基于指数支撑度的最优组合预测模型及其性质研究

在支撑度定义的基础上,提出平均指数支撑度、平均离散度等概念,构建了平均指数支撑度最优组合预测模型,并考虑其等价的平均离散度最优组合预测模型.针对该模型,提出优性组合预测等概念,给出了非劣性组合预测和优性组合预测存在的充分条件、冗余预测方法的存在性和冗余信息的判定等结果,最后的实例说明了该模型的有效性.

基于指数支撑度的IGOWLA算子的最优组合预测模型

在广义诱导有序加权对数平均算子(IGOWLA算子)的基础上,引入指数支撑度以及构建了一种基于支撑度的IGOWLA算子的最优组合预测模型,并对该模型的预测精度、优性及非劣性给出定义.实例分析表明,该组合预测模型优于传统的组合预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测.

基于IOWC-GOWMA算子和指数支撑度的区间型组合预测模型

将连续区间的广义有序加权多重平均(C-GOWMA)算子和诱导有序加权平均(IOWA)算子相结合,提出一种新的诱导有序加权连续区间广义有序加权多重平均(IOWC-GOWMA)算子,该算子同时考虑区间数自身、数据位置两个因素,可以将区间数转换成实参数,进一步构建基于IOWC-GOWMA算子和指数支撑度的区间型组合预测模型。最后通过实例分析说明该区间组合预测模型的合理性和有效性,并对参数进行了详细的灵敏度分析。

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。