诱导有序加权平均的组合预测模型及其应用

有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.     

4种诱导有序加权平均模型的构建

诱导有序加权平均算子是一种新的信息集结算子,用途非常广泛．基于诱导有序加权平均算子构建了4种组合预测模型．实例表明这种模型能有效地提高预测精度．     

有序加权平均算子权重确定新方法及其应用

在应用OWA算子进行决策分析过程中,OWA算子权重的确定是关键的一环.提出了一种确定OWA算子权重的新方法,并把新方法应用于数据为区间数的不确定环境中,基于区间数两两比较的可能度公式和互补判断矩阵的排序公式,提出了一种不确定型OWA算子,给出了其在应用过程中的具体步骤.数值例子表明了新算子的有效性和可行性.     

城市公共交通客运量的灰色预测

根据历年统计数据,应用灰色系统理论,建立了上海市公共交通客运量的灰色预测模型,并得到实际数据的验证。     

三角直觉模糊广义有序加权平均算子及其在多属性群决策中的应用

针对属性以三角直觉模糊数(TIFN)形式表示和具有不完全权重信息的多属性群决策(MAGDM)问题进行了研究。首先定义了三角直觉模糊广义有序加权平均(TIFGOWA)算子,再利用得分函数和精确函数对方案的排序方法,对不完全权重信息的三角直觉模糊MAGDM问题,运用TIFGOWA算子提出一种新的多目标线性规划的求解方法。最后,运用一个算例说明了本文所提方法的合理性与有效性。     

城市公共交通需求预测及应用

文章在综述了公共交通需求预测基本理论的基础上 (包括预测的基本前期工作 ,四阶段模型法等 ) ,结合巢湖市公共交通规划 ,对出行生成、出行分布、交通方式划分、交通分配 4个阶段所采用的需求预测常规模型 (方法 )的应用作了具体的说明。同时 ,还介绍了一种组合预测模型 (方法 ) ,这种模型旨在减少预测风险 ,有效提高预测精度     

基于Theil不等系数和广义诱导算子的组合预测

Theil不等系数极小化组合预测方法是基于相关性的组合预测方法的一种,把Theil不等系数及广义诱导有序加权平均算子结合起来,介绍了基于Theil不等系数及几种诱导算子相关的概念,并建立了基于Theil不等系数及几种诱导算子的最优组合预测模型,研究了最优组合预测模型的相关性质及模型有效性的评价方法。     

城市公共交通配四量综合预测法

分析和研究了影响公交车辆配备的主要因素。根据公交客运周转量和车辆生产率原理，导出了公交配车量的计算公式。并以城市公共交通规划各项目标值为基础，提出一种综合预测公交配车总量的方法。应用该法对佛山市城市公共交通进行了配车总量预测规划。     

城市公共交通系统分析

城市交通问题是目前中国乃至世界各国国民经济、社会发展和生态环境面临的重要战略性问题。公共交通系统作为城市交通系统的一个子系统，不仅维系着城市功能的正常运转，而且对社会经济发展起着全局性和先导性的作用。城市交通规划面向公共交通系统发展，优先发展公交。已经成为全世界的共识。     

城市公共交通客流量预测序列模型

本文通过广州市公交线路调整研究的实践,设计了一套在计算机上实现的简便实用的城市公交客流量预测序列模型。它包括公交出行产生与吸引、公交山行分布和公交线路分配等3个子模型。输入客流调查和线网的有关数据,便得到一系列评价和比较公交线网布局合理与否的统计指标。     

改进的加权调和平均算子及其在多属性决策中应用

在加权调和平均（WHA）算子的基础上,提出了信息数据集结的有序加权调和平均（OWHA）算子和组合加权调和平均（CWHA）算子,探讨了它们的一些性质关系,给出了OWHA算子和CWHA算子应用于多属性决策的方法,最后通过实例分析表明该决策方法是有效和可行的.     

基于IOWHA算子和倒数灰关联度的组合预测模型及其应用

将诱导有序加权调和平均(IOWHA)算子和倒数灰关联度相结合,提出了基于IOWHA算子和倒数灰关联度的组合预测模型,同时定义了优性组合预测和非劣性组合预测的概念,并将该组合预测模型应用到税收收入预测中,验证了组合预测模型的合理性和有效性,并说明了优性组合预测的存在性.     

基于多维诱导分量的拓展IOWA算子及其应用

受单一诱导分量不可排序的启发,提出了一种多维诱导分量的拓展IOWA(MIOWA)算子,它可以根据特定背景定义诱导分量的涵义,从不同侧面反映数据分量的若干特性.针对具有自主式特征的协商评价问题,定义了一个二维诱导分量的拓展IOWA算子,使得在多属性信息集结的过程中能够体现方案的相对优势和绝对优势;给出一个决定位置权向量的权数非独裁性协商规则下最大化orness水平的规划模型.最后给出一个算例说明了方法的可行性.     

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.     

基于最优加权的组合预测模型及应用

针对各种单一的传统预测方法中存在的问题,提出了一种基于最优加权的组合预测方法．根据珠江三角洲天河水文站的水位预测要求,运用最优加权法建立了多元线性回归、灰色系统GM（1,1）和BP神经网络的组合模型．实验结果表明,组合预测方法比各单一模型有更高的预测精度．     

城市交通需求预测理论与模型研究综述

城市交通需求预测是交通学科研究的热点之一。本文对现代城市交通需求预测理论与模型进行系统分析,重点围绕交通生成、交通分布、交通方式划分预测模型展开,对各模型基本原理、研究进展、传统模型及其改进、模型应用情况等进行综述,最后总结城市交通需求预测研究领域重点、难点,指出未来发展方向。     

基于对数灰关联度的IGOWLA算子最优组合预测模型

在对数灰关联度和诱导广义有序加权对数平均算子(IGOWLA)等概念的基础上,构建了基于对数灰关联度的IGOWLA算子的最优组合预测模型,并引入组合预测模型的优性及非劣性定义.实例计算结果表明,提出的方法确为一种优性组合预测,能够有效地提高预测精度.     

基于GRNN模型的城市道路短期交通流预测研究

采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络（GRNN）模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流。