,分别构造了变权弱化缓冲算子和变权强化缓冲算子,定义了缓冲算子调节度来反映缓冲算子对原始序列的作用强度,并研究了缓冲算子调节度与可变权重之间的关系,在此基础上提出了缓冲算子的单调性不变公理.结果表明,可变权重在功能上类似于高阶作用算子,但在控制缓冲算子作用强度方面的灵活性要明显优于高阶缓冲算子.因此,变权缓冲算子有效地解决了在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题.     

新变权缓冲算子的构造方法及其内在联系

针对传统缓冲算子不能实现作用强度的微调, 从而导致缓冲作用效果过强或过弱的问题,构造了几类新的变权缓冲算子,探讨了这几类变权缓冲算子的内在联系,揭示了变权强化缓冲与变权弱化缓冲的对应关系,研究了变权缓冲算子调节度与可变权重之间的关系.结果表明,变权缓冲算子对序列的调节度与可变权重同(反) 方向变化,与γ 取值无关, 且现有算术变权缓冲算子和几何变权缓冲算子均是所构造变权缓冲算子的特例.     

几何变权缓冲算子及其作用强度研究

针对传统缓冲算子不能实现作用强度的微调,从而导致缓冲作用效果过强或过弱的问题,构造了几何变权弱化缓冲算子(VWGWBO)和几何变权强化缓冲算子(VWGSBO),研究了该类缓冲算子调节度与可变权重之间的关系,并利用遗传算法探讨该类缓冲算子的优化问题。结果表明,该类缓冲算子对序列的调节度与可变权重同方向变化,在控制作用强度方面的灵活性要明显优于传统缓冲算子。最后,以我国能源消费总量的预测问题为例验证了几何变权缓冲算子的有效性与优越性。     

弱化缓冲算子作用强度及光滑性比较

针对弱化缓冲算子作用强度和光滑性问题, 提出缓冲率的概念, 比较了加权调和平均算子、加权几何平均算子、加权算术平均算子、加权平方平均算子、及其多阶算子的作用强度大小; 分析了弱化缓冲算子作用强度与光滑性之间的关系, 并加以实例验证. 结果表明, 对于单调递增序列, 加权调和平均算子、加权几何平均算子、加权算术平均算子、加权平方平均算子的作用强度依次增强, 单调递减时依次减弱; 多阶弱化缓冲算子的作用强度随阶数的递增而增强; 弱化缓冲算子的作用强度与光滑性具有内在一致性, 这为弱化缓冲算子光滑性的大小比较提供了新途径.     

季节性弱化缓冲算子的构造与应用EI北大核心CSCDCSSCI

针对现有弱化缓冲算子不能有效处理季节性冲击扰动系统的建模预测问题,本文构造了两类季节性弱化缓冲算子,分别为季节性平均弱化缓冲算子和季节性全信息变权弱化缓冲算子.在此基础上,本文进一步探讨了季节性弱化缓冲算子的缓冲强度与光滑性,发现二者均优于该季节算子所对应的经典缓冲算子.最后,本文基于灰狼算法给出了季节性全信息变权缓冲算子的权重优化方案,并以第二产业季度增加值数据为例证实了季节性缓冲算子的有效性.预测结果表明:对于受冲击扰动的季节性时序数据,本文提出的季节性缓冲算子的适应能力和预测精度显著优于经典缓冲算子;进一步与SARIMA和EMD-ARIMA模型的比较发现,两类季节性缓冲算子的预测精度与EMD-ARIMA模型相当,三者的平均预测相对误差均在3%左右,而SARIMA模型的平均预测误差则高达15.65%.     

基于新弱化算子的GM(1,1)建模精度分析

改进数据序列的光滑度是提高GM(1, 1)预测精度的有效方式之一.在对现有弱化缓冲算子深入分析的基础上,根据缓冲算子公理以及新信息优先利用原理,构建了一类新的弱化缓冲算子, 同时从理论上给予了证明,有效地解决了冲击扰动数据序列在建模预测中常常出现的定量预测结果与定性分析结论不符的问题.数值分析验证了这类新弱化算子的有效性.     

缓冲算子的光滑性

针对人们对缓冲算子提高建模精度原因的认识误区,提出了缓冲算子光滑性的概念,给出了缓冲算子能否提高序列光滑性的判别条件,分别研究了弱化缓冲算子和强化缓冲算子的光滑特性,并以实例加以验证.结果表明,弱化缓冲算子一定可以提高序列光滑性;而强化缓冲算子却在降低序列光滑性的同时提高了预测精度.提高序列的光滑性和消除冲击扰动因素的影响是提高灰建模精度的两个不同方面,对于稳定系统,序列光滑性是影响建模精度的主要因素,而对于冲击扰动系统,影响建模精度的主要因素是系统的冲击扰动.     

