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。

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。

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。

基于诱导语言有序加权平均算子的多属性决策方法

文章研究语言变量的运算法则,定义了新的语言变量运算法则,把有序加权平均(OWA)算子扩展到语言环境中,提出了一种基于诱导语言有序加权平均算子(ILOWA)的多属性决策方法,该方法计算简洁便利,并能克服某些算子出现的反直觉现象,最后通过算例说明此方法。

基于诱导有序加权平均算子的我国粮食产量组合预测

根据我国1978～2011年的粮食产量及相关因素的历史数据,分别建立了多元回归模型、指数平滑模型、BP神经网络模型.在此基础上,根据误差平方和最小的原则,建立了基于诱导有序加权平均(IO-WA)算子的组合预测模型,经验证该模型具有较高的预测精度,并对我国未来5年的粮食产量作出了预测.

模糊诱导有序加权平均算子

给出了诱导有序加权平均算子的矩阵表示,在此基础上提出了模糊诱导有序加权平均算子,讨论了模糊诱导有序加权平均算子的相关性质,并将模糊诱导有序加权平均算子用于一个投资决策实例分析中。

基于诱导有序加权平均算子的风电功率最优组合预测

风电功率预测的准确性对电力系统的调度和稳定运行具有重要意义。为提高预测准确度,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,提出基于诱导有序加权平均算子(IOWA)的风电功率最优组合预测。该方法按照各单项预测方法在不同时刻预测准确度的高低进行有序赋权,实现各种方法的优缺点互补,降低预测结果对某一方法的依赖性,提高预测准确度。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。应用新颖的布谷鸟搜索算法对所提模型进行求解,并同标准粒子群算法及遗传算法进行对比。仿真结果表明,该方法能有效提高组合预测准确度,且计算时间短。

模糊诱导有序加权平均算子的散度

在复杂系统中,模糊诱导有序加权平均算子是一种重要的聚合多源信息工具。借鉴信息熵理论,分析研究了模糊诱导有序加权平均算子的偏好散度和分布散度及它们的相关性质。从实际应用的角度,给出了基于偏好散度和分布散度的选择模糊诱导有序加权平均算子权重向量的优化模型。

广义有序加权指数平均算子及其应用

基于罚函数通过构造优化模型提出了一种新的算子——广义有序加权指数平均算子(GOWEA),并且研究了GOWEA算子的性质.为了确定权重,提出了GOWEA算子的orness测度并研究了orness测度的性质.最后,将GOWEA算子应用到多属性群决策问题中.

基于联系数广义有序加权平均算子的三角模糊数多属性决策方法

为解决属性值和属性权重都是三角模糊数时的多属性决策问题,采用等价转换的思路将属性值和属性权重的三角模糊数转换成同异型二元联系数,进而将三角模糊数的多属性决策转换成二元联系数的多属性决策.基于对二元联系数的有效信息集成,构建了一种新型的联系数广义有序加权平均(CNGOWA)算子,并提出了一种基于CNGOWA算子的三角模糊数多属性决策方法.实例分析表明,基于CNGOWA算子的三角模糊数多属性决策方法合理、稳定,可应用于三角模糊数型的模糊数据的决策分析和应用.

基于诱导有序加权调和平均算子和马尔科夫链的电量组合预测模型的研究

将诱导有序加权调和平均算子和马尔科夫链相结合,提出一种基于诱导有序加权调和平均算子和马尔科夫链的组合预测模型,该模型可以克服传统的组合预测方法赋予不变的权系数和以单一误差指标作为预测精度衡量的缺陷,同时采用马尔科夫链推出各单项预测模型在各个预测时间点预测精度的状态,从而得到组合模型的权系数。文中首先采用回归法、指数平滑法及灰色预测法分别建立了陕西省某市年用电量单项预测模型,随后引进诱导有序加权调和平均算子和马尔科夫链的概念,建立了年用电量的组合预测模型,并对年用电量进行了实证分析。实例分析表明了新模型能有效地提高组合预测精度,降低预测的风险性,从而证明这种组合模型具有较好的实用性。

