基于DTW的长期直觉模糊时间序列预测模型

针对现有直觉模糊时间序列模型中直觉模糊关系组和确定性转换规则过度依赖训练数据规模的问题,提出一种基于动态时间弯曲（DTW, dynamic time warping）距离的长期直觉模糊时间序列预测模型。通过直觉模糊C均值（IFCM, intuitionistic fuzzy C mean）聚类构建直觉模糊时间序列片段库,动态更新和维护规则库,减少系统复杂度。提出基于DTW距离的直觉模糊时间序列片段相似度计算方法,有效解决不等长时间序列片段匹配问题。通过对合成数据以及包含不同时间序列模式的气温数据的实验,与其他相关模型比较,说明该模型对于不同时间序列趋势变化模式中均具有较高的预测能力,克服传统模型提高模型只能满足单一模式时间序列预测,提高模型的泛化性能。     

一种启发式变阶直觉模糊时间序列预测模型

论文针对已有高阶模糊时间序列模型在预测精度和预测范围上的限制,结合直觉模糊集理论,提出一种启发式变阶直觉模糊时间序列预测模型。模型首先应用直接模糊聚类算法对论域进行非等分划分;然后,针对直觉模糊时间序列的数据特性,改进现有直觉模糊集隶属度和非隶属度函数的建立方法;最后,采用阶数随序列实时变化的高阶预测规则进行预测,并将历史数据发展趋势的启发知识引入解模糊过程,使模型的预测范围得到扩展。在Alabama大学入学人数和北京市日均气温两组数据集上分别与典型方法进行对比实验,结果表明该模型有效克服了传统模型的缺点,拥有较高的预测精度,证明了模型的有效性和优越性。     

基于直觉模糊Petri网的知识表示和推理

针对模糊Petri网存在隶属度单一的问题,将直觉模糊集理论与Petri网理论相结合,构建直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)模型,用于知识的表示和推理.首先构建了IFPN模型,并将其应用于知识的表示,通过在模型中引入抑止转移弧,解决了否命题的表示问题.其次提出了基于矩阵运算的IFPN推理算法,通过修改变迁触发后token值的传递规则,解决了推理过程中的事实的保留问题;通过修改变迁的触发规则,抑制了变迁的重复触发.最后对推理算法进行了分析,并举例验证了提出的IFPN模型及其推理算法的可行性,结果表明IFPN是对FPN的有效扩充和发展,其对推理结果的描述更加细腻、全面.     

基于模糊时间序列的短期电力负荷预测

本文利用时变模糊时间序列模型预测未来一小时的负荷,给出了一种短期电力负荷预测新方法。同时,分析了时变模糊时间序列模型相关参数对预测精度的影响。应用模糊时间序列进行电力负荷预测,克服传统时间序列在建立离散的递推模型时需要准确的数据的缺点,消除了病态数据对模型的影响。应用山东省某电力公司的数据进行仿真研究取得了较好的预测精度。     

基于UKF的自组织直觉模糊神经网络

模糊集在语义描述上存在不足,因此,如何对模糊神经网络进行扩展是当前模糊神经网络研究的热点,针对这一问题,本文提出了基于UKF的自组织直觉模糊神经网络。首先,给出了直觉模糊神经网络的结构和各层的含义;其次,推导了直觉模糊神经网络的学习算法,用LLS和UKF分别学习线性和非线性参数;然后,给出了模糊规则生成的准则,并用误差下降率方法作为规则修剪的策略,删除作用不大的规则;最后,通过典型的函数逼近、系统辨识和时间序列预测实例,表明本文算法得到的直觉模糊神经网络的结构更为紧凑,泛化性能也更佳。     

