基于模糊信息优化技术的多变量模糊时间序列模型研究
发布时间：2022-07-22 18:48
模糊时间序列模型在处理具有模糊属性的数据时具有独特的优势,传统的模糊时间序列模型大多是处理单变量或大样本多变量的问题,事实上,现实生活中存在大量多变量且小样本的时间序列需要分析与预测,为了避免因用传统的模型可能产生的模型因果判定偏差或预测错误,建立可以处理小样本的多变量模糊时间序列模型具有重要的理论和现实意义。本文以提高小样本时多变量模糊时间序列模型的预测精度为目标,结合信息分配可以有效识别小样本信息的特点,基于信息分配技术构建了一个多变量模糊时间序列模型,通过分配样本点携带的信息至两部分以填补小样本中存在的信息空隙,进而达到提高预测精度的目的。正态信息扩散可以将知识样本点携带的信息扩散到多个监控点,提高了对系统的认识能力,可以更有效地提高小样本时间序列预测的准确率,因此本文基于正态信息扩散构建了另一个多变量模糊时间序列模型。选择2001～2017年能源消费总量、人均GDP、二氧化硫排放量的时间序列数据进行案例分析;并讨论模糊度对信息分配模型、信息扩散系数对正态信息扩散模型的影响;选择经典马尔可夫模糊时间序列模型作为对比模型,以此验证本文构建模型的有效性。主要结论归纳如下:（1）IDM...
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景和意义
1.1.1 选题背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 国内外研究现状评述
1.3 本文研究内容与方法
1.3.1 研究内容
1.3.2 研究方法
1.4 技术路线
2 相关理论基础
2.1 模糊时间序列
2.1.1 时间序列
2.1.2 模糊时间序列
2.2 模糊信息优化理论
2.2.1 信息分配理论
2.2.2 信息扩散理论
2.3 模糊近似推理理论
2.4 模糊集重心理论
2.5 本章小结
3 基于信息分配的多变量模糊时间序列模型
3.1 基于信息分配的时间序列模糊化
3.2 模糊信息矩阵的建立
3.2.1 单个样本点的模糊信息矩阵
3.2.2 样本集的模糊信息矩阵
3.3 模糊关系矩阵的建立
3.4 预测模型的建立
3.5 本章小结
4 基于正态信息扩散的多变量模糊时间序列模型
4.1 时间序列模糊化
4.1.1 基于正态信息扩散的时间序列模糊化
4.1.2 正态信息扩散系数的选择
4.2 模糊信息矩阵的建立
4.2.1 单个样本点的模糊信息矩阵
4.2.2 样本集的模糊信息矩阵
4.3 模糊关系矩阵的建立
4.4 预测模型的建立
4.5 本章小结
5 案例分析——SO_2排放量预测
5.1 指标的选取和说明
5.1.1 二氧化硫排放量(ESO_2)
5.1.2 能源消费总量(TEC)
5.1.3 人均GDP(PCGDP)
5.2 数据来源
5.3 基于信息分配的模糊时间序列模型预测
5.3.1 模糊度的选择
5.3.2 模糊度△_1的IDMFTSM预测
5.3.3 不同模糊度的IDMFTSM预测
5.3.4 结果比较分析
5.4 基于正态信息扩散的模糊时间序列模型预测
5.4.1 信息扩散系数h_0的NDMFTSM预测
5.4.2 信息扩散系数h_(MSE)的NDMFTSM预测
5.4.3 结果比较分析
5.5 经典多变量马尔可夫模糊时间序列模型预测
5.5.1 模糊度△_1的Markov预测
5.5.2 信息扩散系数h_0的Markov预测
5.6 模型预测结果对比分析
5.6.1 Markov_(△1)与IDMFTSM_(△1)模型的预测结果比较
5.6.2 Markov_(h0)与NDMFTSM_(h0)模型的预测结果比较
5.6.3 IDMFTSM_(△1)与NDMFTSM_(h0)模型的预测结果比较
5.6.4 模型评价
5.7 本章小结
6 主要结论与展望
6.1 主要结论
6.2 不足与展望
参考文献
致谢
在学期间主要研究成果
本文编号：3665140
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景和意义
1.1.1 选题背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 国内外研究现状评述
1.3 本文研究内容与方法
1.3.1 研究内容
1.3.2 研究方法
1.4 技术路线
2 相关理论基础
2.1 模糊时间序列
2.1.1 时间序列
2.1.2 模糊时间序列
2.2 模糊信息优化理论
2.2.1 信息分配理论
2.2.2 信息扩散理论
2.3 模糊近似推理理论
2.4 模糊集重心理论
2.5 本章小结
3 基于信息分配的多变量模糊时间序列模型
3.1 基于信息分配的时间序列模糊化
3.2 模糊信息矩阵的建立
3.2.1 单个样本点的模糊信息矩阵
3.2.2 样本集的模糊信息矩阵
3.3 模糊关系矩阵的建立
3.4 预测模型的建立
3.5 本章小结
4 基于正态信息扩散的多变量模糊时间序列模型
4.1 时间序列模糊化
4.1.1 基于正态信息扩散的时间序列模糊化
4.1.2 正态信息扩散系数的选择
4.2 模糊信息矩阵的建立
4.2.1 单个样本点的模糊信息矩阵
4.2.2 样本集的模糊信息矩阵
4.3 模糊关系矩阵的建立
4.4 预测模型的建立
4.5 本章小结
5 案例分析——SO_2排放量预测
5.1 指标的选取和说明
5.1.1 二氧化硫排放量(ESO_2)
5.1.2 能源消费总量(TEC)
5.1.3 人均GDP(PCGDP)
5.2 数据来源
5.3 基于信息分配的模糊时间序列模型预测
5.3.1 模糊度的选择
5.3.2 模糊度△_1的IDMFTSM预测
5.3.3 不同模糊度的IDMFTSM预测
5.3.4 结果比较分析
5.4 基于正态信息扩散的模糊时间序列模型预测
5.4.1 信息扩散系数h_0的NDMFTSM预测
5.4.2 信息扩散系数h_(MSE)的NDMFTSM预测
5.4.3 结果比较分析
5.5 经典多变量马尔可夫模糊时间序列模型预测
5.5.1 模糊度△_1的Markov预测
5.5.2 信息扩散系数h_0的Markov预测
5.6 模型预测结果对比分析
5.6.1 Markov_(△1)与IDMFTSM_(△1)模型的预测结果比较
5.6.2 Markov_(h0)与NDMFTSM_(h0)模型的预测结果比较
5.6.3 IDMFTSM_(△1)与NDMFTSM_(h0)模型的预测结果比较
5.6.4 模型评价
5.7 本章小结
6 主要结论与展望
6.1 主要结论
6.2 不足与展望
参考文献
致谢
在学期间主要研究成果
本文编号：3665140
本文链接：https://www.wllwen.com/guanlilunwen/tongjijuecelunwen/3665140.html