發(fā)布時間：2018-01-08 09:14

  本文關(guān)鍵詞：基于關(guān)聯(lián)度的優(yōu)性區(qū)間型組合預測模型研究　出處：《安徽財經(jīng)大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 區(qū)間型組合預測 灰色關(guān)聯(lián)度 區(qū)間數(shù)關(guān)聯(lián)度 聯(lián)系數(shù)關(guān)聯(lián)度 GIOWA算子

【摘要】：由于數(shù)據(jù)樣本具有異質(zhì)性,因此針對研究對象的預測方法應進行差異化處理。有時盡管找到的預測方法整體上已較為匹配,但是在某些特殊時間點的預測誤差仍然較大。組合預測則是通過組合幾種不同的單項預測方法,然后附上權(quán)重系數(shù),進而建立組合預測模型,充分提取各個預測方法中的有效信息,吸取它們的優(yōu)點,規(guī)避它們的缺點,提高預測精度。建立組合預測模型的關(guān)鍵問題就是如何構(gòu)建適當?shù)哪繕藴蕜t和信息集成算子,綜合衡量各個預測方法,求出各單項方法在組合預測中的權(quán)重,進而得到更加準確的預測值。目前,各類組合預測方法大都運用于實數(shù)樣本數(shù)據(jù)。然而,在實際的工作及生活中,人們對研究對象進行描述時會面臨數(shù)據(jù)本身的不確定性、觀測者主觀思維的模糊性等問題,使得人們難以用較為準確的數(shù)據(jù)對研究對象進行描述。針對上述這些問題,文章嘗試將實數(shù)序列換成區(qū)間數(shù)序列,使得組合預測方法更有意義。為了探究區(qū)間型數(shù)據(jù)的研究對象,全文構(gòu)建了六個區(qū)間數(shù)組合預測模型,并且通過理論證明和實例驗證對其有效性進行了說明。本文的主要內(nèi)容如下:(1)分別對區(qū)間數(shù)的中點和半徑運用灰色關(guān)聯(lián)度指標作為目標準則,構(gòu)建基于灰色關(guān)聯(lián)度的優(yōu)性區(qū)間型組合預測多目標模型,偏好系數(shù)被引入模型中,從而實現(xiàn)多目標的單一化,使得模型得以計算,具體包括定權(quán)系數(shù)的組合預測模型和引入GIOWA算子的變權(quán)系數(shù)的組合預測模型,研究了定權(quán)系數(shù)模型的有效性理論:非劣性區(qū)間數(shù)組合預測的理論研究、組合預測中是否存在冗余單項方法的判斷定理、冗余信息的判定定理,同時選取某省社會保障水平適度區(qū)間值作為樣本,實例運算并驗證了兩類模型的有效性。(2)構(gòu)建新的區(qū)間數(shù)關(guān)聯(lián)度指標作為目標準則,分別建立基于區(qū)間數(shù)關(guān)聯(lián)度的優(yōu)性組合預測模型,基于區(qū)間數(shù)關(guān)聯(lián)度及GIOWA算子變權(quán)重的組合預測模型,研究了定權(quán)重模型的有效性理論:非劣性區(qū)間數(shù)組合預測的理論研究、組合預測中是否存在冗余單項方法的判斷定理、冗余信息的判定定理,同時選取某省社會保障水平適度區(qū)間值作為樣本,實例計算驗證了兩類模型的有效性。(3)將區(qū)間數(shù)轉(zhuǎn)變?yōu)槎?lián)系數(shù),構(gòu)建新的二元聯(lián)系數(shù)關(guān)聯(lián)度指標作為目標準則,分別建立基于聯(lián)系數(shù)關(guān)聯(lián)度的優(yōu)性組合預測模型,基于聯(lián)系數(shù)關(guān)聯(lián)度與GIOWA算子變權(quán)重的組合預測模型,研究了定權(quán)系數(shù)模型的有效性理論:非劣性區(qū)間數(shù)組合預測的理論研究、組合預測中是否存在冗余單項方法的判斷定理、冗余信息的判定定理,同時使用某省社會保障水平適度區(qū)間值,實例運算并驗證了兩類模型的有效性。
[Abstract]:Because the data sample is heterogeneous, so the prediction method based on the research object should be differentiated. Sometimes although the overall prediction method found has been more, but in some special time point of the forecast error is still large. The combination forecast is forecast method by combining several different items, then attach weights, and then set up the combination forecasting model, fully extract effective information of each forecasting method, from their advantages and avoid their disadvantages, improve the prediction accuracy. The establishment of how to build the objective criteria and information integration operator appropriate key combination forecasting model, a comprehensive measure of each prediction method, calculate the weight of each method in the combination forecasting then, to get a more accurate prediction value. At present, all kinds of combination forecasting methods are applied to real sample data. However, in the actual Work and life, to describe the object of study people will face data uncertainty, fuzzy observer problems such as subjective thinking, making it difficult to describe the research object with accurate data. In view of the above questions, this article will try to change the real sequence of interval number sequence, the combination forecasting method is more in order to explore the research object. The interval data, this paper constructs six interval combination forecasting model, and its effectiveness is illustrated through theoretical proof and example verification. The main contents of this paper are as follows: (1) of interval number and the midpoint radius using gray correlation index as the objective criterion, construction optimal interval combination grey prediction model based on multi-objective, preference coefficient is introduced in the model, the single achieved the goal, so that the model can be The specific combination of calculation, combination forecasting model including fixed weight coefficient and introducing GIOWA operator variable weight coefficient prediction model, researches the theory of effective weighting coefficient model: theoretical study of non inferiority interval combination forecasting, judging whether there is redundant single theorem of combination forecasting method, theorem of redundant information. At the same time, choose a moderate social security level interval value as the sample, the calculation and verify the validity of the two models. (2) to construct interval correlation indicators as a new target, optimal combination forecasting models are established based on correlation degree of interval number, interval number combination relation degree and GIOWA operator variable weight prediction based on the model, study the theory of the validity of the weight model: a theoretical study of noninferior combination forecasting interval, the existence of redundant single method of combination forecast the judgment theorem, redundancy Theorem of additional information, and choose a moderate social security level interval value as the sample calculation to verify the effectiveness of the two model. (3) the interval number into two element connection number, set two element connection number new index as the objective criterion, optimal combination forecasting models are established connection number based on correlation, combination of connection number correlation and GIOWA operator variable weight prediction model based on the theory research, effective weighting coefficient model: theoretical study of non inferiority interval combination forecasting, judging whether there is redundant single theorem of combination forecasting method, theorem of redundant information, at the same time the use of a society the appropriate level of protection interval value calculation, and verify the validity of the two models.