诱导有序加权平均算子在城市公共交通预测中的应用

有序加权平均算子是近年来发展起来的,并在许多领域有着广泛的应用。本文通过引进诱导有序加权平均算子(IOWA),介绍并建立了组合预测模型,最后给出IOWA在城市公共交通预测中的应用,并结合实例分析结果表明了模型的有效性。

广义毕达哥拉斯模糊有序加权比例平均算子及其应用

将广义有序加权比例平均算子推广到毕达哥拉斯模糊决策环境中,定义了广义毕达哥拉斯模糊有序加权比例平均算子(GPFOWPA),并研究了该算子的性质。最后,提出了基于GPFOWPA算子的模糊多属性群决策方法,并通过实例证实其有效性与可行性。

三角直觉模糊广义有序加权平均算子及其在多属性群决策中的应用

针对属性以三角直觉模糊数(TIFN)形式表示和具有不完全权重信息的多属性群决策(MAGDM)问题进行了研究。首先定义了三角直觉模糊广义有序加权平均(TIFGOWA)算子,再利用得分函数和精确函数对方案的排序方法,对不完全权重信息的三角直觉模糊MAGDM问题,运用TIFGOWA算子提出一种新的多目标线性规划的求解方法。最后,运用一个算例说明了本文所提方法的合理性与有效性。

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.

广义有序加权指数调和平均算子及其应用

文章通过罚函数构建并求解优化模型定义了广义有序加权指数调和平均算子（GOWEHA）,证明了其具有单调性、幂等性、有界性和置换不变性等性质。随后,定义了GOWEHA算子的orness测度,探讨了orness测度的性质。并在给定orness水平下,提出了求解GOWEHA算子权重向量的最小指数平方法。最后,结合GOWEHA算子提出一种多属性群决策方法,并通过应用实例说明决策方法的可行性。

广义实型密度加权平均中间算子及应用

针对普遍存在的向量、矩阵等多维的数据形式,将面向点值的密度加权平均中间(DWA)算子拓展为广义实型密度加权平均中间(GR-DWA)算子.给出了通用的数据元素聚类过程,该过程能够对点、向量、矩阵等3种类型的数据进行有效分组.研究了一种兼顾"规模"与"功能"信息的密度加权向量设置方法,并给出了3种参数确定思路,以支持主观、客观或主客观结合等多种决策方式.定义广义实型密度算术平均(GR-DWAAA)算子,并探讨了GR-DWA算子在多属性群决策中的多种运用途径.最后,给出了GR-DWAAA算子处理多属性群决策问题的一个应用算例,算例的结果验证了算子的有效性.

基于有序加权平均算子的概率模糊认知图

模糊认知图(FCM)与概率模糊认知图(PFCM)使用简单的加权和集结因果推理结果,忽略了原因节点间关联关系的不确定性,阈值函数导致推理结果进一步失真。在继承FCM与PFCM优点的基础上,引入有序加权平均(OWA)算子模拟各种确定的或模糊的与或组合关系,提出了基于有序加权平均算子的概率模糊认知图(OWA-PF-CM)。通过构建一个动态的攻击效能评估模型,阐述了OWA-PFCM在工程建模中的应用。OWA-PFCM能同时表示因果节点状态的不确定性、因果联系强度的不确定性、与或组合关系的不确定性,具有更强的模拟能力。

不确定有序加权几何平均算子的赋权方法(英文)

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中.首先给出了区间数两两比较的可能度的一个公式,证明了该公式与现有的公式是等价的,并给出了该公式的一些优良性质.其次,研究了不确定有序加权几何平均算子,这里算子的权重参数不能够确定,但是值的范围是给定的,并且不确定OWGA算子的集结值是已知的.建立了一个线性目标规划模型,求解该模型,不仅可以得到不确定OWGA算子的权重向量而且可得到方案的估计值,然后用可能度公式通过对估计集结值的比较来对方案进行排序.最后通过实例说明了该方法的有效性和可行性.

有序加权平均算子权重确定新方法及其应用

在应用OWA算子进行决策分析过程中,OWA算子权重的确定是关键的一环.提出了一种确定OWA算子权重的新方法,并把新方法应用于数据为区间数的不确定环境中,基于区间数两两比较的可能度公式和互补判断矩阵的排序公式,提出了一种不确定型OWA算子,给出了其在应用过程中的具体步骤.数值例子表明了新算子的有效性和可行性.