模糊时间序列模型的改进算法研究

《模糊时间序列模型的改进算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文模糊时间序列模型的改进算法研究ResearchonImprovedAlgorithmofFuzzyTimeSeriesModel学21009155大连理工大学DalianUniversityofTechnology＼嘲燃大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在

2、论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：搓塑盟闽庄芝』搓型鲍邀进篡洼盟塞作者签名：益妇函日期：五f丕年—金月—L日大连理工大学硕士学位论文摘要模糊时间序列模型是数据预测分析研究领域中一个广泛研究的课题，是为解决经典时间序列分析方法不能处理模糊类问题应运而生的，其主要特点是能够完成对具有不完整性、不准确性和含糊性等缺点的数据的预测。随着信息化程度的进一步提高，模糊时间序列模型得到了更广泛的应用，如何提高模型预测精度也引起了越来越多的关注。在经典模型的基础上，本文分别从模型

3、的区间划分和模糊规则的建立两方面分析了现有方法的不足，并提出了相应的模型改进算法，最后将算法推广到模型的高阶形式。针对历史数据的分布特点和模型复杂度问题，提出了～种改进的自动聚类区间划分方法，有效解决了等分论域划分方法的可解释性差以及传统自动聚类方法划分区间个数过多导致模型复杂度增大的问题。然后利用粒子群算法对模型区间做进一步优化，得到最优的模糊区间划分。依据模糊逻辑关系的出现频数和先后次序，提出了一种混合的模糊规则加权方法，该方法对具有不同重要性的模糊规则赋予不同权重值，进而能够得到更合理的模糊规则。考虑模糊规则构

4、建过程中，数据隶属度向量对模型预测结果的影响，提出了一种隶属度向量加权方法，有效地提高了模型的预测精度。结合以上提出的关于模型区间划分和模糊规则建立方面的改进算法，建立本文的改进模糊时间序列模型以及高阶推广模型。本文通过三组实验数据分别验证了改进算法对提高模型预测精度的有效性；同时，实验验证了改进模型以及高阶推广模型的合理性以及在预测效果上的优势。关键词：模糊时间序列；自动聚类；模糊规则；粒子群算法模糊时间序列模型的改进算法研究ResearchonImprovedAlgorithmofFuzzyTimeSeriesM

5、odelAbstractFuzzytimeseriesmodelwhichwasproposedtosolvethefuzzyproblemsthatcan’tbedealtwithclassicaltimeseriesanalysismethods，isanextensiveresearchsubjectintheresearchfieldofdatapredictionandanalysis，anditsmainfeatureisthatitCancompletethepredictionofdatawithth

6、eshortcomingsofincompleteness，inaccuraciesandvagueness，etc．Withthefurtherimprovementoftheinformationdegree，fuzzytimeseriesmodelhasbeenwidelyappliedtodifferentareasandtheresearchonhowtoimprovethepredictionaccuracyofmodelattractsmoreandmoreattention．Basedonthecla

7、ssicalmodel，thispaperanalysesthedeficienciesoftheexistingmethodsandproposesimprovedmethods丘omthetwoaspectswhichincludethedivisionoffuzzyintervalsandtheestablishmentoffuzzyrules．Atlast，theimprovedmethodsareextendedtomodel’Sformofhigh-order．Consideringthedistribu

8、tionofthehistoricaldataandthecomplexityofthemodel，thispaperproposesanimprovedautomaticclusteringmethodforinterval’Sdivisionwhichcansolvetheproblemsofpoorinterpretabilitywith