【學位授予單位】：安徽財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F224

【相似文獻】

相關(guān)期刊論文 前10條

1 周傳世;;再論最優(yōu)組合預測模型的確定[J];廣東商學院學報;1993年04期

2 曾勇,唐小我;幾種無偏組合預測模型的分析[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;1996年11期

3 董景榮;基于遺傳輔助設(shè)計的匯率組合預測模型研究[J];中國管理科學;2000年S1期

4 曾勇,唐小我,鄭維敏;基于斯坦規(guī)則和誤差校正的組合預測模型[J];管理科學學報;2001年06期

5 陳華友,侯定丕;基于預測有效度的優(yōu)性組合預測模型研究[J];中國科學技術(shù)大學學報;2002年02期

6 夏勇軍;組合預測模型中折扣系數(shù)的取法[J];貴州財經(jīng)學院學報;2002年02期

7 張秋菊;何躍;馬海霞;劉成昭;;組合預測模型在工業(yè)增加值預測中的應用[J];統(tǒng)計與決策;2006年17期

8 周世國;;多指標預測模型的糾偏組合預測模型[J];鄭州大學學報(理學版);2007年04期

9 李國柱;王亞鴿;楊金偉;;我國居民消費的組合預測模型[J];當代經(jīng)濟管理;2007年06期

10 金興;錢芝網(wǎng);;銷售組合預測模型構(gòu)建及實證分析[J];商業(yè)時代;2009年25期

相關(guān)會議論文 前10條

1 謝如賢;成盛超;程仕軍;陳思華;;變結(jié)構(gòu)組合預測模型的建立與應用[A];全國青年管理科學與系統(tǒng)科學論文集（第2卷）[C];1993年

