季节波动数据特征提取与分数阶灰色预测建模

季节性波动数据具有长期趋势性、季节波动性与局部随机振荡性等复杂特征,这给其预测模型的合理构建造成了难度.文章首先通过排序函数f(x_ik)挖掘季节波动数据中相关元素的序位关系及其演变规律,实现了季节波动数据的特征提取及驱动项的构造.然后通过构建分数阶多变量灰色预测模型FMGM(1,N),实现了其累加阶数从正整数到全体实数的拓展与优化.最后,将FMGM(1,N)应用于具有季节波动性特征的我国GDP月度数据的拟合与预测,建模结果显示其模拟和预测精度优于当前主流的单变量及多变量灰色预测模型、非线性回归模型、Arima模型及智能建模方法(support vector machine,SVM;long short-term memory,LSTM).本研究成果为研究季节波动性数据提供了一种新的预测建模方法,对丰富和完善预测模型方法体系具有积极意义.     

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.     

特征自适应型GM(1,1)模型及对中国交通污染排放量的预测建模

兼顾精度与拟合趋势相似性是预测建模需要深入研究的重要问题.为提高模型对数据特征的适应能力,本文分析了GM(1,1)模型中灰微分方程和白化方程的一致性关系以及响应式还原方法问题,提出构建一种特征自适应型灰预测模型,即CAGM(1,1)模型.该模型采用含可变参数的背景值公式构建灰微分方程,并通过转化模型形式推导了参数估计过程,进而构建以背景值序列为基础的时间响应式;为提高模型预测能力,本文结合灰色关联度构建响应式还原过程中待定变量的适应度函数,采用粒子群算法取得其最优值.最后,案例研究了我国机动车污染排放预测问题,分别构建GM(1,1)和CAGM(1,1)模型对氮氧化合物排放量进行建模,通过比较二者拟合和预测结果验证新模型的改进效果,为管理实践提供有效工具.     

流式数据多维模型

流式数据固有的动态性、无限性等特征给流式数据的多维建模与分析带来了巨大的挑战.基于流式数据的这些特征,提出了一种相应的流式数据多维模型.该模型通过时间维度中多层次时间窗口的定义,刻画了流式数据的动态性和无限性,并且对快照操作、持续操作以及动态维护等流式数据特有的操作形式进行了描述,从而为流式数据多维查询与分析奠定了理论基础.     

一种新型的灰色RBF神经网络建模方法及其应用

针对神经网络建模预测时,其建模精度往往受到数据随机性的影响,以及灰色累加生成操作(AGO)具有减小数据随机性,使数据变得有规则的特点,提出了一种新型的建模预测模型———灰色径向基(RBF)神经网络模型。此模型能够减小数据中的随机性,加快网络的建模收敛速度,使神经网络的建模精度得以提高。将此灰色RBF神经网络应用到动调陀螺仪漂移数据建模中,并将其建模验证结果和单纯使用RBF网络的建模结果进行比较,结果证明此方法是可行而有效的。     

灰色微分动态多变量预测模型及其应用

针对数据驱动建模方法在表征系统特性时的不足,提出了灰色微分动态多变量预测模型.新模型将系统特性的行为序列与影响序列用于建模,增强了系统动态性和非线性性;同时运用最小二乘原理获得模型参数估计式,利用拉普拉斯变换推导模型的近似时间响应式.在此基础上,将新模型应用于欧洲货币联盟、中东与北非及撒哈拉以南非洲三个典型地区的碳排放量预测,应用实例表明:灰色微分动态多变量预测模型预测效果优于其它三种经典的灰色预测模型,能有效预测三个地区未来五年的碳排放量.与此同时说明新模型能够更好地描述多因素系统动态性问题,从而有效地提升传统灰色多变量模型的建模精度.     

多变量离散灰色模型及其性质

构建了多变量离散灰色模型,并将该模型与传统GM(n,h)模型对比研究,通过系数变换,该模型可以和GM(n,h)模型相互等价,从而架构了离散灰色模型与传统灰色模型的研究桥梁.在此基础上研究了数乘变换对其参数取值的影响,结果表明模型的模拟和预测值只与因变量的数乘变换有关,而与自变量的变换无关,模型的相对误差与所有变量的数乘变换都无关,这些结果对灰色模型系列性研究有重要意义.     

