資源描述：
《基于混合模型的模糊時間序列預(yù)測的研究-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第35卷第3期遼寧工業(yè)大學(xué)學(xué)報(自然科學(xué)版)、，0l-35．NO．320l5年6月JournalofLiaoningUniversityofTechnology(NaturalScienceEdition)Jun．2015DOI：10．15916／j．issn1674-3261．2015．03．016基于混合模型的模糊時間序列預(yù)測的研究秦田田，王濤，郭小蕾，范秋楓(遼寧工業(yè)大學(xué)理學(xué)院遼寧錦州121001)摘要：將移動自回歸模型，減法聚類，神經(jīng)網(wǎng)絡(luò)，模糊邏輯系統(tǒng)相結(jié)合，設(shè)計基于模糊時間序列預(yù)測的混合系統(tǒng)模型，基于所設(shè)計的混合模型研究居民消費價格指數(shù)(
2、CPI)的模糊時間序列預(yù)測問題，應(yīng)用BP算法調(diào)整系統(tǒng)參數(shù)，并給出仿真研究。仿真結(jié)果表明，所設(shè)計的混合模型應(yīng)用于CPI的模糊時間序列預(yù)測是可行的與有效的。關(guān)鍵詞：時間序列；移動自回歸模型；模糊邏輯系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；BP算法中圖分類號：TP3l1文獻(xiàn)標(biāo)識碼：A文章編號：1674．3261(2015)03—0200．06ResearchonFuzzyTimeSeriesPredictionBasedonHybridModelQINTian-tian，WANGTao，GUOXiao-lei，F(xiàn)ANQiu—feng(ScienceCollege，Liaonin
3、gUniversityofTechnology,Jinzhou121001，China)Abstract：Autoregressiveintegratedmovingaveragemodel，subtractiveclustering，neuralnetwork，andfuzzylogicsystemwerecombined，akindofhybridsystemmodelbasedontimeseriespredictionwasdesigned，fuzzytimeseriespredictionproblemofCP1wasstudiedbas
4、edonthehybridmodelandBPalgorithmwasappliedtoadjustingthesystemparameters，andthesimulationresearchwasgiven．ThesimulationresultsshowthatthedesignofthehybridmodelwhichwasappliedtofuzzytimeseriespredictionofCPIisfeasibleandefective．Keywords：timeseries；autoregressiveintegratedmovin
5、gaveragemodel；fuzzylogicsystem；neuralnetwork；back_pfopagationalgorithm在時間序列預(yù)測領(lǐng)域，解決預(yù)測問題最有力的方法是不僅要能準(zhǔn)確的進(jìn)行預(yù)測，還要能發(fā)現(xiàn)時間序列的動態(tài)行為和揭示動態(tài)現(xiàn)象背后的規(guī)律。時間序列分析預(yù)測法是系統(tǒng)預(yù)測的最基本的方法。目前時間序列預(yù)測法有：簡單序時平均數(shù)法、加權(quán)序時平均數(shù)法、移動平均法、加權(quán)移動平均法、趨勢預(yù)測法、指數(shù)平滑法、季節(jié)性趨勢預(yù)測法、市場壽命周期預(yù)測法、模糊邏輯系統(tǒng)預(yù)測等。這些方法各有利弊，沒有哪個方法是最好的預(yù)測方法。AutoregressiveI
6、ntegratedMovingAverageModel(ARIMA)模型全稱為自回歸移動平均模型，是由Box和Jenkins于20世紀(jì)70年代初提出的著名時間序列預(yù)測方法。ARIMA模型的基本思想是：將預(yù)測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機(jī)序列，用一定的數(shù)學(xué)模型來近似描述這個序列。這個模型一旦被識別后就可以從時間序列的過去值及現(xiàn)在值來預(yù)測未來值。模糊神經(jīng)網(wǎng)絡(luò)(FuzzyNeuralNetwork)是在神經(jīng)網(wǎng)絡(luò)(NeuralNetwork)和模糊系統(tǒng)(FuzzySystem)的基礎(chǔ)上發(fā)展起來的，二者的融合彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)在模糊數(shù)據(jù)處理方面的不足
7、和模糊邏輯在學(xué)習(xí)方面的缺陷，是一個集語言計算、邏輯推理、分布式處理和非線性動力學(xué)過程于一身的系統(tǒng)。當(dāng)前模糊神經(jīng)網(wǎng)絡(luò)的研究主要集中在模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，F(xiàn)NN結(jié)構(gòu)及確定，模糊規(guī)則的提取與細(xì)化，模糊神經(jīng)網(wǎng)絡(luò)在自適應(yīng)收稿日期：2014—12—08基金項目：遼寧省高人才資助項目(2012921055)作者簡介：秦田田(1989一)，女，河南三門峽人，碩士生。王濤(1967一)，女，遼寧錦州人，教授，碩士。第3期秦田田等：基于混合模型的模糊時間序列預(yù)測的研究‘201控制、預(yù)測控制中的應(yīng)用等。各種類型的模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的共同方面是：結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)兩
8、部分，結(jié)構(gòu)學(xué)習(xí)是指按照一定的性能要求確定模糊系統(tǒng)的推理規(guī)則的條數(shù)，每條規(guī)則的前提和結(jié)論的隸屬度函數(shù)以及由清晰化得到具體的規(guī)
