本文選題：模糊時間序列　切入點：模糊關系　出處：《大連理工大學》2012年博士論文　論文類型：學位論文

【摘要】：模糊時間序列模型是為了解決經(jīng)典時間序列分析方法不能處理模糊問題而誕生的。隨著人們解決復雜問題需要的日益增加,對它的研究越來越深入,它的應用也越來越廣泛。從模型的理論研究而言,建立模糊關系和關系矩陣、提取預測規(guī)則和提高模型預測的準確率等一直是模糊時間序列分析研究的重點。本文在回顧國內(nèi)外模糊時間序列模型的理論和應用研究的基礎上,結合模型對上海及臺灣股票交易綜合指數(shù)趨勢變化的分析,主要做了如下幾個方面的工作： (1)對傳統(tǒng)模糊時間序列預測模型的進行了數(shù)學公式化地概括,并提出了一種建立加權模糊時間序列預測模型的方法。針對現(xiàn)有文獻中對模型的介紹常常只是利用例子給出它的應用過程,很少有數(shù)學公式化的表達。本文在分析三種典型模型的基礎上,提出了數(shù)學化的預測模型,使模型形式更直觀,理論上更完善。針對傳統(tǒng)模型在利用模糊關系進行預測時容易造成樣本數(shù)據(jù)信息失真的問題,提出了一種建立加權模型的方法。本文不僅將該方法應用在對三種典型模型的改進上,還從理論上討論了經(jīng)過這種方法改進后的模型與原模型之間的聯(lián)系,并以此方法為基礎提出了基于二型模糊集的加權模糊時間序列預測模型。最后,利用對股票指數(shù)預測的實驗對加權模型的參數(shù)與預測結果之間的聯(lián)系進行了深入分析,同時還對三個典型模型和二型模糊集模型的改進前后的結果進行了討論,實驗結果證明了提出的方法能有效提高模型的預測效果。 (2)建立了基于AFS理論、C-模糊決策樹和證據(jù)理論的模糊時間序列模型。在簡單介紹AFS理論、C-模糊決策樹和證據(jù)理論的基礎上,針對模糊時間序列模型在利用模糊關系確定預測規(guī)則方面的不足,提出了與這三種方法結合的模糊時間序列預測模型。在第一個模型中,本文通過建立AFS決策樹,對決策樹進行剪枝得到每一類的規(guī)則庫,從而得到模糊預測規(guī)則,并建立規(guī)則庫,最后利用規(guī)則庫進行預測。第二個模型中,本文對C-模糊決策樹的生成和剪枝過程利用信息熵增加了一個條件,提高了模型的運算效率,并用K近鄰方法融合模糊規(guī)則進行模型的預測工作。最后,在基于證據(jù)理論的模型中,為了保證證據(jù)合成公式滿足冪等律,本文對證據(jù)的合成公式作了改進,并建立了基于證據(jù)理論的模型。所有新建立的模型都通過實驗分析了模型參數(shù)對預測結果的影響,并與參照的模型進行了比較,實驗證明了這三個模型在應用過程中的優(yōu)勢。 (3)提出了廣義模糊關系的概念,并建立了廣義模糊時間序列模型和高階廣義模糊時間序列模型。針對傳統(tǒng)模型在利用模糊關系進行預測時只考慮觀測值對應的隸屬度最大的模糊子集而造成樣本數(shù)據(jù)包含信息的丟失問題,本文在傳統(tǒng)模糊時間序列模型的框架下,提出了廣義模糊邏輯關系和廣義模糊時間序列模型。廣義模糊邏輯關系既包含了相鄰樣本之間的主要邏輯關系,又包含了次要邏輯關系,因而更符合理論和現(xiàn)實需要。為建立廣義模糊時間序列模型,本文先給出了對不同層次之間模糊關系信息的融合運算,然后用入學人數(shù)數(shù)據(jù)演示了模型的應用過程。最后,為了更好地推廣廣義模型,本文還提出了高階廣義模糊時間序列預測模型。兩個模型都通過實驗就模型參數(shù)對結果的影響進行了深入地分析,實驗結果還表明廣義模糊時間序列模型能很好地概括模糊序列所包含的信息,得到比較同類模型更好的預測結果。 最后,論文總結了全部的研究工作,并簡要展望了今后的研究方向。
[Abstract]:......
【學位授予單位】：大連理工大學
【學位級別】：博士
【學位授予年份】：2012
【分類號】：F830.91;F224

【引證文獻】

相關博士學位論文 前1條

1 陶麗麗;基于AFS理論的管理方法及其應用研究[D];大連海事大學;2013年

相關碩士學位論文 前1條

1 董淑麗;模糊時間序列模型的改進算法研究[D];大連理工大學;2013年

，

本文編號：1600201