本文關(guān)鍵詞：基于自相關(guān)函數(shù)的模糊時間序列模型的優(yōu)化算法

  更多相關(guān)文章： 模糊時間序列 自相關(guān)函數(shù) 規(guī)則權(quán)重 特征展開法

【摘要】：由于模糊時間序列模型在處理語言值是不完整、不確定的問題上所顯示出的優(yōu)勢,受到越來越多的研究者的關(guān)注。目前,模糊時間序列已被應(yīng)用于預(yù)測景點旅游人數(shù)、溫度預(yù)測、股指預(yù)測、網(wǎng)絡(luò)用戶數(shù)量和腎綜合征出血熱發(fā)病率等方面。許多學(xué)者為了提高模糊時間序列模型預(yù)測精度,提出了不同的模糊預(yù)測方法,大多數(shù)方法重點都在改進(jìn)論域劃分和模糊規(guī)則兩方面。模糊時間序列是由經(jīng)典時間序列轉(zhuǎn)化而來的,而經(jīng)典時間序列必然涉及到數(shù)據(jù)間的相關(guān)性,通過數(shù)據(jù)的模糊化依然不能改變這種相關(guān)性,因而導(dǎo)致模糊時間序列模型中模糊規(guī)則的前件對后件的影響是不同的。針對模糊時間序列模型中模糊推理規(guī)則研究沒有涉及到時間序列的相關(guān)性理論,本文提出了一種時間序列的自相關(guān)理論與模糊時間序列相結(jié)合的新算法。該算法首先進(jìn)行數(shù)據(jù)平穩(wěn)化,若時間序列均值非平穩(wěn),采用差分變換把樣本平穩(wěn)化；若方差非平穩(wěn),采用對數(shù)變換；若均值和方差都不平穩(wěn),則先采用對數(shù)變換,再采用差分變換將非平穩(wěn)過程轉(zhuǎn)換為平穩(wěn)過程；然后運用傳統(tǒng)的數(shù)據(jù)模糊化方法得到模糊集,進(jìn)而建立模糊規(guī)則；其次,運用自相關(guān)函數(shù)理論對模糊規(guī)則進(jìn)行優(yōu)化加權(quán),并且在計算權(quán)重時改進(jìn)了離差標(biāo)準(zhǔn)化方法；最后,通過對Alabama大學(xué)注冊人數(shù)的預(yù)測并與以往的模糊時間序列的預(yù)測模型和傳統(tǒng)時間序列預(yù)測模型的預(yù)測結(jié)果對比,驗證了新方法的有效性。
【關(guān)鍵詞】：模糊時間序列 自相關(guān)函數(shù) 規(guī)則權(quán)重 特征展開法
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：O211.61
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-12
• 1.1 引言9-10
• 1.2 存在的問題與本文的主要工作10
• 1.3 全文的結(jié)構(gòu)安排10-12
• 第2章 相關(guān)知識介紹12-26
• 2.1 模糊集理論12-16
• 2.2 時間序列16-18
• 2.3 平穩(wěn)時間序列模型18-19
• 2.4 非平穩(wěn)時間序列模型19-21
• 2.5 自相關(guān)函數(shù)和偏相關(guān)函數(shù)21-22
• 2.6 模糊時間序列22-26
• 第3章 傳統(tǒng)時間序列預(yù)測模型26-33
• 3.1 經(jīng)典時間序列算法的描述26-27
• 3.2 應(yīng)用舉例27-33
• 第4章 基于自相關(guān)函數(shù)的模糊時間序列的優(yōu)化方法33-41
• 4.1 新算法的描述33-35
• 4.2 應(yīng)用舉例35-41
• 總結(jié)41-42
• 參考文獻(xiàn)42-46
• 攻讀學(xué)位期間公開發(fā)表論文46-47
• 致謝47-48
• 研究生履歷48

【參考文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 曲宏巍;模糊時間序列模型相關(guān)理論的研究[D];大連海事大學(xué);2012年

，

本文編號：768092