基于概率统计的电力负荷时间序列预测模型

电力负荷预测属于设置发电计划与电力系统发展的核心,高精度的负荷预测对于电力系统经济、安全、稳定的工作存在着不可忽视的作用。为此,构建基于概率统计的电力负荷时间序列预测模型,采用基于概率主分量分析模型的电力运行数据预处理方法,去除冗余数据。对预处理后的电力运行数据,通过基于多变量时间序列的电力负荷预测模型,实现电力负荷预测。经实验验证,所构建模型对电力负荷的预测结果可信度高,且对短期、长期的电力负荷的预测精度均显著,针对不同时间序列类型的电力负荷预测任务而言,均可实现高精度、全方位的电力负荷预测,可作为电力负荷预测任务中的参考模型。     

基于模糊时间序列的给水泵指标预测

对火电厂给水泵系统设备的指标数据进行有效预测,有助于保障设备安全、可靠运行,提高指标数据预测的准确性具有重要意义。文中提出基于模糊时间序列算法来预测给水泵系统设备的指标数据,同时采用该算法在给水泵的真实运行数据集上进行实验,分别对给水泵指标出口压力及温度进行预测。结果显示,给水泵出口压力预测模型平均绝对百分比误差为0.009 5,均方根误差为0.250 5,而出口温度的模型平均绝对百分比误差为0.001 4,均方根误差为0.366 2,证实了模糊时间序列预测算法的预测误差较低,且能够应用于给水泵系统设备的指标预测中。     

三角直觉模糊数理论在供应商选择中的应用

随着社会的发展,物质极大地丰富,人们的需求也多样化,为人们提供服务的供应商越来越多,如何选择满意的供应商也是生活中非常重要的事情,基于社会现实文章首先阐述了三角直觉模糊数的理论知识,继而将一种基于两个三角直觉模糊数之间距离的决策方法应用在供应商的选择中。     

基于直觉模糊集合的人工情感认知推理

针对目前人工情感的认知过程没有较好的算法实现策略,给出了基于直觉模糊集合的推理方法,并对真值限定直觉模糊推理提出了几种归一化思路.以具体算例验证了该方法的有效性,计算结果分析表明,运用直觉模糊能够模拟推理人的情感认知,比较接近入的正常情感反应.     

基于自适应增量学习的时间序列模糊聚类算法

针对现存可用于时间序列的增量式模糊聚类算法往往需要设置多个控制参数的问题,本文提出了一种基于自适应增量学习的时间序列模糊聚类算法.该算法首先继承上一次聚类得到的簇结构信息以初始化当前聚类进程,然后在无需设置参数的情况下自适应地搜索当前数据块中的离群样本,并自动从离群样本创建新簇,最后检查空簇识别标识确定是否需要移除部分簇以保证后续聚类过程的效率.实验结果表明所提算法对等长和不等长时间序列均具有良好的聚类准确性及运行效率.     

基于谱聚类的高阶模糊时序自适应预测方法

结合数据特征及分布特点提出一种基于谱聚类的模糊时间序列自适应预测方法。首先基于谱聚类的思想,根据样本数据特征获取其所属论域的个数及范围,实现向模糊时间序列的自适应转化;然后基于Markov概率模型表示模糊时间序列中的模糊关系,从而对多步模糊关系、高阶模糊关系及模糊关系的稳态进行求解;最后获取预测值的可能模糊状态,进而利用去模糊化方法将其还原为预测值。在真实以及人工时间序列数据上的实验表明了所提方法的合理性与有效性。     

基于粒子群优化的直觉模糊核聚类算法研究

针对现有基于核方法的直觉模糊聚类算法对初始值敏感、收敛速度慢等缺陷,利用粒子群优化算法全局搜索能力强、收敛速度快的优势,对直觉模糊核聚类算法的初始聚类中心进行优化,并提出了一种基于粒子群优化的直觉模糊核聚类算法。该算法在提升聚类性能的同时,有效增强了算法的收敛速度。在实验阶段,采用4组标准数据集对该算法进行了分类实验及有效性测试,并将其与模糊c均值聚类算法及直觉模糊c均值聚类算法的分类效果及运行时间进行对比,实验结果充分表明了该算法的有效性及优越性。     