2 董景榮;;基于遺傳輔助設(shè)計的匯率組合預測模型研究[A];面向復雜系統(tǒng)的管理理論與信息系統(tǒng)技術(shù)學術(shù)會議專輯[C];2000年

3 馬永開;唐小我;;組合預測模型研究[A];管理科學與系統(tǒng)科學進展——全國青年管理科學與系統(tǒng)科學論文集（第4卷）[C];1997年

4 成樞;劉國林;高放;;最優(yōu)組合預測模型及其在變形預測中的應用[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

5 何迎東;吳婉瑩;郭u&;陳華友;;基于離消度的組合預測模型及其應用[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學者大會論文集[C];2012年

6 陳華友;程蕾;張倩;;基于相關(guān)系數(shù)的IOWA算子最優(yōu)組合預測模型[A];第四屆中國不確定系統(tǒng)年會論文集[C];2006年

7 陳華友;;IOWA算子的組合預測模型及在所得稅預測中的應用[A];第三屆不確定系統(tǒng)年會論文集[C];2005年

8 謝正文;孔凡玉;胡毅夫;;基于熵權(quán)的沉降組合預測模型及應用[A];第一屆中國水利水電巖土力學與工程學術(shù)討論會論文集（下冊）[C];2006年

9 王永光;趙國浩;;變權(quán)組合預測模型在中國煤炭需求預測中的應用[A];2007中國可持續(xù)發(fā)展論壇暨中國可持續(xù)發(fā)展學術(shù)年會論文集（4）[C];2007年

10 王尚俊;吳剛;陳華友;周禮剛;;基于廣義10WA算子的組合預測模型及在卷煙消費需求中應用[A];第十一屆中國不確定系統(tǒng)年會、第十五屆中國青年信息與管理學者大會論文集[C];2013年

相關(guān)博士學位論文 前5條

1 趙川;重載交通對高速公路橋梁的疲勞影響研究[D];河北工業(yè)大學;2015年

2 于志恒;基于智能理論的交通流量組合預測模型研究[D];東北師范大學;2016年

3 向昌盛;基于支持向量機的時間序列組合預測模型[D];湖南農(nóng)業(yè)大學;2011年

4 萬玉成;基于未確知性的預測與決策方法及其應用研究[D];東南大學;2004年

5 南曉強;風電預測技術(shù)及其運行分析[D];西南交通大學;2013年

相關(guān)碩士學位論文 前10條

1 宋鶴;基于WEB的風電場可視化監(jiān)測技術(shù)研究[D];沈陽理工大學;2015年

2 高興良;基于逐步回歸分析的組合神經(jīng)網(wǎng)絡股指預測研究[D];哈爾濱工業(yè)大學;2015年

3 Phanthavong Tulaxay;基于小波-BP神經(jīng)網(wǎng)絡的貝葉斯概率組合預測模型及其在預報調(diào)度中的應用[D];華北電力大學;2015年

4 徐曉波;電動汽車充/換電站短期負荷預測方法研究[D];華北電力大學;2015年

5 蔣星;基于趨勢點模型的超短期風電功率預測研究[D];廣西大學;2015年

6 奚晨;組合預測模型的應用與研究[D];蘭州大學;2015年

7 周清平;滬深300指數(shù)的組合預測模型研究[D];蘭州大學;2015年

8 熊威;顧及多效應的混凝土壩位移聯(lián)合預報與監(jiān)控分析[D];南昌大學;2015年

9 李瀅;基于灰色理論的車輛輪對踏面磨損預測研究[D];蘭州交通大學;2015年

10 吳念;地區(qū)電網(wǎng)中長期負荷組合預測模型和方法研究[D];華南理工大學;2012年

，

本文編號：1396501