基于扰动信息的连续区间灰数灰色预测模型

针对连续区间灰数的预测,提出了分数阶累加二次时变参数离散灰色预测模型(FQDGM (1,1)模型)。在不损失原始信息的前提下,将区间灰数转化为核序列和灰半径序列,然后分别对核序列和灰半径序列建立FQDGM (1,1)模型。新模型针对同时包含指数和二次曲线趋势的系统,通过二次时变参数的求解和阶数的调整,实现对于原始信息进行有效挖掘,避免扰动信息的干扰,提高模型的稳定性。最后,运用不同灰色预测模型,对于一个算例和一个实例进行建模,计算结果显示了所提方法的优越性,从而进一步拓展了灰色预测理论的应用范围。     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.     

基于改进RFFS和GSA-SVR的长输油管道腐蚀深度预测研究

由于长输油管道腐蚀深度受整个外部土壤腐蚀环境、内部运输介质和其他未知因素的干扰。常常会使管道腐蚀数据出现异方差性以及非稳定性的问题,导致精确预测管道腐蚀深度十分困难.为了提高长输油管道腐蚀深度的预测精度,提出了基于改进RFFS和GSA-SVR的预测模型.首先利用改进RFFS算法提取长输油管道重要腐蚀影响因素作为预测指标,实现数据降维,以减少对预测结果的干扰;然后进行数据预处理,利用GSA对惩罚系数C和核函数参数g进行寻优,同时优选核函数和迭代次数t,使SVR达到全局搜索和局部搜索的最优,进而形成基于改进RFFS和GSA-SVR管道腐蚀深度预测模型;随后使用训练集训练模型,输入测试集进行预测,同时引入平均相对误差(MARE)和相对均方误差(RMSE)两个评价指标进行对比,建立数据表对模型精确度进行检验.实例结果表明:使用基于改进RFFS和GSA-SVR模型用于预测腐蚀深度与实际结果高度吻合,预测精度远高于其他预测模型.     

广义离散灰色预测模型及其应用

基于离散灰色预测模型提出了广义离散灰色预测模型(GDGM(1,1)模型),它包含了常见的齐次与非齐次指数序列模型,一次累加抛物型自回归模型,以及一次累加时变线性模型;证明了对四类特殊序列具有模拟完全重合性;研究了在数乘变化下模型参数与模拟值的变化规律以及相对误差的不变性;给出了模型建模步骤及其方法,通过实例对DGM(1,1)模型,NDGM(1,1)模型,CDGM(1,1)模型,TDGM(1,1)模型,NHGM(1,1,k)模型,GM(1,1)直接建模模型以及本文模型的模拟预测效果进行了比较,结果表明GDGM(1,1)模型能够提高预测模拟精度.     

含分数阶微积分的非等间距灰色模型及其应用

相比于等间距灰色模型,非等间距灰色预测模型适用范围更广.然而,现有的非等间距灰色模型的预测响应值容易受到主观数据的干扰,导致预测结果出现偏差.因此,本文提出了具有分数阶微积分的非等间距灰色残差修正模型.首先,基于非等间距分数阶积分序列得到非等间距灰色模型的参数估计.然后,对时间响应函数进行分数阶求导得到模型的预测还原式.最后,使用不累加的非等间距灰色模型对积分残差进行修正.在一定条件下,本文改进模型与传统非等间距灰色模型是近似的.案例分析结果表明,具有分数阶微积分的非等间距灰色残差修正模型可以有效用于非等间距序列的预测建模,具有很高的模型精度和预测响应性.     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律.采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论.研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义.研究结论认为,灰色Verhulst模型并不存在严重病态性.     

