基于Theil不等系数的IOWGA算子组合预测模型

将Theil不等系数和IOWGA算子相结合,提出一种基于Theil不等系数的IOWGA算子最优组合预测模型,并定义了优性组合预测和非劣性组合预测的概念,最后通过对税收收入进行组合预测说明该组合预测方法的有效性和合理性,且该模型存在优性组合预测.     

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.     

组合预测模型在北京市汽车拥有量预测中的应用

将单项预测模型有机地结合,从相关性角度出发,各单项模型在各时点的权重系数与该时点的预测精度有关,得到了基于Theil不等系数的IOWGA算子组合模型,克服了传统组合预测的缺陷.介绍了相应的优性组合预测的概念,并利用该组合模型对北京市家用汽车拥有量进行预测,5种误差指标值均较低,说明了本文方法的有效性.     

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。     

基于Theil不等系数的调和平均组合预测模型在大坝安全监控中的应用

引进相关性指标Theil不等系数,采用调和平均组合预测方法,建立了基于Theil不等系数的调和平均大坝安全监控组合预测模型.结合某拱坝实测资料分析表明,该组合预测模型的预报精度高于传统的加权算术平均组合预测模型和各种单一预测模型,在大坝安全监测预报中具有较强的实用性.     

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IOWHA算子的区间预测模型及应用

针对实际值序列和预测值序列均为区间数的组合预测问题,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.     

基于算术平均贴近度的加权几何平均组合预测

引入和讨论了基于算术平均贴近度的加权几何平均组合预测模型及其性质.针对该模型定义了非劣性组合预测模型、优性组合预测模型以及组合预测冗余度的概念,讨论了在一定条件下,该组合预测模型存在非劣性及优性组合预测的条件,给出了判定冗余组合预测方法的判定定理.通过实例分析说明了基于算术平均贴近度的非线性组合预测模型的有效性.     

基于Theil不等系数的调和平均组合预测模型研究

The il不等系数是一种新的相关性指标,基于该指标提出调和平均组合预测的一种新的模型,探讨了该模型非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并给出冗余信息的判定.     

安徽省城镇化水平预测———基于IOWHA算子的组合预测

以1990-2011年安徽省城镇化水平为样本区间,在指数平滑、灰色预测与回归预测三种单项预测方法的基础上,以预测倒数误差平方和最小为准则,建立IOWHA算子组合预测模型;对该模型的预测有效度的评价结果表明该组合预测模型能有效提高预测精度;根据该组合模型预测出安徽省2012-2015年城镇化水平将分别达到46.35％、47.89％、49.44％、50.98％.     

基于IOWHA算子的中国货币供应量组合预测模型研究

选取1990年—2015年的中国货币供应量数据,分别使用ARMA模型、指数平滑模型、多元线性回归模型对我国货币供应量(M2)进行单项预测,并在此基础上引入诱导有序加权调和平均(IOWHA)算子建立组合预测模型,然后建立评价指标体系以比较各类单项预测方法和组合预测方法的预测精度。评价体系显示IOWHA组合预测模型优于3种单项预测;最后用组合预测模型对2016年—2020年我国的货币供应量M2进行预测。结果表明:未来几年,我国的货币供应量仍然处于递增状态,增幅较大。     

基于IOWHA算子的人口组合预测与分析

以1979-2012年河南省人口总量为样本区间,在ARIMA、非线性回归和Gompertz曲线3种单项预测模型的基础上,根据预测值倒数的误差平方和最小准则构建基于IOWHA算子的组合预测模型.该人口组合预测模型能够综合利用各单一预测模型的预测信息,有效的减少预测误差,提高预测精度.预测结果显示:河南省人口总量2015年将达到10 807.08万人,2020年将达到11 555.64万人.     

基于IOWHA算子的对外直接投资组合预测

在引用诱导有序加权调和平均(IOWHA)算子组合预测模型的基础上,首先分别使用ARIMA模型、灰色预测模型、多元线性回归模型对我国对外直接投资(OFDI)进行预测,然后建立基于IOWHA算子的组合预测模型和评价指标体系;结果显示:IOWHA组合预测模型优于3种单项预测;运用组合预测模型预测我国未来4年的OFDI值,预测值表明未来几年,我国OFDI仍处于增加状态,增幅较大;最后给出相关结论及建议。     

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.     

基于向量夹角余弦的几何平均组合预测研究

加权几何平均组合预测为一种非线性的组合预测方法．提出基于向量夹角余弦的加权几何平均的组合预测模型,针对该模型定义了优性组合预测、预测方法优超和组合预测冗余度等新的概念;探讨了非劣性组合预测和优性组合预测存在的充分条件;给出了一个冗余预测方法出现的判定定理．     

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。     

基于区间数距离和ICOWA算子的变权区间组合预测模型

针对预测值为区间数形式,将区间数距离和诱导连续有序加权平均算子ICOWA结合,以ICOWA算子下实际预测序列与组合预测序列的距离最小为准则,构建了变权组合预测模型,并证明了模型的非劣性.最后,通过实例说明了模型能够有效提高预测精度.     

基于等时距处理和IOWHA算子的路基沉降预测

为避免随机因素对单一预测模型影响,建立更符合软土路基沉降规律的模型和方法以提高预测模型的精度和可靠性,分别以原始沉降数据、经三次样条插值和经分段三次Hermite插值处理的数据为样本值建立Gompertz模型、Logistic模型和灰色Verhulst模型3种预测模型,将每种模型的3种情况的预测值同实测值进行对比分析,选出每种模型对样本处理的优势方法。以每种模型的优势方法为单一模型,建立基于IOWHA算子的组合模型,该组合模型按照每个时刻单一模型的预测精度的高低对最优权系数进行求解。研究结果表明:在沉降速率发生明显变化时刻的数据作为最后一组样本值进行预测时,Gompertz模型和Logistic模型以分段三次Hermite插值等时距处理的数据为样本值预测效果更好,灰色Verhulst模型以原始沉降数据为样本值预测结果精度更高。求解基于IOWHA算子的组合预测模型的赋权系数时,GA比使用MATLAB的非线性优化的工具箱的求解方法更为可靠,得到的组合模型预测精度更高。