基于一种贴近度的IGOWLA算子的最优组合预测模型

为了克服传统的单项预测方法选取固定参数时的不足,在广义诱导有序加权对数平均算子(IGOWLA算子)的基础上,引入贴近度以及λ次幂误差,构建了基于一种贴近度的IGOWLA算子的最优组合预测模型,并给出了该模型的预测精度、优性及非劣性定义.实例分析表明,该组合预测模型优于传统的单项预测模型,能够充分利用各个单项预测方法的信息并提高预测精度,是一种优性组合预测.     

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.     

基于区间相离度及GIOWA算子的区间型组合预测方法

为了提高区间数的预测精度,以预测精度作为诱导值,区间相离度作为最优准则,通过广义诱导有序加权平均(generalized induced ordered weighted averaging,GIOWA)算子集结数据,提出了一种基于区间相离度及GIOWA算子的区间型组合预测方法.实例验证表明,该方法的预测精度优于各单项预测方法.通过对参数进行灵敏度分析,得到参数变化对组合预测最优解及预测精度的影响.     

三元区间数排序的两类新方法

由于客观世界的不确定性,在决策中的信息和数据难以精确数字表示,并常带有偏好性,本文采用了三元区间数表示不确定信息,最大限度的减少主观因素的影响。介绍了三元区间数的定义及其运算的基础上,提出了基于极大三元区间数概念和基于三元区间数的可能度概念的区间数排序的两类新方法。并且给出算例说明两种新方法的有效性和可靠性。这两类新方法,很好的解决了三元区间数排序的难题,也为基于三元区间数的不确定决策提供了新的思路。     

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.     

基于连续有序加权平均算子的区间组合预测

将连续的有序加权平均算子与诱导的有序加权平均算子相结合运用到区间组合预测问题中,首先定义了基于连续区间有序加权平均算子的区间预测相对误差、预测精度和非劣性组合预测等概念,其次以区间组合预测误差平方和为准则建立了基于连续区间有序加权平均算子的区间组合预测模型。在该模型下,进一步讨论了区间组合预测模型的性质和求解方法。最后给出了实例分析,表明该区间组合预测方法有效。     

基于IOWA算子的区间组合预测方法

针对预测值与实际值都以区间数形式给出的组合预测问题,引进诱导有序加权平均(IOWA)算子,提出了以区间中心位置误差平方和与区间长度误差平方和的凸组合为准则的区间组合预测模型,给出了确定Ⅰ-OWA算子区间组合预测模型权系数的数学规划方法,实例分析表明,该模型能有效提高区间组合预测精度.     

基于一种贴近度的IOWHA算子预测模型的性质研究

为了克服传统的单项预测方法选取固定参数所带来的不足,在诱导有序加权调和平均算子(IOWHA算子)的基础上,引入贴近度构建了基于一种贴近度的IOWHA算子的最优组合预测模型,对该模型的预测精度、优性及非劣性给出定义,并从理论的角度探究了其非劣性组合预测、优性组合预测的存在性的充分条件.实例分析表明,该组合预测模型优于传统的组合预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测.     

基于相似度的区间数群决策方法

针对属性值为区间数的多专家多属性群决策问题,首先,给出了一个度量区间数相似度的新公式,然后研究了相似度一些优良的性质,提出了一种基于相似度的区间数群决策方法,并给出了决策的具体实施步骤.该方法利用OWA算子集结群体专家意见,通过各方案与正、负理想方案的比较,实现对决策方案的排序.最后,通过算例分析验证了该方法的可行性和合理性.     

基于IOWGA算子的组合预测方法及其应用

针对汽车配件需求量的预测进行了预测模型的建立、选择并优化．特别是将灰色预测和神经网络预测与IOWGA算子相结合,提出了以对数误差平方和为准则的基于IOWGA算子的组合预测方法,从而提高了预测的精度。将该方法用于汽车配件需求预测取得了较好的效果,说明了算法的有效性．     

一种基于区间数距离的理想点多属性决策方法

讨论区间数上的多属性决策问题,基于区间数上一种距离度量,给出一种新的基于理想点的多属性决策方法,以实例说明了该方法的有效性。     

基于BP神经网络的非线性组合预测模型在粮食物流需求预测中的应用

鉴于单项预测模型的局限性,在确定粮食物流需求量的基础上,建立了基于BP神经网络的非线性组合预测模型,并把这一模型应用于长春市粮食物流需求的预测。误差分析表明,该预测模型可以有效地提高粮食物流需求量的预测精度。     

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.     

子集测度和模糊蕴含算子、相似测度的关系

本文基于子集测度、模糊蕴含算子、相似测度的公理化定义,讨论了子集测度和模糊蕴含算子,相似测度的关系。     

改进粒子群算法在中长期电力负荷组合预测模型中的应用

为提高电力负荷预测的精度,提出了基于改进粒子群算法的电力负荷组合预测模型求解方法.该方法以回归分析、比例系数、灰色模型为基础建立负荷组合预测模型,利用改进粒子群算法优化组合预测模型的权值,并与单个预测模型进行比较.预测结果表明,基于改进粒子群算法的电力负荷组合预测模型运算速度快,预测精度高,相对误差小.