發(fā)布時間：2019-04-12 09:59

【摘要】：模糊時間序列因?yàn)樵诮鉀Q模糊性數(shù)據(jù)和不確定性數(shù)據(jù)方面的優(yōu)勢,以至于很多研究人員建立模糊時間序列模型處理預(yù)測問題。模糊時間序列模型在各個領(lǐng)域都有廣泛應(yīng)用,提高預(yù)測精度一直是研究者關(guān)注的焦點(diǎn)。由于傳統(tǒng)的模糊時間序列模型大都是處理單因素問題的模型,而在現(xiàn)實(shí)生活中幾乎沒有一個現(xiàn)象是獨(dú)立發(fā)生的,與其他因素都有著或多或少的聯(lián)系。建立多因素模糊時間序列模型成為了亟待解決的問題,在模糊時間序列模型中,提高模型預(yù)測精度的重要部分是模糊關(guān)系的建立和應(yīng)用、論域劃分、數(shù)據(jù)模糊化。故本文建立多因素模型的主要工作圍繞在論域劃分和模糊關(guān)系建立和應(yīng)用兩個方面。在論域劃分方面,在經(jīng)典的模糊時間序列模型中通常使用劃分論域構(gòu)建模糊集,通過選擇適當(dāng)?shù)拈g隔數(shù)和論域長度提高預(yù)測的精確性�；诖�,本文提出基于空間FCM的多因素模糊時間序列模型,通過空間距離更好的反映了多因素?cái)?shù)據(jù)在空間的分布,真實(shí)的反映了數(shù)據(jù)結(jié)構(gòu),體現(xiàn)了數(shù)據(jù)的敏感性。最后利用亞馬遜公司股指的收盤價、最高價和最低價對收盤價進(jìn)行預(yù)測,驗(yàn)證了該算法的有效性。在模糊關(guān)系建立和應(yīng)用方面,本文在分析經(jīng)典模糊時間序列預(yù)測模型的基礎(chǔ)上,結(jié)合證據(jù)理論提出基于均分論域和證據(jù)理論的多因素模糊時間序列模型,基于空間FCM和證據(jù)理論的多因素模糊時間序列模型,基于可調(diào)參的證據(jù)理論的多因素模糊時間序列模型,最后通過亞馬遜公司股指的收盤價的預(yù)測結(jié)果驗(yàn)證了本文模型的理論可行性和有效性。
[Abstract]:Because of the advantages of fuzzy time series in solving fuzzy data and uncertain data, many researchers set up fuzzy time series models to deal with prediction problems. Fuzzy time series models are widely used in various fields, and improving prediction accuracy has always been the focus of researchers. Since most of the traditional fuzzy time series models deal with single-factor problems, almost none of the phenomena occur independently in real life, and they are more or less related to other factors. The establishment of multi-factor fuzzy time series model has become an urgent problem. In the fuzzy time series model, the establishment and application of fuzzy relations, domain division and data fuzzification are the most important parts to improve the prediction accuracy of fuzzy time series model. Therefore, the main work of establishing multi-factor model in this paper is divided into two aspects: domain division and fuzzy relation establishment and application. In the aspect of domain partition, the partition universe is usually used to construct fuzzy sets in classical fuzzy time series models, and the accuracy of prediction is improved by selecting the appropriate interval number and the length of the domain. Based on this, a multi-factor fuzzy time series model based on spatial FCM is proposed in this paper, which reflects the spatial distribution of multi-factor data better through the spatial distance, reflects the data structure and reflects the sensitivity of the data. Finally, the closing price, the highest price and the lowest price of Amazon stock index are used to predict the closing price, and the validity of the algorithm is verified. Based on the analysis of the classical fuzzy time series prediction model and the evidence theory, a multi-factor fuzzy time series model based on the equally divided domain and the evidence theory is proposed in this paper, which is based on the establishment and application of fuzzy relations. Multi-factor fuzzy time series model based on spatial FCM and evidence theory, and multi-factor fuzzy time series model based on adjustable parameter evidence theory. Finally, the theoretical feasibility and effectiveness of the model are verified by the prediction results of Amazon stock index closing price.
【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】：2016
【分類號】：O159;O211.61

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊貴軍;;時間序列模型描述個體經(jīng)濟(jì)發(fā)展趨勢的局限性及改進(jìn)方法[J];現(xiàn)代財(cái)經(jīng)(天津財(cái)經(jīng)大學(xué)學(xué)報(bào));2006年07期

