基于预测有效度的IOWA算子模糊组合预测方法

传统的组合预测方法大部分都是针对数字型数据进行的,但在实际生活中,预测对象具有模糊性,常用三角模糊数表征其特征信息;提出了基于模糊信息的一阶预测有效度的概念,并将其作为精度指标,运用诱导有序加权平均(IOWA)算子对三角模糊数信息进行集成,建立了相应的组合预测模型,实例分析表明基于一阶预测有效度的IOWA算子模糊组合预测模型是可行和有效的。     

基于IOWHA算子的对外直接投资组合预测

在引用诱导有序加权调和平均(IOWHA)算子组合预测模型的基础上,首先分别使用ARIMA模型、灰色预测模型、多元线性回归模型对我国对外直接投资(OFDI)进行预测,然后建立基于IOWHA算子的组合预测模型和评价指标体系;结果显示:IOWHA组合预测模型优于3种单项预测;运用组合预测模型预测我国未来4年的OFDI值,预测值表明未来几年,我国OFDI仍处于增加状态,增幅较大;最后给出相关结论及建议。     

基于IOWA算子的我国粮食产量组合预测研究

以1978—2018年我国粮食产量数据为样本,提出基于IOWA算子的组合预测模型,对我国未来5年的粮食产量进行预测。首先建立时间序列ARIMA模型、Holt-winters加法模型和多元线性回归模型,运用3个单项预测模型对1978—2018年间我国的粮食产量进行拟合,然后基于IOWA算子建立以误差平方和最小为准则的组合预测模型,最后运用基于IOWA算子组合预测模型对我国未来5年的粮食产量进行预测。结论表明:基于IOWA算子的组合预测模型具有更高的预测效果,能够使得单项预测模型提供的有效信息得到全面利用,更精准地预测我国粮食产量;我国未来5年的粮食产量还会持续增加,并且每年的平均增长速度为1.3%。     

安徽省城镇化水平预测———基于IOWHA算子的组合预测

以1990-2011年安徽省城镇化水平为样本区间,在指数平滑、灰色预测与回归预测三种单项预测方法的基础上,以预测倒数误差平方和最小为准则,建立IOWHA算子组合预测模型;对该模型的预测有效度的评价结果表明该组合预测模型能有效提高预测精度;根据该组合模型预测出安徽省2012-2015年城镇化水平将分别达到46.35％、47.89％、49.44％、50.98％.     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

组合参数化建模方法及其应用

为提高参数化建模效率,提出了组合参数人建模思路,运用化整为零的方法,将复杂的工程图分解为有限个子图,并分别建模,然后利用组合管理器将其重新组合,建立组合模型,这样,不仅加快了建模速度,避免了长时间的约束计算过程,还方便了模型的修改以及子模型相互位置关系的调整,文中以齿轮科建模为例,阐述了组合参数化建模方法的基本原理。     

基于IOWA算子的安徽省固定资产投资的组合预测

以1990～2011年安徽省固定资产投资为样本区间,运用VAR预测模型、指数预测与二次移动平均预测3种单项预测方法,以预测误差平方和最小准则,建立IOWA算子组合预测模型。对该模型的预测有效度进行评价,结果表明:该组合预测模型能有效提高预测精度。     

基于IOWA算子的中国能源消费总量的组合预测

本文利用多元回归模型、指数模型、灰色预测这三种方法分别对我国的能源消费做了预测,然后利用IOWA算子,运用诱导有序加权平均方法,对这三种模型的预测值进行了组合.实证结果显示,基于IOWA算子的组合预测的精度比三种方法各自的精度要高,而且精度比较稳定,达到了预期的水平.在此基础上,运用IOWA算子组合预测了2013年的能源消费总量,以期为相关部门制定能源政策和宏观经济的运行提供有用的参考信息.     

基于IOWHA算子的人口组合预测与分析

以1979-2012年河南省人口总量为样本区间,在ARIMA、非线性回归和Gompertz曲线3种单项预测模型的基础上,根据预测值倒数的误差平方和最小准则构建基于IOWHA算子的组合预测模型.该人口组合预测模型能够综合利用各单一预测模型的预测信息,有效的减少预测误差,提高预测精度.预测结果显示:河南省人口总量2015年将达到10 807.08万人,2020年将达到11 555.64万人.     

