【摘要】：在預(yù)測領(lǐng)域,對于同一個預(yù)測問題,往往可以找到多種不同的預(yù)測方法。與此同時,對于同一預(yù)測問題,也會有多個不同的預(yù)測機(jī)構(gòu)給出自己的預(yù)測結(jié)果,這些結(jié)果都會存在差異和各自的特點。而面對來自于不同模型,不同預(yù)測機(jī)構(gòu)的多種預(yù)測結(jié)果,決策者很難分辨哪一個更好。經(jīng)驗表明,往往這些單一模型的預(yù)測結(jié)果并不穩(wěn)定。所以,研究如何充分利用所能獲得的多種預(yù)測結(jié)果,經(jīng)過融合分析來提高預(yù)測的準(zhǔn)確性和穩(wěn)定性,是具有研究價值和意義的。文中提出了一種新的數(shù)據(jù)融合方法,該方法將預(yù)測結(jié)果中的點估計值拓展成估計區(qū)間,將這些拓展區(qū)間求并集,并將得到的并集均分成各種等間距子區(qū)間,通過對子區(qū)間進(jìn)行投票,從而選出融合區(qū)間,得到融合結(jié)果。這種新的融合方法將機(jī)器學(xué)習(xí)中用于多分類器信息融合的投票法(voting)引入了對預(yù)測信息的融合中。在文中實例驗證部分該方法被應(yīng)用于國際油價和能源需求預(yù)測中。該融合方法能夠?qū)︻A(yù)測結(jié)果進(jìn)行顯著的優(yōu)化,并具有很好的穩(wěn)定性。在對國際油價預(yù)測并融合的7組結(jié)果中,用該融合方法得到的結(jié)果始終處于最優(yōu)和次優(yōu)階段,表現(xiàn)始終比較出眾,其余單個模型的表現(xiàn)時好時壞,存在不同程度的波動,并不穩(wěn)定。同樣,這種穩(wěn)定性也表現(xiàn)在了對能源需求的預(yù)測案例中。同時,該方法不需要大量的前期訓(xùn)練數(shù)據(jù),過程易程序化,對數(shù)據(jù)源沒有太多的限制,也為解決組合預(yù)測中的組合困擾(combination puzzle)問題提供了一個可行的思路。
【圖文】：

是選取了自己認(rèn)為最有價值或自己能夠獲得有效數(shù)據(jù)的幾個影響因素來進(jìn)行分這也就相當(dāng)于只是從有限的角度去分析研究這些預(yù)測問題，所以得到的結(jié)果必然面的。在如今這個信息時代，獲取各種信息源的預(yù)測結(jié)果已經(jīng)變得越來越方便，用好所有這些有價值的信息，從而對預(yù)測結(jié)果進(jìn)行顯著的優(yōu)化，便成為了一個極力的研究方向。更何況近些年來，機(jī)器學(xué)習(xí)，大數(shù)據(jù)技術(shù)越來越完善，通過利用，全方位的信息，來支撐對于未來的預(yù)測，，也是研究發(fā)展的趨勢所在。本文即是在機(jī)器學(xué)習(xí)中多數(shù)投票法的啟發(fā)下，提出了能夠融合多個預(yù)測結(jié)果以達(dá)預(yù)測結(jié)果目的的方法，覆蓋權(quán)重投票法。覆蓋權(quán)重投票法的原理并不復(fù)雜，我們所有的預(yù)測結(jié)果都伴隨著一定的估計誤差，所以，預(yù)測的點估計值的結(jié)果實際是一個估計區(qū)間。在預(yù)測中，預(yù)測結(jié)果剛好就是未來真實結(jié)果的可能性是很低的，來的真實結(jié)果落在這個估計區(qū)間的概率卻是很高的。如果可以通過對多個信息源合分析，來將估計區(qū)間更加的精確化，那么就達(dá)到了優(yōu)化預(yù)測結(jié)果的目的。這正的覆蓋權(quán)重投票法所做的工作，將所有信息源的估值區(qū)間放在一起，那么交集最域，即是所有信息源共同預(yù)測認(rèn)可的區(qū)域，那么這個區(qū)域即可看作一個優(yōu)化區(qū)域理可用下圖表示：

技術(shù)路線圖
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F416.2;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張亮;張玲玲;陳懿冰;騰偉麗;;基于信息融合的數(shù)據(jù)挖掘方法在公司財務(wù)預(yù)警中的應(yīng)用[J];中國管理科學(xué);2015年10期

2 王德魯;鄭建萍;馬剛;;基于多分類器融合的上市公司產(chǎn)品傷害事件風(fēng)險預(yù)警系統(tǒng)[J];情報雜志;2015年09期

3 許良鳳;徐小兵;胡敏;王儒敬;謝成軍;陳紅波;;基于多分類器融合的玉米葉部病害識別[J];農(nóng)業(yè)工程學(xué)報;2015年14期

4 付立東;張金鎖;馮雪;;GA-SA模型預(yù)測中國能源需求[J];系統(tǒng)工程理論與實踐;2015年03期

5 錢偉;楊礦利;楊慧慧;徐青政;;基于組合模型的短時交通流預(yù)測[J];計算機(jī)仿真;2015年02期

6 管清云;陳雪龍;王延章;;基于距離熵的應(yīng)急決策層信息融合方法[J];系統(tǒng)工程理論與實踐;2015年01期

7 張金鎖;馮雪;鄒紹輝;;基于趨勢組合的我國煤炭需求預(yù)測模型研究[J];商業(yè)研究;2014年06期

8 崔慶安;;基于主成分分析與支持向量機(jī)的能源需求預(yù)測方法[J];統(tǒng)計與決策;2013年17期

9 陳科文;張祖平;龍軍;;多源信息融合關(guān)鍵問題、研究進(jìn)展與新動向[J];計算機(jī)科學(xué);2013年08期

10 鄧楠;徐正光;王s

本文編號：2642438