基于标准差的预测有效度的组合预测模型

针对考虑预测精度标准差的预测有效度的组合预测模型，提出了新的优性组合预测、预测方法优超和冗余度的定义．然后探讨了非劣性组合预测以及优性组合预测存在的充分条件，并给出冗余信息出现的一个判定定理．最后也讨论了组合预测模型的新的近似计算方法，给出实例分析，结果令人满意．     

基于相关系数的加权几何平均组合预测模型的性质

加权几何平均组合预测为一种非线性的组合预测方法.针对基于相关系数的加权几何平均组合预测模型,定义了优性组合预测模型、预测方法优超、组合预测冗余度等概念,讨论了在一定的条件下,该组合预测存在非劣性及优性组合预测的充分条件,得出了一个判断冗余预测方法的判定定理.从理论和实例说明基于对数相关系数的非线性组合预测模型的有效性.     

基于相关系数的优性组合预测模型研究

传统的组合预测模型是从改善某种拟合误差角度建立的.基于相关系数的组合预测模型有别于传统的组合预测模型,它是研究组合预测方法的一个新思路.针对该模型,提出了新的优性组合预测、预测方法优超,冗余度等概念;探讨了非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并证明冗余预测方法的一个判定定理.这在理论上表明基于相关系数的组合预测方法的有效性,最后文中进行实例分析也验证了这个结论.     

调和平均的组合预测方法之性质研究

调和平均的组合预测是一种非线性组合预测方法．对基于最小几何距离的加权调和平均组合预测模型的性质进行了研究，从理论上说明了该种方法的有效性．首先提出新的非劣性组合预测、优性组合预测、预测方法优超、冗余度的概念；其次指出模型的任一个可行解对应的组合预测至少是非劣性组合预测，并给出优性组合预测存在的一个充分条件；最后证明在一种单项预测方法优超另一种单项预测方法的条件下冗余预测方法出现的判定定理．     

确定组合预测和变权重组合预测权重的一种确定性方法

采用灰色系统理论可的关联分析方法，提出以给定预测模型与被预测对象关联系数和关联度的大小为依据，确定组合预测和变权重组合预测权重的方法，并给出相应的预测模型。该方法较目前普遍采用最小一乘和二乘法求权重的方法简便。由于该方法注重给定预测模型与被预测对象发展态势之间动态相关性的分析，因此，对提高中长期预测精度效果更为显。     

基于EGA算法的小样本非线性残差灰色Verhulst计量组合预测模型

针对复杂经济系统下时间序列所呈现出的小样本非线性残差特征,采用非线性残差灰色Verhuilst模型进行研究,修正传统计量模型对于残差信息挖掘不够,预测精度不高的问题,在此基础上,选择带有精英策略的EGA算法来建立灰色Verhulst计量组合预测模型,设计了算法实现的逻辑流程和非线性残差灰色Verhulst计量组合预测模型的整体建模思路,提出了改进多准则目标优化NP完全问题的新方法,对模型的预测效果进行比较分析.实证研究表明:基于EGA算法的小样本非线性残差灰色Verhulst计量组合预测模型算法收敛速度快,拟合效果好,预测结果更精确.     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题，集成灰色理论和神经网络方法，提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1，1）模型的初始值与背景值，利用Levenberg-Marquardt算法改进反向传播神经网络模型；采用组合预测思想，将多方法融合改进灰色模型和神经网络模型，分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例，验证上述方法在故障预测中的有效性。结果表明，灰色神经网络组合模型的预测精度优于单一预测模型，可用于装备的故障预测和预测性维修。     

基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型，同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法，并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型，最后以实例说明了其预测效果。     

基于多属性可拓灰关联决策模型的产品方案设计

针对复杂产品方案设计含有不确定性和不完全性设计信息的特点, 研究了方案设计多属性可拓灰关联决策问题, 给出了基于灰色系统理论和可拓理论相融合的多属性可拓灰关联决策方法, 建立了基于可拓灰关联优属度的多属性可拓模糊决策模型. 该模型通过引入灰色物元进行多属性规范化处理, 构建了综合考虑灰色信息的灰色物元正负域, 基于相应的正负理想灰色物元建立 了灰色信息的可拓距, 并利用决策方案的可拓灰关联优属度从整体性的角度获得最优方案. 最后, 通过实例验证了该模型的有 效性和可行性.     