Infrared image segmentation algorithm based on distribution information intuitionistic fuzzy c-means clustering

Due to the sensitivity of the traditional intuitionistic fuzzy c-means (IFCM) clustering algorithm to the clustering center in image segmentation,which resulted in the low clustering precision,poor retention of details,and large time complexity,an intuitionistic fuzzy c-means clustering algorithm was proposed based on spatial distribution information suitable for infrared image segmentation of power equipment.The non-target objects with high intensity and the non-uniformity of image intensity in the infrared image had strong interference to the image segmentation,which could be effectively suppressed by the proposed algorithm.Firstly,the Gaussian model was introduced into the global spatial distribution information of power equipment to improve the IFCM algorithm.Secondly,the membership function was optimized by local spatial operator to solve the problem of edge blur and image intensity inhomogeneity.The experiments conducted on Terravic motion IR database and the data set containing 300 infrared images of power equipment show that,the relative region error rate is about 10% and is less affected by the change of fuzzy factor m.The effectiveness and applicability of the proposed algorithm are superior to other comparison algorithms.     

基于混沌时间序列的电力月负荷预测

采用一种基于混沌时间序列的负荷预测方法进行月用电量的预测。这种方法可以不考虑气候等因素，仅利用电力负荷的历史数据计算来进行预测，就可以得到较高的预测精度。     

基于直觉模糊c均值聚类核匹配追踪的弹道中段目标识别方法

针对核匹配追踪算法(KMP, kernel matching pursuit)进行全局最优搜索导致学习时间过长这一缺陷,汲取直觉模糊c均值聚类(IFCM, intuitionistic fuzzy c-means)算法的动态聚类特性优势,提出一种基于直觉模糊c均值聚类的核匹配追踪(IFCM-KMP, intuitionistic fuzzy c-means kernel matching pursuit)算法,且对UCI库中4组实际样本数据进行了分类实验及有效性测试.最后,选取高分辨距离像(HRRP)这一弹道中段目标识别常用的特征属性,对其进行特征提取获得子像,并分别采用FCM,KMP,IFCM-KMP 3种算法对真弹头进行目标识别仿真实验及结果对比分析,充分表明了IFCM-KMP算法用于弹道中段目标识别较之FCM、KMP的优越性及有效性.     

一种新的基于直觉模糊集的作战决策算法

针对现有作战决策算法存在的不足,提出了一种新的基于直觉模糊集的作战决策算法.用直觉模糊值表示可行方案指标的不确定信息,综合考虑了方案满足指标的可能性、不满足的可能性和未知的可能性3个方面的因素,给出了直觉模糊决策矩阵的建立方法和可行方案优劣度排序方法.实例及实际应用证明了算法的有效性与可行性.     

Network traffic prediction based on a new time series model

Fast and accurate methods for predicting traffic properties and trend are essential for dynamic network resource management and congestion control. With the aim of performing online and feasible prediction of network traffic, this paper proposes a novel time series model, named adaptive autoregressive (AAR). This model is built upon an adaptive memory‐shortening technique and an adaptive‐order selection method originally developed by this study. Compared to the conventional one‐step ahead prediction using traditional Box–Jenkins time series models (e.g. AR, MA, ARMA, ARIMA and ARFIMA), performance results obtained from actual Internet traffic traces have demonstrated that the proposed AAR model is able to support online prediction of dynamic network traffic with reasonable accuracy and relatively low computation complexity. Copyright © 2005 John Wiley & Sons, Ltd.     

基于混沌时间序列的BP神经网络电力负荷预测

在混沌时间序列的基础上,应用BP神经网络对电力负荷进行了预测,并对模型特性进行了分析。理论分析和实例计算均表明该预测模型的精确度较高,适合在电力负荷预报中推广应用。