A Self-determined Evaluation Method for Science Popularization Based on IOWA Operator and Particle Swarm Optimization

With the increase of science popularization, evaluation of science popularization has become an urgent demand. Considering science popularization bases as independent agents, a self-determined evaluation approach for science popularization using induced ordered weighted averaging (IOWA) operator and particle swarm optimization (PSO) is proposed in this paper.Firstly, six factors including science popularization personnel, space, fund,media, activity and influence are selected to construct an index system for science popularization evaluation. On this basis, the absolute dominance and relative dominance of evaluation indexes are used as induced components, and the prior order of the evaluation indexes is determined. Besides, the optimization model of index weighted vectors is established by IOWA operator, index weighted vectors are calculated by particle swarm optimization algorithm, and index weighted vectors and evaluation value vectors are obtain. Finally, the optimal evaluation vectors and evaluation results are given according to the Perron-Frobenius decision eigenvalve theorem .

基于向量夹角余弦的IOWGA算子组合预测模型

文章将向量夹角余弦和IOWGA算子相结合,提出一种基于向量夹角余弦的IOWGA算子最优组合预测模型,并定义了优性组合预测的概念;通过对税收收入进行组合预测说明了该组合预测方法是有效的和合理的,且该模型存在优性组合预测。

一种基于IOWGA算子的大坝安全监控组合预测模型

引进诱导有序加权几何平均(IOWGA)算子,提出一种基于IOWGA算子的大坝安全监控组合预测模型。该模型依据每个单一预测模型在各个时刻预测精度的高低进行有序赋权。实例研究结果表明,该组合预测模型优于传统的加权算术平均组合预测模型和各种单一预测模型,预测精度高,用于大坝安全监控预报有效、可靠。

基于一种贴近度的动态IOWGA算子组合预测模型

通过建立基于贴近度的动态IOWGA算子组合预测模型,弥补了基于诱导有序加权几何平均(IOWGA)算子组合预测模型中最优权系数对不同时刻预测精度序列的变化缺乏灵敏度的不足,并且定义了非劣性组合预测、优性组合预测等概念,给出了它们存在的条件.最后通过实例分析,说明了该组合预测方法的有效性和可行性.

基于相似度的IOWGA算子的区间组合预测

以区间相似度为诱导值,建立基于诱导有序加权几何平均算子(IOWGA)的区间组合预测模型。为避免出现左端点大于右端点的极端情况,将区间当作一个整体引入偏好系数,建立左右端点相同权重的最优约束组合预测模型,实证分析检验了该模型的有效性及精确性.

基于IOWA算子的空气质量组合预测

对空气质量指数进行预测,反映数据波动的趋势与规律,提出基于诱导有序加权平均(IOWA)算子的Prophet-EEMD-XGBoost模型。首先利用Prophet算法将数据分解为趋势项、季节项、节假日、误差项;然后集合经验模态分解EEMD将原始数据分为9项IMF以及残余分量。最后,利用XGBoost模型对各分量分别进行预测,预测结果利用MAE、MAPE、RMSE、RMSPE进行评价。结果表明,相较于一些单预测模型与其他组合预测模型,基于IOWA算子的Prophet-EEMD-XGBoost组合预测模型有更好的预测效果。

中长期电力组合预测模型的理论研究

传统中长期电力负荷组合预测方法中权系数依赖预测方法,预测模型不能很好地反映负荷发展变化规律,对此,提出了基于诱导有序几何加权平均算子(induced ordered weighted geometry averaging operator,IOWGA)和加权马尔可夫链的新型组合预测模型。该模型根据每个单项预测方法在各年份上预测精度的高低按顺序对其赋权,摆脱了权重对各预测方法的依赖,实现了组合预测模型中权系数与拟合精度在任一时点上的相关性。通过加权马尔可夫链定性地推测出预测年份上各单项预测方法的预测精度状态,确定其在预测年份的权系数进而预测。算例分析表明,该组合预测模型能够较好地模拟负荷发展规律,提高预测精度,具有较高的实用价值。