基于灰色相关向量机的故障预测模型

针对样本数据量较小条件下的故障预测问题,提出了一种灰色相关向量机（relevance vector machine, RVM）故障预测模型。在模型的训练阶段,根据特征数据序列建立其离散灰色模型（discrete grey model, DGM）,以DGM的预测值作为输入、原始数据序列作为输出,训练得到RVM回归预测模型;在模型的预测阶段,由建立的DGM和RVM回归预测模型组合得到灰色RVM故障预测模型,并通过引入新陈代谢过程,不断更新数据中的信息。实验结果表明,模型的预测性能优于传统的灰色预测模型。     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律,采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论. 研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义. 研究结论认为,灰色Verhulst模型并不存在严重病态性.     

基于灰色时序组合模型的产品实时寿命预测方法

针对产品性能退化数据样本个数少、退化轨迹存在非线性与随机性的特点,提出了一种灰色时序组合模型对产品的退化轨迹进行建模并实时预测个体寿命。首先,采用灰色系统GM(1,1)模型和时间序列AR(p)模型分别对同类产品退化数据中的趋势项与随机项进行预测,构造灰色时序组合预测模型来建立同类产品的退化轨迹。然后,根据K均值聚类理论计算特定个体与同类产品退化轨迹的相似度权值,通过加权同类产品的退化轨迹来获得特定个体的退化轨迹;最后,通过个体实测退化数据更新退化模型并实时预测寿命。将本文方法用于某电子产品的寿命预测中,试验结果验证了该方法的准确性与有效性。     

基于微分信息的ARMAD-GARCH股价预测模型

ARMA-GARCH模型进行股票价格收益预测时,只考虑了滞后历史数据所包含的信息,而对于在每个滞后时间点的变化趋势信息却未纳入计算模型进行统一考虑,在一定程度上影响了模型分析时序数据时的泛化能力.本文提出了一种基于微分信息的ARMAD-GARCH模型,在包含传统ARMA-GARCH模型对因变量的滞后值以及残差滞后值进行线性回归的基础之上,又在条件均值方程中增加了因变量滞后值的近似微分信息,用以融合股票价格变化趋势信息,提高预测模型对于价格演变方向的判别能力.通过对于不同市场综合股指收益率数据的实证研究表明,ARMADGAR,CH模型在数据除噪,趋势判别以及预测精确度等方面均优于一般的ARMA-GARCH模型.     

基于矩阵半张量积方法的改进数量化理论 (Ⅰ)

利用矩阵半张量积理论, 从两个方面对数量化理论(Ⅰ)进行改进: 一是改进模型, 提出一种定性数据通用预测模型; 二是扩展基准变量的维数, 建立一种多维预测方法. 首先, 基于混合逻辑半张量积表示, 研究一维基准变量预测问题, 提出一种新的 预测模型——伪混合逻辑函数模型, 它可描述定量基准变量与定性说明变量间的任一复杂解析关系; 并基于样品数据, 研究如何确定预测模型的结构矩阵. 然后, 研究多维基准变量预测问题, 提出一种伪混合逻辑函数向量预测模型, 并给出其结构矩阵的确定方法. 最后, 给出一个应用例子, 说明本文方法的有效性.     

基于EGA算法的小样本非线性残差灰色Verhulst计量组合预测模型

针对复杂经济系统下时间序列所呈现出的小样本非线性残差特征,采用非线性残差灰色Verhuilst模型进行研究,修正传统计量模型对于残差信息挖掘不够,预测精度不高的问题,在此基础上,选择带有精英策略的EGA算法来建立灰色Verhulst计量组合预测模型,设计了算法实现的逻辑流程和非线性残差灰色Verhulst计量组合预测模型的整体建模思路,提出了改进多准则目标优化NP完全问题的新方法,对模型的预测效果进行比较分析.实证研究表明:基于EGA算法的小样本非线性残差灰色Verhulst计量组合预测模型算法收敛速度快,拟合效果好,预测结果更精确.     

近似非齐次指数序列的DGM(1,1)直接建模法

优化了模型DGM(1,1)的建模初始条件,讨论并证明了该模型与原始数据在升、降、凹、凸等几何形状方面的吻合性;最后通过算例验证了该模型的有效性及实用性;DGM(1,1)直接建模法对丰富与完善灰色预测模型的理论体系,具有积极的意义.