模糊時(shí)間序列模型在處理具有模糊屬性的數(shù)據(jù)時(shí)具有獨(dú)特的優(yōu)勢(shì),傳統(tǒng)的模糊時(shí)間序列模型大多是處理單變量或大樣本多變量的問(wèn)題,事實(shí)上,現(xiàn)實(shí)生活中存在大量多變量且小樣本的時(shí)間序列需要分析與預(yù)測(cè),為了避免因用傳統(tǒng)的模型可能產(chǎn)生的模型因果判定偏差或預(yù)測(cè)錯(cuò)誤,建立可以處理小樣本的多變量模糊時(shí)間序列模型具有重要的理論和現(xiàn)實(shí)意義。本文以提高小樣本時(shí)多變量模糊時(shí)間序列模型的預(yù)測(cè)精度為目標(biāo),結(jié)合信息分配可以有效識(shí)別小樣本信息的特點(diǎn),基于信息分配技術(shù)構(gòu)建了一個(gè)多變量模糊時(shí)間序列模型,通過(guò)分配樣本點(diǎn)攜帶的信息至兩部分以填補(bǔ)小樣本中存在的信息空隙,進(jìn)而達(dá)到提高預(yù)測(cè)精度的目的。正態(tài)信息擴(kuò)散可以將知識(shí)樣本點(diǎn)攜帶的信息擴(kuò)散到多個(gè)監(jiān)控點(diǎn),提高了對(duì)系統(tǒng)的認(rèn)識(shí)能力,可以更有效地提高小樣本時(shí)間序列預(yù)測(cè)的準(zhǔn)確率,因此本文基于正態(tài)信息擴(kuò)散構(gòu)建了另一個(gè)多變量模糊時(shí)間序列模型。選擇2001～2017年能源消費(fèi)總量、人均GDP、二氧化硫排放量的時(shí)間序列數(shù)據(jù)進(jìn)行案例分析;并討論模糊度對(duì)信息分配模型、信息擴(kuò)散系數(shù)對(duì)正態(tài)信息擴(kuò)散模型的影響;選擇經(jīng)典馬爾可夫模糊時(shí)間序列模型作為對(duì)比模型,以此驗(yàn)證本文構(gòu)建模型的有效性。主要結(jié)論歸納如下:（1）IDM... 

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景和意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
        1.2.3 國(guó)內(nèi)外研究現(xiàn)狀評(píng)述
    1.3 本文研究?jī)?nèi)容與方法
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究方法
    1.4 技術(shù)路線
2 相關(guān)理論基礎(chǔ)
    2.1 模糊時(shí)間序列
        2.1.1 時(shí)間序列
        2.1.2 模糊時(shí)間序列
    2.2 模糊信息優(yōu)化理論
        2.2.1 信息分配理論
        2.2.2 信息擴(kuò)散理論
    2.3 模糊近似推理理論
    2.4 模糊集重心理論
    2.5 本章小結(jié)
3 基于信息分配的多變量模糊時(shí)間序列模型
    3.1 基于信息分配的時(shí)間序列模糊化
    3.2 模糊信息矩陣的建立
        3.2.1 單個(gè)樣本點(diǎn)的模糊信息矩陣
        3.2.2 樣本集的模糊信息矩陣
    3.3 模糊關(guān)系矩陣的建立
    3.4 預(yù)測(cè)模型的建立
    3.5 本章小結(jié)
4 基于正態(tài)信息擴(kuò)散的多變量模糊時(shí)間序列模型
    4.1 時(shí)間序列模糊化
        4.1.1 基于正態(tài)信息擴(kuò)散的時(shí)間序列模糊化
        4.1.2 正態(tài)信息擴(kuò)散系數(shù)的選擇
    4.2 模糊信息矩陣的建立
        4.2.1 單個(gè)樣本點(diǎn)的模糊信息矩陣
        4.2.2 樣本集的模糊信息矩陣
    4.3 模糊關(guān)系矩陣的建立
    4.4 預(yù)測(cè)模型的建立
    4.5 本章小結(jié)
5 案例分析——SO_2排放量預(yù)測(cè)
    5.1 指標(biāo)的選取和說(shuō)明
        5.1.1 二氧化硫排放量(ESO_2)
        5.1.2 能源消費(fèi)總量(TEC)
        5.1.3 人均GDP(PCGDP)
    5.2 數(shù)據(jù)來(lái)源
    5.3 基于信息分配的模糊時(shí)間序列模型預(yù)測(cè)
        5.3.1 模糊度的選擇
        5.3.2 模糊度△_1的IDMFTSM預(yù)測(cè)
        5.3.3 不同模糊度的IDMFTSM預(yù)測(cè)
        5.3.4 結(jié)果比較分析
    5.4 基于正態(tài)信息擴(kuò)散的模糊時(shí)間序列模型預(yù)測(cè)
        5.4.1 信息擴(kuò)散系數(shù)h_0的NDMFTSM預(yù)測(cè)
        5.4.2 信息擴(kuò)散系數(shù)h_(MSE)的NDMFTSM預(yù)測(cè)
        5.4.3 結(jié)果比較分析
    5.5 經(jīng)典多變量馬爾可夫模糊時(shí)間序列模型預(yù)測(cè)
        5.5.1 模糊度△_1的Markov預(yù)測(cè)
        5.5.2 信息擴(kuò)散系數(shù)h_0的Markov預(yù)測(cè)
    5.6 模型預(yù)測(cè)結(jié)果對(duì)比分析
        5.6.1 Markov_(△1)與IDMFTSM_(△1)模型的預(yù)測(cè)結(jié)果比較
        5.6.2 Markov_(h0)與NDMFTSM_(h0)模型的預(yù)測(cè)結(jié)果比較
        5.6.3 IDMFTSM_(△1)與NDMFTSM_(h0)模型的預(yù)測(cè)結(jié)果比較
        5.6.4 模型評(píng)價(jià)
    5.7 本章小結(jié)
6 主要結(jié)論與展望
    6.1 主要結(jié)論
    6.2 不足與展望
參考文獻(xiàn)
致謝
在學(xué)期間主要研究成果



本文編號(hào)：3665140