基于相关系数的优性组合预测模型研究

传统的组合预测模型是从改善某种拟合误差角度建立的.基于相关系数的组合预测模型有别于传统的组合预测模型,它是研究组合预测方法的一个新思路.针对该模型,提出了新的优性组合预测、预测方法优超,冗余度等概念;探讨了非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并证明冗余预测方法的一个判定定理.这在理论上表明基于相关系数的组合预测方法的有效性,最后文中进行实例分析也验证了这个结论.     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

基于标准差的预测有效度的组合预测模型

针对考虑预测精度标准差的预测有效度的组合预测模型，提出了新的优性组合预测、预测方法优超和冗余度的定义．然后探讨了非劣性组合预测以及优性组合预测存在的充分条件，并给出冗余信息出现的一个判定定理．最后也讨论了组合预测模型的新的近似计算方法，给出实例分析，结果令人满意．     

多属性群体决策的水文预报择优及组合方法

针对水文预报在参数受限条件下精度不高的问题,提出一种基于多属性群体决策的水文预报择优及组合方法.该方法首先建立预报正确率、确定性系数、合格区间、发生可能性四个决策属性;然后依靠理想模型给出属性权值的确定方法,并采用OWG和OWGA加以集结;最终基于评测值的序关系构成与实测值更为接近的预报区间.实验表明:该方法能够从多种预报方案中选择出相对误差较小的预报值,并形成一种高精度的组合预报模型,将预报提升一个等级.     

确定组合预测权系数最优近似解的方法研究

首先建立了以预测方法有效性指标为目标函数的组合预测优化模型 ;其次在对组合预测精度序列分析的基础上 ,得到了求两组合预测方法权系数近似解的优化模型及最优近似解的计算公式 ;最后通过实例说明了这种方法的有效性.     

基于集成智能方法的电力短期负荷预测

将自组织(SOM)和反向传播(BP)两种神经网络结合起来, 并使用模糊理论, 建立了一种基于集成智能方法的日负荷预测智能模型, 该模型首先利用SOM网络的竞争学习能力将历史数据分成若干类别从而找出与预测日同类型的预测类别. 然后, 把温度、日类型等不确定性扰动因素分离出去, 利用BP算法的非线性函数逼近功能, 完成电力负荷的基本分量部分的预测工作. 在处理温度、天气情况、日类型等不确定因素对负荷的影响时, 采用模糊逻辑理论对负荷基本分量进行修正. 提出了一种基于进化树的自组织神经网络算法(SOETA), 该算法是一种无监督基于二叉树的自组织特征映射网络模型, 采用进化思想进行无监督学习, 具有灵活的拓扑结构和精确的模式识别. 本文以2007年厦门市的电力负荷数据为例, 试验结果表明, SOETA+BP+模糊理论的预测精度最优, 有效提高了电力短期负荷预测精度.     

基于向量夹角余弦的水文组合预报方法

针对水文预报中单个水文预报模型预报精度不高的问题, 提出基于向量夹角余弦的水文组合预报方法. 该方法采用组合预测理论建立了实测向量、预报向量和权值向量, 形成向量夹角余弦模型; 根据不同的历史水文资料状况, 给出拟合优度和动态逼近两种可变权值计算方法, 完成参数的率定, 并将各参数对预报精度的影响加以分析. 实验表明: 该方法能够有效地克服单个水文预报模型的不足, 通过实现多个单项水文预报模型的组合, 可将预报合格率提升约20%.     

灰色绝对关联度组合预测模型的性质研究

组合预测能够充分利用各种不同的预测方法所提供的信息,以适当加权的形式得出组合模型,同时由于组合预测模型更关心某种预测信息的权重,从而使得预测问题所利用的信息更充分,更完备,模拟精度也更高。将灰色绝对关联分析应用到组合预测中,提出了基于灰色绝对关联度的组合预测模型,并在此基础上给出了灰色绝对关联优性组合预测、预测方法优超、冗余度等概念,给出了灰色绝对关联组合预测是非劣性组合预测及优性组合预测的一个充分条件,得出了冗余预测的判定定理。算例分析表明该方法是合理有效的。     

Forecasting Practice from Box-Cox Transformation Models

ＦｏｒｅｃａｓｔｉｎｇＰｒａｃｔｉｃｅｆｒｏｍＢｏｘＣｏｘＴｒａｎｓｆｏｒｍａｔｉｏｎＭｏｄｅｌｓＧａｏＲｅｎｘｉａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎｇ１０００８０，Ｐ．Ｒ．...     

线性组合预测模型优化问题研究

从线性组合预测模型绝对误差序列出发,对线性组合预测模型的精度特征进行描述和分析,系统地研究线性组合预测模型的优化方法,为线性组合预测模型的优化设计提供理论基础。     

组合预测模型在我国能源消费系统中的建构及应用

组合预测理论及建模技术对于信息不完备的复杂经济系统具有一定的实用性 .鉴于能源消费系统的复杂性及非线性的特征 ,文章首先利用我国能源消费量的历史数据 ,分别采用灰色预测、神经网络及多元回归方法建立了我国能源消费系统的单项预测模型 .并对各单项模型的优缺点进行了比较分析 .其次 ,采用标准差法进行权重分配 ,建立了我国未来能源消费量的组合预测模型 .最后 ,应用该模型对我国未来 2 0年的能源消费量进行了预测 .结果表明 ,该模型可以作为我国未来能源消费量预测的有效工具 .     