河南省农业结构灰色回归预测模型研究

采用灰色关联聚类分析的方法研究河南省农业结构,明确影响河南省农业结构的主要因素。用灰色关联聚类得出的结果,建立河南省农业总产值的多元回归预测模型,并对模型进行精度检验,为河南农业结构战略性调整和农业总产值精确预测提供科学的依据。表5,参6。     

舰船装备维修费单项预测集对分析与组合建模

根据集对分析的基本原理,结合基于误差大小的集对分析组合预测,给出了基于误差方向的集对分析组合预测和基于模型性能的集对分析组合预测;针对基于误差大小的集对分析组合预测建模过程中,从关联度的确定到组合权重的计算过程相对复杂、难以理解,推导简化了组合预测权重计算过程;针对集对分析中同一度为0时导致组合预测模型信息丢失的问题,提出了一种基于折扣的同一度、差异度、对立度转换处理方法。最后算例说明了该方法的有效性。     

Research on the Method of Nonlinear Combining Forecasts based on Fuzzy System

1　ＩｎｔｒｏｄｕｃｔｉｏｎＯｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆｕｎｃｔｉｏｎｓｏｆｍａｎａｇｅｍｅｎｔａｔａｌｌｌｅｖｅｌｓｉｎａｎｏｒｇａｎｉｚａｔｉｏｎｉｓｐｌａｎｎｉｎｇ ,ａｎｄｆｏｒｅｃａｓｔｓｐｌａｙａｋｅｙｒｏｌｅｉｎｔｈｅｐｌａｎｎｉｎｇｐｒｏｃｅｓｓ .Ｍａｎａｇｅｍｅｎｔｎｅｅｄｓｔｏｒｅｄｕｃｅｔｈｅｒｉｓｋｓａｓ ｓｏｃｉａｔｅｄｗｉｔｈｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ,ａｎｄｏｎｅｏｆｔｈｅｗａｙｉｎｗｈｉｃｈｔｈｉｓｃａｎｂｅｄｏｎｅｉｓｂｙａｎｔｉｃｉｐａｔｉｎｇ…     

基于多准则优化的组合预测方法

介绍了9个预测效果评价准则,提出了一种基于多准则优化的组合预测方法。该方法不同于传统的基于改善单个预测效果评价准则的组合预测方法,它综合多个准则并考虑某些准则的组合预测效果评价值优于其单个预测方法的效果评价准则值建立优化模型,利用遗传算法求解其非线性规划模型,得到组合权系数。最后实例说明该方法的可行性和有效性。     

基于VMD的中国出口集装箱运价指数分析与组合预测

基于分解-重构-分项预测-集成思想,通过优选分解方法、优化重构方法、优选预测方法及合理选择集成方法等途径,构建了基于变分模态分解(VMD)的组合预测模型,对中国出口集装箱运价指数(CCFI)进行了预测,分析了CCFI波动特性及经济内涵.首先,选用VMD将运价指数序列分解为多个模态分量;其次,采用C值优化的FCM算法将模态分量重构为高、中、低频和趋势项,通过波动特性分析挖掘了重构项蕴含的短期市场不均衡因素、季节因素、重大事件及市场供需等经济内涵;再次,构建了基于数据特征分析的预测模型优选方法,进行了重构项预测;最后,将重构项预测值相加集成,分析了预测效果.实证结果表明,构建的组合模型预测效果优于BPNN、SVM、ARIMA等单一模型、EMD组合模型及未优化的VMD组合模型,较好地体现了CCFI外在波动特征与内在经济意义.     

基于广义动态灰关联度窗口的时滞分析模型

基于静态最大关联度准则的经典灰关联时滞分析方法对样本时序的依赖性较强,分析结论的代表性较差、甚至会出现自相矛盾的地方.为此,本文探讨了一种新的全局性动态时滞分析方法.首先,设计了新信息优先加权算子,将其引入广义灰色关联度模型,强调新信息在关联分析中的重要性.其次,针对经典的基于灰关联度的时滞分析方法的不足,提出动态灰关联度窗口的概念,对样本时序中所有潜在时滞取值展开系统化的分析.再者,定义了基于动态灰关联度窗口概念的时滞关联度矩阵以及相应的时滞灰关联度向量,设计出灰栈矩阵这一特殊灰关联数据存储结构,动态对比所有潜在时滞关系,找出代表性时滞值.最后,对宏观经济指标之间的时滞关系展开案例分析,并与经典灰关联时滞分析方法进行对比,结果表明本文设计的时滞分析方法具有更好的说服力.     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

一种新的基于模糊模型的非线性组合预测方法及其应用

针对线性组合预测方法的局限性，提出了一种基于T－S模糊模型的非线性组合预测新方法，并给出了相应的反向传播学习算法．理论分析和应用实例表明：该方法具有很强的学习与泛化能力，在处理诸如非线性系统中时间序列的组合建模与预测方面有很好的应用价值．