為對區(qū)間模糊數(shù)進行研究分析,本文首先將區(qū)間模糊數(shù)轉換為等量信息的精確數(shù)序列,結合ARIMA模型和BP神經網(wǎng)絡的優(yōu)點,對轉換后的精確數(shù)序列分別建立以ARIMA模型與BP神經網(wǎng)絡的組合模型,最后區(qū)間模糊數(shù)序列的擬合值和預測值可利用還原公式得到。文章以二元區(qū)間模糊數(shù)為研究對象,建立了以ARIMA模型與BP神經網(wǎng)絡的組合模型。數(shù)值實驗表明,該方法有效可行,預測精度要優(yōu)于ARIMA模型。 

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]基于LSTM-BP組合模型的短時交通流預測[J]. 李明明,雷菊陽,趙從健.  計算機系統(tǒng)應用. 2019(10)
[2]基于三角模糊數(shù)及GIOWA算子的區(qū)間型組合預測模型[J]. 杜康,袁宏俊,鄭亞男.  統(tǒng)計與決策. 2019(16)
[3]基于三角模糊數(shù)相似度的區(qū)間型組合預測模型[J]. 袁宏俊,杜康,胡凌云.  統(tǒng)計與決策. 2019(06)
[4]基于BP-RBF神經網(wǎng)絡的組合模型預測港口物流需求研究[J]. 蔡婉貞,黃翰.  鄭州大學學報(工學版). 2019(05)
[5]基于面積型中心誤差準則的模糊組合預測模型及應用[J]. 丁珍妮,陳華友,朱家明.  模糊系統(tǒng)與數(shù)學. 2018(03)
[6]ARIMA模型在京津冀區(qū)域手足口病發(fā)病趨勢預測中的應用[J]. 洪志敏,郝慧,房祥忠,肖革新,魏利東.  數(shù)理統(tǒng)計與管理. 2018(02)
[7]屬性值和權重均是區(qū)間三角模糊數(shù)的群體決策方法[J]. 楊雷,漆國懷.  模糊系統(tǒng)與數(shù)學. 2017(01)
[8]基于區(qū)間二型模糊數(shù)的多屬性群體灰色關聯(lián)決策方法[J]. 高志方,盛冠帥,彭定洪.  數(shù)學的實踐與認識. 2016(24)
[9]基于BP神經網(wǎng)絡的大氣污染物濃度預測[J]. 孫寶磊,孫暠,張朝能,史建武,鐘曜謙.  環(huán)境科學學報. 2017(05)
[10]基于ICOFWA算子的連續(xù)區(qū)間模糊組合預測模型及其應用[J]. 朱家明,陳華友,周禮剛,劉金培.  模糊系統(tǒng)與數(shù)學. 2016(03)



本文編號：3666169