【摘要】：鄧聚龍?zhí)岢龅腉M(1,1)灰色預測模型在對復雜系統(tǒng)所蘊含規(guī)律的信息挖掘方面表現出較強的適應性能。自提出以來,針對GM(1,1)模型的改進從來沒有停止過。雖然現有模型在提高序列的預測能力方面均有不同程度的優(yōu)異表現,然而,對于任意給定的近似非齊次指數序列的適應能力和預測精度并不令人滿意。為進一步增強模型的預測性能,本文著重從建模思路與方法改進入手,深入探索與模糊集理論相結合的灰色系統(tǒng)預測模型的構建方法,主要研究內容如下:(1)為了增強灰色預測模型的序列適應能力,提出了結構自適應的全階時間冪灰色預測模型FOTP-GM(1,1)。研究了模型的參數估計、求解方法、預測屬性及與已知模型的關系屬性。討論了模型通過參數管道匹配序列的變結構機制及最優(yōu)結構的可視化選擇方法。分析了可能出現的病態(tài)問題及避免方法。通過與傳統(tǒng)模型對比研究,得出了FOTP-GM(1,1)具有更高預測精度、更強泛化能力的結論。(2)為了實現對伴隨有加速度、速度及常數擾動項的近似非齊次指數序列的準確預測,提出了FOTP-GM(1,1)的兩種簡化模型VCGM和VSSGM。結合已有灰色預測模型對5種典型序列展開預測性能對比研究,發(fā)現VCGM模型可以實現對伴隨有速度與常數擾動項的近似非齊次指數序列的準確模擬和無偏預測。進一步,VSSGM可以實現對帶有加速度擾動項的近似非齊次指數序列的準確預測。(3)為解決對象的描述性評價已知而其隸屬度未知時,如何尋找最優(yōu)隸屬度的問題,提出了R-fuzzy集的優(yōu)勢測度概念,給出一種模式分類,參數辨識的新方法。通過證明優(yōu)勢測度與1型模糊集的等價性,與R-fuzzy集的一致性,及以優(yōu)勢測度為隸屬度的2型模糊集與R-fuzzy集的等價性,指出了優(yōu)勢測度為R-fuzzy粗糙隸屬度集驗證器的本質屬性。(4)為強化模型對變化序列的跟蹤能力,基于新信息優(yōu)先原則,提出了具有新陳代謝機制的MVCGM灰色組合模型。進一步,為獲得最優(yōu)模型參數,基于人工蜂群優(yōu)化算法,提出了ABC-MVCGM模型,并分析了模型的動態(tài)、收斂性能及種群規(guī)模對模型性能的影響。通過對煤堆自燃綜合性指數HLC的預測和分析,得出了ABC-MVCGM模型具有更優(yōu)預測性能的結論。(5)為提高原始IGPM_T區(qū)間灰數預測模型的預測精度,本文應用所提出的VSSGM模型對原始IGPM_T模型結構中的GM(1,1)模型進行了置換,并結合Rfuzzy集優(yōu)勢測度的參數辨識方法,得到了更為準確的三角模糊數及由其產生的區(qū)間灰數序列。最后,通過改進的IGPM_T區(qū)間灰數預測模型結合幾何布朗隨機過程對燃煤電廠投資決策中的重要影響因素上網電價和煤電成本進行了成功預測。
【學位授予單位】：中國礦業(yè)大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：N941.5;O159
，

本文編號：2642315