組合預(yù)測的思想主要是為了充分利用各單項預(yù)測方法中的信息,將各種單項方法的預(yù)測優(yōu)勢綜合起來,從而提高預(yù)測的精度,降低由于預(yù)測方法單一可能導(dǎo)致的預(yù)測風(fēng)險。目前,已經(jīng)在金融管理、環(huán)境監(jiān)管、疾病防控、政策制定等社會各方面的領(lǐng)域得到廣泛的應(yīng)用�，F(xiàn)在,組合預(yù)測的研究主要圍繞以下兩個方面的問題展開:第一,在客觀性和準(zhǔn)確性的前提下,各單項預(yù)測方法的加權(quán)系數(shù)如何確定�，F(xiàn)有的組合預(yù)測模型,最常用的方法之一是構(gòu)建預(yù)測誤差最小的優(yōu)化模型,求解出最優(yōu)的加權(quán)系數(shù),或者是基于信息集成算子對單項預(yù)測方法的數(shù)據(jù)集成。兩者均取得了較好的效果。這些模型通過權(quán)重直接將各單項預(yù)測方法綜合起來,只考慮到了單項預(yù)測方法本身反映出來的信息,而沒有考慮到不同單項預(yù)測方法的預(yù)測結(jié)果,表示的信息是否存在重疊的情況,給組合預(yù)測帶來冗余信息的問題;第二,由于現(xiàn)實(shí)情況復(fù)雜性的增加,實(shí)數(shù)型預(yù)測在一定程度上較難準(zhǔn)確描述某一現(xiàn)象。比如銀行的存款,經(jīng)濟(jì)的增長等。隨著這種不確定性以及描述系統(tǒng)數(shù)據(jù)的模糊性增加,預(yù)測模型的模糊性也隨之變大。因此,近些年將區(qū)間數(shù)引入單項預(yù)測模型的研究越來越多。但是區(qū)間數(shù)的組合預(yù)測模型,在構(gòu)建預(yù)測誤差最小時,常見的是將區(qū)間的左右... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

013年模型預(yù)測值與真實(shí)值圖像

第三章基于建模過程的集成預(yù)測模型16表3.22017年臺灣加權(quán)股價指數(shù)的部分預(yù)測值（續(xù)）………………2017/12/2810567.6410485.1659310463.4995410483.0910481.172017/12/2910642.8610566.3380610548.9000810565.8910537.903.2.1預(yù)測評價指標(biāo)為了評價模型的優(yōu)劣，本文選取了以下指標(biāo)來衡量預(yù)測的準(zhǔn)確性。均方誤差（MAE）,誤差平方和(SSE),誤差平方根(RMSE)和均方誤差百分比(MAPE)四個指標(biāo)作為評價依據(jù)。11NiiiMAESSN21NiiiSSESS211NiiiRMSESSN11NiiiiSSMAPENS其中,1,2,,iSiN表示真實(shí)值，,1,2,,iiNS表示真實(shí)值，以上四個指標(biāo)均是越小越好。3.2.2預(yù)測結(jié)果部分評價預(yù)測結(jié)果的指標(biāo)數(shù)據(jù)結(jié)果在表3.2中給出。圖3.1-圖3.4分別給出2013-2016年的模型預(yù)測值擬合圖像。圖3.12013年模型預(yù)測值與真實(shí)值圖像圖3.22014年模型預(yù)測值與真實(shí)值圖像

安徽大學(xué)碩士學(xué)位論文17圖3.32015年模型預(yù)測值與真實(shí)值圖像圖3.42016年模型預(yù)測值與真實(shí)圖像3.2.3結(jié)果分析本節(jié)主要分析本文提出的模型和其他三種方法的比較結(jié)果,分別是二次指數(shù)平滑、BP神經(jīng)網(wǎng)絡(luò)（開盤價，最高價,最低價作為輸入,收盤價作為輸出構(gòu)建網(wǎng)絡(luò)）和回歸分析。具體預(yù)測性能的指標(biāo)在表3.3中給出,下面以2017年的結(jié)果為例給出結(jié)果的詳細(xì)表述。表3.32013-2017年模型預(yù)測性能指標(biāo)年份指標(biāo)二次指數(shù)平滑BP神經(jīng)網(wǎng)絡(luò)回歸分析本文模型2013誤差平方和142266.8106195770.2787189971.2956102247.6843絕對誤差百分比0.00580.00650.00580.0047均方根58.200668.273066.467649.3403均值絕對誤差48.018454.403852.677539.37152014誤差平方和233920.2037192576.87189971.2956169601.1557絕對誤差百分比0.00690.00580.00580.0056均方根73.756466.921866.467662.8030均值絕對誤差62.874852.395852.677550.36422015誤差平方和335025.53751136573.6960450791.3708338276.5506絕對誤差百分比0.00900.01510.00960.0081均方根88.2683162.5790102.389188.6955均值絕對誤差75.6916127.277280.721368.5097

【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)動態(tài)三次指數(shù)平滑法在交通預(yù)測中的應(yīng)用[J]. 曹邦興.  吉首大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[2]基于時間序列分解與支持向量回歸的短期電力能耗預(yù)測研究[J]. 左志宏,趙云鵬,劉竹,肖鵬.  信息系統(tǒng)工程. 2019(08)
[3]基于EMD-BP神經(jīng)網(wǎng)絡(luò)的游客量預(yù)測研究[J]. 陸利軍,廖小平.  統(tǒng)計與決策. 2019(04)
[4]模糊環(huán)境下的組合預(yù)測模型及其在電力負(fù)荷中的應(yīng)用[J]. 朱家明,丁珍妮,陳華友,周禮剛,劉金培.  模糊系統(tǒng)與數(shù)學(xué). 2018(02)
[5]基于UWPA算子的區(qū)間組合預(yù)測模型及其應(yīng)用[J]. 朱家明,陳華友,周禮剛,程玲華.  統(tǒng)計與決策. 2015(19)
[6]直覺模糊時間序列建模及應(yīng)用[J]. 鄭寇全,雷英杰,王睿,王藝菲.  控制與決策. 2013(10)
[7]基于連續(xù)有序加權(quán)平均算子的區(qū)間組合預(yù)測[J]. 金飛飛,李捷,陳華友,周禮剛.  武漢理工大學(xué)學(xué)報(信息與管理工程版). 2013(05)
[8]基于Theil左右不等系數(shù)的區(qū)間組合預(yù)測[J]. 張進(jìn),陶志富,陳華友.  合肥師范學(xué)院學(xué)報. 2010(03)
[9]區(qū)間時間序列預(yù)測準(zhǔn)確度探討[J]. 徐惠莉,吳柏林,江韶珊.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2008(01)
[10]IOWHA算子及其在組合預(yù)測中的應(yīng)用[J]. 陳華友,劉春林,盛昭瀚.  中國管理科學(xué). 2004(05)

碩士論文
[1]基于時間序列分析的散雜貨港口吞吐量短期預(yù)測研究[D]. 薛艷茹.北京交通大學(xué) 2019
[2]基于NARX神經(jīng)網(wǎng)絡(luò)時序預(yù)測模型的分簇數(shù)據(jù)融合研究[D]. 何超杰.重慶郵電大學(xué) 2017
[3]區(qū)間數(shù)據(jù)回歸分析[D]. 趙茹.天津大學(xué) 2014
[4]基于ADL模型干預(yù)模型和VAR模型的量價關(guān)系研究[D]. 朱冬和.海南師范大學(xué) 2011



本文編號：3329676