基于Theil不等系数的IOWGA算子组合预测模型

将Theil不等系数和IOWGA算子相结合,提出一种基于Theil不等系数的IOWGA算子最优组合预测模型,并定义了优性组合预测和非劣性组合预测的概念,最后通过对税收收入进行组合预测说明该组合预测方法的有效性和合理性,且该模型存在优性组合预测.     

组合预测方法中权系数的应用研究

针对组合预测方法中权系数的确定问题,提出两种组合预测方法。一种是引入误差评价公式来确定权系数的固定权系数组合预测方法;一种是基于神经网络的误差倒数变权组合预测方法。通过实例分析说明了两种方法的可行性,且结果表明方法比单模型方法预测和传统组合预测方法具有更高的拟合精度。     

一类推广的Kantorovich算子的线性组合在Orlicz空间内的逼近

目的讨论一类推广的Kantorovich算子的线性组合在Orlicz空间内的逼近问题。方法利用了光滑模和K-泛函等工具。结果对这一类推广的Kantorovich算子的线性组合的范数等进行讨论,得到了相应的性质。结论得到了该组合算子在Orlicz空间内的收敛阶的估计。     

熵值法及其在确定组合预测权系数中的应用

组合预测方法能有效地提高预测精度,因而在众多领域有广泛的应用。其研究的核心的问题就是如何求出组合预测加权平均系数。本文从信息论的观点出发,利用信息论中熵值的概念,重新定义预测误差序列的变异程度,从而获得计算组合预测加权系数的一种方法。该方法具有概念清楚、计算简单的特点。实例计算结果令人满意。     

基于CNN-LSTM-lightGBM组合的超短期风电功率预测方法

近年来,风电装机规模逐年增加,风电数据采集量呈现规模化增长,面对海量多维、强波动的风电数据,风电功率预测精度仍面临一定的挑战。为提高风电功率预测精度,提出了基于卷积神经网络(convolutional neural networks, CNN)-长短期记忆网络(long short-term memory, LSTM)和梯度提升学习(light gradient boosting machine, lightGBM)组合的超短期风电功率预测方法。首先,分别建立CNN-LSTM和lightGBM的风电功率超短期预测模型。其中,CNN-LSTM模型采用CNN对风电数据集进行特征处理,并将其作为LSTM模型的数据输入,从而建立CNN-LSTM融合的预测模型;然后,采用误差倒数法对CNN-LSTM和lightGBM的预测数据进行加权组合,建立CNN-LSTM-lightGBM组合的预测模型;最后,采用张北曹碾沟风电场的风电数据集,以未来4 h风电功率为预测目标,验证了组合模型的有效性。预测结果表明：相较于其他3种单一模型,组合模型具有更高的预测精度。     

Banach空间中非单调算子方程解的存在唯一性

利用锥和耦合上下解方法,研究Banach空间不具有单调性,连续性和紧性条件的非线性二元算子方程解的存在唯一性,并给出了失代序列收敛于解的误差估计,所得结果和改进和推广了混合单调算子方程的某些已知相应结果。     

组合法在静电学中的应用

由已知的典型电场的分布规律,通过组合法求解静电场中的复杂问题     

组合预测模型在北京市汽车拥有量预测中的应用

将单项预测模型有机地结合,从相关性角度出发,各单项模型在各时点的权重系数与该时点的预测精度有关,得到了基于Theil不等系数的IOWGA算子组合模型,克服了传统组合预测的缺陷.介绍了相应的优性组合预测的概念,并利用该组合模型对北京市家用汽车拥有量进行预测,5种误差指标值均较低,说明了本文方法的有效性.     

基于灰色关联度的组合预测模型的性质

基于灰色关联度的组合预测模型是研究组合预测方法的一个新思路,实例结果表明它是一种有效的组合预测方法.针对该模型,提出新的优性组合预测、预测方法优超、冗余度等概念;在一定的条件下, 证明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; 给出优性组合预测存在的一个充分条件, 最后证明冗余预测方法的一个判定定理,这对组合预测方法有效信息的提取具有重要的意义.     

算子的谱配置问题

考虑了算子补问题的一个重要研究方面谱配置问题 ,指出它与算子的可控性有密切关系 .给出了可控二元算子对 (A ,B)∈ H×K的几个等价刻画