基于IOWC-GOWA算子的区间组合预测模型

在连续区间数广义有序加权平均(C-GOWA)算子基础上,将IOWA算子和C-GOWA算子相结合,提出诱导有序加权连续区间广义有序加权平均(IOWC-GOWA)算子的概念。以指数支撑度作为相关性指标,构建新的组合预测模型。通过实例分析说明该模型能有效提高预测精度。

基于诱导有序加权平均算子和马尔可夫链的中长期电力负荷组合预测模型

针对传统中长期电力负荷组合预测方法的缺陷,将诱导有序加权平均算子(induced ordered weighted averaging,IOWA)与马尔可夫链(Markov chain,MC)相结合构建IOWA-MC组合预测模型。该模型根据每个单项预测方法在各时点拟合精度的高低顺序对其赋权,保证了组合预测模型中权系数与拟合精度在任一时点上的相关性,同时利用MC定性推测出预测时间点上各单项预测方法的预测精度状态,从而确定其在预测时点上的权系数。算例结果表明,IOWA-MC能自动识别高精度预测模型,排除低精度预测方法带来的影响,预测精度较高,具有较强的实用价值。

基于IOWA算子的赤潮LMBP神经网络组合预测模型

针对现有赤潮单项预测模型不能综合各种理化因子有效信息的问题,提出了一种赤潮组合预测模型,该模型基于诱导有序加权平均(IOWA)算子与Levenberg-Marquardt人工神经网络(LMBP)算法,能够有效集结各种理化因子的信息,其预测精度比单项LMBP神经网络预测模型有较大提高.采用烟台四十里湾赤潮监测数据对该模型进行实验,结果验证了该模型的有效性和实用性.

航空货运量的优化组合预测模型

以1997年～2007年我国航空货运量的统计数据为基础,采用灰色GM(1,1)模型和回归分析模型进行组合优化,建立了基于诱导有序几何加权平均(IOWGA)算子的航空货运量组合预测模型,并对组合预测模型进行检验。检验结果表明,组合预测模型是有效、可靠的,且具有较高的预测精度,可应用于实际预测。最后利用所建立的预测模型预测了2009年～2012年我国航空货运量。

煤矿生产物流系统安全与效率动态协调发展度模型研究

为对煤矿生产物流系统安全与效率的协调性进行科学全面的动态评价,在分析系统时序动态特征基础上,结合协调度思想,首先赋予评价指标以时间权重,并采用层次分析法(AHP)和熵值法组合赋权,构建煤矿生产物流系统安全与效率协调发展度静态评价模型。基于时序几何平均算子(IOWGA),赋予影响因子以不同的时间权重。将静态模型沿时间轴展开,构建动态协调度和动态协调发展度模型。实例结果表明,在煤矿生产物流系统中应时刻注重安全与效率各影响因素间的协调发展,资源分配中忽略安全或效率任一方面的单一影响要素,都会使系统发展不协调,导致安全事故或效率低下。

动态信任预测的认知模型

开放系统中的信任关系本质上是最复杂的社会关系之一,涉及到假设、期望、行为和环境等多种因子,很难准确地定量表示和预测.结合人类社会的认知行为,提出了一种符合人类心理认知习惯的动态信任预测模型:(1)构建了自适应的基于历史证据窗口的总体可信性决策方法,不但克服了已有模型常用的确定权重的主观判断方法,而且可以解决直接证据不足时的可信性预测问题;(2)使用已有的DTT(direct trust tree)机制进行全局反馈信任信息的搜索与聚合,以降低网络带宽消耗,增强系统在大规模分布式系统中的可扩展性;(3)引入诱导有序加权平均(induced ordered weighted averaging,简称IOWA)算子的概念,建立了基于IOWA算子的直接信任预测模型,可以用来解决传统预测模型动态适应能力不足的问题.实验结果表明,与已有模型相比,该模型具有更稳健的动态适应性,在模型的预测准确性方面也有显著的改善.

