粒子群可拓的新冠肺炎建模与仿真

本文提出了一种基于粒子群可拓神经网络预测模型。根据国外近段时间每日新增新冠肺炎确诊人数,利用可拓神经网络模型对国外日新增新冠肺炎确诊人数进行预测,并利用粒子群算法(PSO)对权值进行优化,最后与LSSVM、ABC-LSSVM及PSO-LSSVM模型进行比较。结果表明:采用文中提出的粒子群可拓神经网络模型拟合效果较好,精度较高,性能优于其他三种模型,适用于COVID-19的疫情研究。     

基于集对分析的三角模糊数多属性决策方法

针对属性值和属性权重都是三角模糊数的多属性决策问题,借鉴集对分析理论的思想,把三角模糊数的属性值和属性权重转换成同异型二元联系数形式,依据传统的逼近理想解的排序方法(TOPSIS),构建属性值的绝对正理想联系数和绝对负理想联系数,基于联系数距离提出了一种集对分析的三角模糊数的多属性决策新方法,运用实例进一步验证了该方法的合理性和有效性。     

碎片化趋势下商业广告传播效益的定量评估

针对碎片化趋势下的奥运会商业模式,社交网络发布的有关奥运会新闻的传播与接收问题,综合分析一个社交网络专业推广者与普通网络用户平均每天的新增粉丝数,粉丝再把自己获得的信息分享给自己粉丝的情况,再借助Excel、Access软件分析并统计附件中社交网站用户之间的连接关系数据,利用层次分析法、回归分析法建立粉丝数的估算模型,运用Lingo、Matlab等软件得出最终粉丝数的定量估算结果,粉丝数即与新闻观看者等同。最后,将模型结果与实际相结合,对模型进行优化改进后,提出新的决策方案,以提高估算的精确度,使结果更加合理。     

区域视角下我国老龄化人口的组合预测模型

为提高预测老龄人口的精度,以残差修正GM(1,1)模型、灰色-BP神经网络模型和Logistic预测模型作为单项模型,建立了一种基于相关系数的诱导有序加权平均(IOWA)算子组合预测模型.利用该模型对2000—2020年我国东部、中部、西部和东北部地区及全国老龄(≥65岁)人口数量进行预测显示,该组合预测模型的预测效果显著优于上述3个单项预测模型,表明该模型能够有效地提高老龄人口的预测精度.利用该组合预测模型对未来10年我国东部、中部、西部和东北部地区及全国老龄人口数进行预测显示:我国老龄人口数总体呈现逐步增长态势,同时区域间的老龄化进程差异也不断增大,其中东部地区老龄人口增长得相对较快,中部地区则增长得相对较慢.该预测结果可为我国老龄人口政策的制定提供参考.     

基于IGOWMA算子的变权系数区间型组合预测模型

为了保持区间数内部的整体性及提高区间数的预测精度,提出了一种将改进相关系数和诱导广义有序加权多重平均(IGOWMA)算子相结合的区间型组合预测方法.该方法首先将区间数进行转化,以等价信息的中心和半径来表示区间数; 然后以预测精度为诱导因子,构建IGOWMA算子; 最后选取改进后的Pearson相关系数作为最优准则来建立多目标非线性规划模型,并通过引入偏好系数将模型转化为单目标规划模型.实例验证证明,该区间型组合预测模型不仅能够保证区间数内部的整体性,而且其预测结果显著优于文献中的3种单项预测方法和1种组合预测方法.对模型的参数进行灵敏度分析显示,参数λ的取值对模型的权系数、最优目标函数值以及误差指标有较明显的影响,偏好系数α则对模型的影响较小.上述结果表明,该组合预测方法能有效提高预测精度,可应用于区间数的模糊预测中.     

基于区间数距离的IGOWLA算子的区间型组合预测模型

在用区间数描述不确定现象的预测问题中,由于每种单项预测方法在各个时点处的精度不同,定权区间型组合预测模型存在权重固定不变的不足.本文引入诱导广义有序加权对数平均(IGOWLA)算子,以区间数距离作为最优准则,构建一种基于区间数距离的IGOWLA算子的变权区间型组合预测模型.实证分析结果显示,本文所构建的区间型组合预测方法可提高预测精度,是一种有效的优性的组合预测方法.     

基于模糊神经网络的刘翔110m栏成绩预测

提出了一种基于模糊神经网络的刘翔专项成绩预测的新方法.收集2000～2010年70次刘翔110m栏成绩组成数据集,由前60次成绩建立模糊神经网络预测模型,并对最后10次的成绩进行预测.结果表明,该模糊神经网络预测方法是有效的.刘翔110m栏成绩预测可为其训练乃至其他优秀跨栏运动员的训练提供理论参考.     

基于广义诱导连续区间有序函数比例加权平均算子的区间型组合预测模型

以抽象单调函数为基础,构建了一类函数族的广义诱导连续区间有序函数比例加权平均(GICOWFPA)算子.在灰色趋势关联度为最优准则下,建立了基于GICOWFPA算子的区间型组合预测模型.实例分析表明,该模型的预测精度优于3种单项预测方法及文献[9,11]中提出的组合预测方法,因此本文预测方法是一种有效的组合预测方法.     

基于组合预测方法的全国棉花产量预测研究

探讨组合预测方法在棉花产量预测中的可行性,提出了一种适用于中国棉花产量预测的组合预测方法,通过将广义加权算术平均算子（GWA算子）和向量夹角余弦相结合构建组合预测模型,分析中国棉花产量的变化趋势。选用灰色预测GM(1,1)、ARIMA时间序列和BP神经网络三种单项预测方法对2017—2022年棉花产量进行预测,与组合预测方法预测结果相对比。通过实例验证,组合预测方法的预测结果误差更小、拟合程度更高,该方法可以减少单个预测方法的不确定性,提高预测精度,更好地反映出棉花产量的实际变化情况。最后通过该方法推得2023—2025年的全国棉花产量,以期为棉花产业发展提供参考。     

基于模糊神经网络的刘翔110m栏成绩预测

提出了一种基于模糊神经网络的刘翔专项成绩预测的新方法.收集2000～2010年70次刘翔110m栏成绩组成数据集,由前60次成绩建立模糊神经网络预测模型,并对最后10次的成绩进行预测.结果表明,该模糊神经网络预测方法是有效的.刘翔110m栏成绩预测可为其训练乃至其他优秀跨栏运动员的训练提供理论参考.