动态灰预测模型的缓冲适应性建模方法

提升对数据特征的适应能力是预测建模的关键问题之一.本文融合缓冲算子方法与灰色滚动预测模型构建适应性灰预测模型,即BARGM模型.该方法将原始序列拆分为连续的数据片段,利用缓冲算子和数据片段上的反馈信息调整变权系数.并用GM(1,1)的衍生模型对调整后的片段数据进行逐步建模和外推;缓冲适应性模型相对传统建模方法具有两个特点,即改变灰模型响应式形式的单一性、具有较强的智能化拓展能力:案例研究采用我国能源相关的温室气体排放数据进行建模测试与对比,建模结果显示拟合精度和预测精度均有明显提升,印证了缓冲适应性建模方法的有效性.     

弱化缓冲算子对GM(1,1)模型的预测效应及适用性

在GM（1,1）模型预测中,缓冲算子能有效处理含有冲击扰动因素的原始数据,改善模型的预测效果. 本文在系统分析缓冲算子对GM（1,1）预测作用过程的基础上,提出了GM（1,1）模型的预测效应以及缓冲算子适用性的评价准则. 选用典型的6种弱化缓冲算子对河南粮食产量数据分长序列、宽间距序列和短序列三种情况进行了模拟计算分析. 确立了不同算子对GM（1,1）模型预测产生的效应及其适用范围,并选用具有类似特征的其他数据序列验证了研究结果的有效性.     

基于反正切函数权值累加生成的DGM(1,1)_(atan)模型及其应用

传统DGM(1,1)模型的累加生成算子没有考虑数据振荡对数据序列发展趋势的影响,模型预测结果往往呈现齐次指数增长的趋势.该局限性使得DGM(1,1)模型不适用于本身存在随机振动特征的序列分析与预测.针对这一问题,本文提出基于原始数据均值像序列的随机波动特征分析方法,设计出均值像反正切函数变权形式的累加生成算子;在此基础上建立了基于均值像反正切函数变权累加的DGM(1,1)atan模型,该模型综合考虑了数据的整体增长趋势与局部波动特征;最后,将模型应用于海域水质监测的数据分析与预测,预测结果验证了模型的有效性及实用性.     

一种基于语言值多数的变权综合决策方法

采用模糊集理论和变权原理研究基于语言值多数的多因素决策问题．将“令人满意因素”和“大多数”等语言信息视为模糊集,利用语言值量化算子计算各因素的满意度和各方案关于模糊大多数的隶属度,由此构造激励型和惩罚型状态变权向量以实现权重在因素之间的转移,使因素的权重主要集中在令人满意因素上并且按决策问题的需要进行某种均衡分配,最终构建模糊决策模型．     

一种基于遗传算法的新型神经网络设计

神经网络的设计主要集中在网络权值的选取和神经网络结构的确定两个方面 ,与遗传算法结合是目前研究发展的趋势 .本文与一般的基于遗传算法的神经网络设计相比 ,提出一个新型算子—— BP算子 ,并对神经网络的权值和结构同时优化 .仿真结果表明该算法结果比较理想 .     

有序分位加权集结算子及在激励评价中的应用

为在信息集结过程中体现指标值的相对发展水平,提出了一种新的集结方法,即有序分位加权集结算子.该算子尤其适用于激励评价问题,其主要特征是用分位数表示指标值的相对发展水平,并且在信息集结过程中融入了决策者不同程度的激励偏好.通过性质分析,发现该算子具有置换不变性、界值性和条件单调性等特征.进一步,以算例的方式分析了该算子在激励评价中的应用问题,发现该算子在信息集结中通过权重加和不等于1的方式能够放大或缩小集结值,从而凸显被评价对象之间的差异,实现激励的目的.     

加权马尔可夫模型在降水丰枯状况预测中的应用

首先基于降水过程存在大量不确定性、不精确性的特点 ,应用有序聚类的方法建立降水丰枯状况的分级标准 ;然后针对降水量为相依随机变量的特点 ,采取以规范化的各阶自相关系数为权重 ,用加权的马尔可夫链模型来预测未来降水的丰枯变化状况 ;最后以山西省某水文站近 5 0年的降水资料为实例对该方法进行了具体的应用 ,获得了较为满意的结果.