连续区间广义有序加权调和平均算子及其在区间组合预测中应用

在连续区间有序加权调和平均(Continuous ordered weighted harmonic averaging,C-OWHA)算子的基础之上,提出连续区间广义有序加权调和平均(Continuous generalized ordered weighted harmonic averaging,C-GOWHA)算子。对该算子进行拓展,提出了加权的连续区间广义有序加权调和平均算子、有序加权的连续区间广义有序加权调和平均算子、诱导有序加权的连续区间广义有序加权调和平均算子及组合的连续区间广义有序加权调和平均算子,以便能够用于计算区间数据组。此外,在诱导有序加权的连续区间广义有序加权调和平均算子的基础之上,以灰色趋势关联度为相关性指标,提出了基于灰色趋势关联度的诱导有序加权的连续区间广义有序加权调和平均算子的区间数组合预测模型,通过实例分析,表明该模型能够起到提高预测精度的作用。

诱导有序加权平均的组合预测模型及其应用

有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.

基于改进Theil不等系数的导弹备件消耗预测

针对传统备件消耗预测模型在组合赋权方面存在的缺陷,提出了一种基于改进Theil不等系数的诱导有序加权调和平均(induced ordered weighted harmonic averaging,IOWHA)算子和马尔科夫链(Markov chain,MC)的导弹备件消耗预测模型。首先运用最小二乘法、数据变换技术和加权理论对单项预测模型进行改进;然后建立基于Theil不等系数的IOWHA算子组合预测模型;提出利用MC定性推导出组合模型中各单项预测模型在待预测时点上的预测精度状态,进而应用遗传算法(genetic algorithm,GA)求解得到待预测时点上的组合模型权系数。实例结果表明,所提出的组合预测模型大大降低了预测误差。

基于诱导有序加权平均算子的最优组合短期负荷预测

为提高预测精度,弥补现有组合预测方法中单项预测方法在各预测点的加权系数恒定等不足,提出了一种新的组合预测方法——基于诱导有序加权平均算子(inducedordered weighted averaging operator,IOWA)的短期负荷最优组合预测方法。该方法针对同一预测方法在不同时刻的预测效果不同,按照各单项方法在不同时刻预测精度的高低进行有序赋权,实现方法的优缺点互补,降低预测结果对某一方法的依赖性,达到提高预测精度的目的。文中基于IOWA算子的组合预测方法,建立相应的确定权系数的优化模型,给出采用现代内点法解算该优化模型的过程及步骤。实际应用结果表明,该方法能有效提高组合预测精度且计算时间短。

改进IOWHA算子组合预测模型

针对现有单项预测模型提供信息有限,预测误差大的问题,引用最优加权组合建模理论,将灰色关联度与IOWHA算子相结合,提出一种新的组合预测模型权重确定方法,并应用该权重确定方法构建了一种基于RBF神经网络预测模型和GM预测模型的最优组合预测模型。该模型能够克服传统组合预测方法的两个缺陷:加权平均系数不变和以单一误差指标为准则。利用该组合模型对全国物流需求进行组合预测,并与RBF神经网络模型、GM模型的预测结果进行了对比分析。结果表明,相对于单项预测模型,该组合预测模型的预测精度更高,是一种有效的物流需求预测模型。

基于IOWA算子的模糊语言偏好矩阵排序方法

给出了方案之间比较的一种模糊语言标度及其相应的区间数表示形式。运用模糊语言标度构造出模糊语言偏好矩阵。利用导出的有序加权平均(IOWA)算子对模糊偏好信息进行集结,提出了一种基于IOWA算子的模糊语言偏好矩阵排序方法,并把该方法进一步运用于群体决策中的方案排序和择优。最后通过算例说明了该方法的可行性和实用性。

一种多粒度语言决策方法及其在ERP选型中的应用

文章针对具有不同粒度语言表达下的群决策问题,提出了一种基于IOWA算子的多粒度语言决策模型;对多粒度语言进行一致性的转换,引入IOWA算子,将各决策者给出的偏好信息集结为群偏好,同时进行方案的优选,最后将方法应用于ERP选型中;并通过一个算例,说明了该方法的有效性和实用性。