2 郭順生;王磊;黃琨;;基于時間序列模型預(yù)測汽車銷量研究[J];機(jī)械工程師;2013年05期

3 李寶慧;用時間序列模型對社會消費(fèi)品指數(shù)的規(guī)律進(jìn)行研究和預(yù)測[J];統(tǒng)計(jì)研究;2000年01期

4 葉阿忠,李子奈;我國通貨膨脹的混合回歸和時間序列模型[J];系統(tǒng)工程理論與實(shí)踐;2000年09期

5 吳令云,趙遠(yuǎn)東;用時間序列模型分析突發(fā)事件對經(jīng)濟(jì)的影響[J];統(tǒng)計(jì)與決策;2004年04期

6 陳飛,高鐵梅;結(jié)構(gòu)時間序列模型在經(jīng)濟(jì)預(yù)測方面的應(yīng)用研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2005年02期

7 霍振宏;;基于時間序列模型下國民經(jīng)濟(jì)發(fā)展趨勢實(shí)證分析[J];中原工學(xué)院學(xué)報(bào);2007年04期

8 鄭煜;孟軍;;時間序列模型對黑龍江省水稻比較優(yōu)勢的預(yù)測[J];東北林業(yè)大學(xué)學(xué)報(bào);2008年10期

9 張新波;;時間序列模型在稅收預(yù)測中的應(yīng)用[J];湖南稅務(wù)高等專科學(xué)校學(xué)報(bào);2010年04期

10 劉領(lǐng)坡;;我國社會消費(fèi)品零售總額時間序列模型及預(yù)測[J];經(jīng)濟(jì)論壇;2011年06期

相關(guān)會議論文 前4條

1 汪宏晶;林曦晨;湯洪秀;尹平;;多元時間序列模型及其應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計(jì)學(xué)年會會議論文集[C];2011年

2 史青;練曉華;;時間序列模型在地鐵結(jié)構(gòu)變形預(yù)測中的應(yīng)用[A];第十五屆華東六省一市測繪學(xué)會學(xué)術(shù)交流會論文集（江蘇上海論文分冊）[C];2012年

3 黃榮坦;;廈門港集裝箱吞吐量的時間序列模型[A];2002年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2002年

4 趙慶江;遲凱;付芳萍;李潮潮;車文剛;;基于FCM的模糊時間序列模型及人民幣匯率預(yù)測[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前2條

1 國海證券研究所;時間序列模型預(yù)測3月CPI為—1.26%[N];上海證券報(bào);2009年

2 羅佐縣;勘探投資須研究規(guī)律提高效率[N];中國石化報(bào);2008年

相關(guān)博士學(xué)位論文 前2條

1 趙彪;兩類時間序列模型的統(tǒng)計(jì)推斷[D];中國科學(xué)技術(shù)大學(xué);2015年

2 邱望仁;模糊時間序列模型及其在股指趨勢分析中的應(yīng)用研究[D];大連理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 段煉;基于時間序列模型的日內(nèi)交易策略在A股市場上的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 李金玲;基于特征展開法的模糊時間序列模型的約減算法[D];大連海事大學(xué);2015年

3 王鵬飛;基于自相關(guān)函數(shù)的模糊時間序列模型的優(yōu)化算法[D];大連海事大學(xué);2015年

4 孫自珂;風(fēng)電并網(wǎng)對電力系統(tǒng)可靠性影響研究[D];山東大學(xué);2015年

5 李修成;城市范圍內(nèi)PM2.5時間預(yù)測研究[D];哈爾濱工業(yè)大學(xué);2015年

6 王倩;非線性時間序列模型研究及實(shí)證分析[D];電子科技大學(xué);2014年

7 劉洋;基于SVM修正的模糊時間序列模型在滬指預(yù)測中的應(yīng)用[D];南京大學(xué);2015年

8 尹小琴;基于支持向量機(jī)的混合時間序列模型的研究與應(yīng)用[D];沈陽工業(yè)大學(xué);2016年

9 馬云飛;多因素模糊時間序列預(yù)測模型的研究[D];大連海事大學(xué);2016年

10 涂曄;時間序列模型的誤差分析與研究[D];昆明理工大學(xué);2009年

，

本文編號：2456918