GA-SA模型预测中国能源需求

为预测中国能源需求,本文提出了一种新的遗传算法(genetic algorithm)和模拟退火法(simulated annealing)混合方法,称为GA-SA,该方法能利用各自的优势,克服彼此之间的弱点.分析了GDP、人口、固定资产投资、能源效率、能源消费结构及居民生活水平六个主要能源影响因子后,使用1981至2012共32年间各因子及能源消费的观察数据,运用GA-SA方法优化非线性二次能源评估方程,得出了该方程的权重系数.结果显示,提出的方法和选取的能源因子构建的GA-SA模型预测的能源值与观察数据值及其接近,并与其它模型进行了比较,准确性上提高了至少两个数量级.运用提出的GA-SA模型预测了中国在2015和2020年时两种不同情景下的能源需求量,并提出了一些政策性建议.     

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.     

Research on the Method of Nonlinear Combining Forecasts based on Fuzzy System

1　ＩｎｔｒｏｄｕｃｔｉｏｎＯｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆｕｎｃｔｉｏｎｓｏｆｍａｎａｇｅｍｅｎｔａｔａｌｌｌｅｖｅｌｓｉｎａｎｏｒｇａｎｉｚａｔｉｏｎｉｓｐｌａｎｎｉｎｇ ,ａｎｄｆｏｒｅｃａｓｔｓｐｌａｙａｋｅｙｒｏｌｅｉｎｔｈｅｐｌａｎｎｉｎｇｐｒｏｃｅｓｓ .Ｍａｎａｇｅｍｅｎｔｎｅｅｄｓｔｏｒｅｄｕｃｅｔｈｅｒｉｓｋｓａｓ ｓｏｃｉａｔｅｄｗｉｔｈｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ,ａｎｄｏｎｅｏｆｔｈｅｗａｙｉｎｗｈｉｃｈｔｈｉｓｃａｎｂｅｄｏｎｅｉｓｂｙａｎｔｉｃｉｐａｔｉｎｇ…     

分整模型在商品价格预测中的应用

首先介绍了时间序列分析中的一个新领域－长记忆分整模型（ＡＲＦＩＭＡ）,分析了该模型与传统时间序列模型相比较所体现出的优越性,及其参数估计和预测方法。本文所给出的分整模型不仅反映了传统时间序列模型所不能反映的时间序列长记忆性,而且解决了利用传统方法预测商品价格中的过度参数化问题,从而显著提高了商品价格预测的可靠性。文章还给出了实际案例分析。     

调和平均的组合预测方法之性质研究

调和平均的组合预测是一种非线性组合预测方法．对基于最小几何距离的加权调和平均组合预测模型的性质进行了研究，从理论上说明了该种方法的有效性．首先提出新的非劣性组合预测、优性组合预测、预测方法优超、冗余度的概念；其次指出模型的任一个可行解对应的组合预测至少是非劣性组合预测，并给出优性组合预测存在的一个充分条件；最后证明在一种单项预测方法优超另一种单项预测方法的条件下冗余预测方法出现的判定定理．     

基于灰色预测与模式识别的企业危机预警模型研究

针对当前大部分企业危机预警模型只能报警,不能预测的现状,提出一种基于灰色预测与模式识别的预警方法.该方法首先对企业运营的单项特征指标建立灰色模型,其次将所有指标的模型组合起来,构成系统状态方程进行预测,然后利用模式识别的方法对预测结果进行分类,判断企业的危机状态,最后用实例验证该模型的有效性.     

模糊软集合理论在税收组合预测中的应用

结合模糊软集合理论建立税收收入的组合预测模型,根据税收收入的特点,代表性地选择了Elman回归神经网络模型、含政策虚拟变量的自回归模型、ARIMA(1,1,1)的时间序列模型、多因素SVM回归模型这四种模型作为组合预测中的单一模型,并以1980年到2008年的税收收入等相关数据为背景进行了说明和分析.结果表明该组合预测模型能有效减小预测误差,为税收工作实践提供了一个应用研究工具,并推广和丰富了软集合理论在税收经济模型研制中的实际应用.     

基因表达式编程在组合预测建模中的应用

介绍一种利用基因表达式编程的方法来自动生成非线性函数的组合预测模型,并进行误差估计分析, 改变过去只依靠各个子方法的简单线性相加,不能很好地反映非线性真实世界的传统组合预测建模方法.通过对我国CPI的真实历史数据验证, 验证结果表明: 与传统的ARIMA,灰色GM(1,1), BP神经网络和线性组合预测四种方法对比,基因表达式编程建立的组合预测模型所预测的数据准确度明显提高.     

基于包容性检验的舰船装备维修费组合预测

针对舰船装备维修费组合预测中,容易出现预测模型数量多于用于组合预测的样本数量,以及在已有舰船装备维修费组合预测模型中增加一个预测时,可能会降低组合预测性能的问题,通过对现有两模型包容性检验方法的分析,提出了带有截距项的多模型组合包容性检验。在此基础上,通过按模型的优劣次序逐步进行包容性检验和组合的思路,提出了基于包容性检验的舰船装备维修费组合预测模型选择方法,不仅可以降低包容性检验的计算量,而且可以提高舰船装备维修费组合预测的性能。