旅游客流量预测的模糊时间序列模型——以黄山风景区为例

以黄山风景区1979-2004年的年度旅游人数数据为训练集,运用模糊聚类算法客观地分割论域,然后建立了一种模糊时间序列的加权模型以充分利用观测样本的初始信息.通过对传统的模糊时间序列模型与基于模糊聚类算法的加权模糊时间序列模型两种预测结果均方误差的比较,可见基于模糊聚类算法的加权模糊时间序列模型不但具有更高的预测精度而且也具有更好的稳定性.

基于广义模糊时间序列模型的动态顾客需求分析与预测

顾客需求的动态分析对于产品质量持续改进有着重要的影响,动态顾客需求重要度常为小样本模糊数据。考虑到遗传算法和模糊时间序列模型对于处理小样本模糊数据优越性,研究了基于广义模糊时间序列模型的动态顾客需求分析与预测问题。鉴于传统的遗传算法主要用于解决单个决策变量问题,在遗传算法中加入染色体重组算子,建立了一种基于遗传算法的广义模糊时间序列模型。以某企业生产的静电吸尘器为例,研究了该模型在动态顾客需求分析中的应用。通过对比分析,验证了所建模型的科学性和有效性。

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型(X12-ARIMA)将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法(ICEEMDAN)将季节调整后序列分解成一系列不同时间尺度的本征模态函数(IMF)和残差序列(Residue)。然后使用基于模糊C均值算法(FCM)划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。

基于改进狼群算法的模糊时间序列预测模型

当使用模糊时间序列预测模型进行预测时,模糊区间的不同划分对最后的预测精度有着十分重要的影响.针对如何更有效的划分模糊区间、进一步提高模糊时间序列的预测精度问题,本文提出了一种基于改进狼群算法的模糊时间序列预测模型.为此首先简要介绍了模糊时间序列,然后阐述了狼群算法并在其游走行为中引入趋向行为和死亡概率对其进行了改进,最后利用改进狼群算法来划分模糊区间,建立了一种新的模糊时间序列预测模型.将Alabama大学入学人数作为实验数据进行实例分析和验证.通过与现有的一些模型进行对比分析,本文所提模型具有更高的预测精度,为模糊时间序列预测提供了新思路.

考虑模糊时间序列的高维大数据挖掘方法研究

高维空间的大数据维数越高,其高维索引结构的性能越差,无法通过数据之间的相似性度量完成挖掘。为此,提出基于模糊时间序列预测的高维大数据挖掘方法。对初始的高维大数据集求取各维度数据的属性信息熵,根据信息熵筛选数据,通过主成分分析备选集合中的数据属性,结合成分协方差与特征值,降低数据维度。采用K均值聚类算法二分聚类处理降维数据,取得粗聚类结果。利用支持向量机的最优超平面与决策树作细化分类。基于时间序列上的数据极值,明确数据集的论域个数与范围,根据模糊化处理的模糊集序数,建立模糊逻辑关系,建立模糊时间序列预测模型,对大数据去模糊化处理,完成高维大数据挖掘。选用UCI大数据库作为样本集设计对比测试实验。实验结果验证了研究方法的大数据挖掘精度更高,数据挖掘加速比高达0.9以上,说明所提方法的实时性较强,具备更好的应用性能。

基于模糊时间序列的传感器网络感知数据预测模型

传感器网络监控系统属于大型复杂系统,由感知节点以一定的时间间隔向sink节点发送感知数据,以实现对应用环境的监控。由于网络本身及应用环境的影响,得到的感知数据往往存在不确定性。此外,周期性报告数据模式影响到实时监控数据的精确性。本文应用时间序列模型预测传感器数据以响应用户查询,可有效降低网络通信量。通过对无线传感器网络的数据分析,引入多属性模糊时间序列预测模型,充分考虑了无线传感器网络时间序列中存在的趋势因素,并提出了适合于传感器网络的修正预测模型。实验结果表明模糊时间序列模型可有效预测传感器网络数据,且能提高预测精度。

两种时间序列模型在客流量预测上的比较

模糊时间序列模型和季节模型都是基于时间序列的模型,为了探讨在时间序列表现出一定的周期性时,哪种模型的预测效果会更好,分别利用模糊时间序列模型和季节模型对南京某商场的客流量进行预测,计算并比较两种方法下的相对误差值和RMSE(Root Mean Square Error)值,发现季节模型的相对误差值图形的平滑度要优于模糊时间序列模型,季节模型的RMSE值小于模糊时间序列模型,这表明考虑到数据特征的模型有更好的预测结果。

基于GA的广义模糊时间序列建模及其在旅游需求预测中的应用

研究了基于遗传算法(genetic algorithm,GA)的广义模糊时间序列建模问题。为更好解决多决策变量问题,避免传统意义上的统计算法和模糊时间序列模型的缺陷,在遗传算法中加入染色体重组算子,得到一个改进的遗传算法,构建了一种基于改进遗传算法的广义模糊时间序列模型。最后,以我国黄山风景区游客人数预测为例,通过实证分析验证了该模型。与传统的模糊时间序列模型或者和其他方法结合而形成的混合模型相比,该模型可以避免在划分区间上的主观随意性并提高预测精确度。

模糊集合时间序列方法预测中国农产品期货指数

期货市场在货币市场和资本市场中有着举足轻重的地位,投资者和决策者都亟需能够预测其价格走势的理论与方法。然而,期货市场是一个不稳定的复杂系统,政治、社会、宏观经济趋势以及投资者心理等诸多因素都可能使得期货价格产生不同程度的变化,本文基于模糊集合理论,运用一阶模糊时间序列模型对中国农产品期货指数进行预测,应用实例表明运用模糊时间序列模型可以对农产品期货短期内的价格指数进行较高精度的预测。

两种时间序列预测模型在风力发电量上的探究

根据全国月度风力发电量的历史数据,利用季节时间序列模型和模糊时间序列模型两种非平稳时间序列预测法对风力发电量进行预测,并与预留的2016年实际发电量数据进行对比,比较两种方法预测误差的方差MSE,优选预测模型.结果表明:模糊时间序列模型的预测误差较小,预测结果较为准确.该模型可作为预测风力发电量的有效工具.

自适应模糊ARDL时间序列半参数模型

传统的模糊最小二乘时间序列模型在包含异常值的模糊数据集中表现出较差的性能。通过引入异常值检测策略,提出了一种降低异常值对未来预测影响的方法。为此,本文介绍了一种基于半参数技术的自适应模糊自回归分布滞后(ARDL)时间序列模型,该模型将半参数技术与加权最小二乘结合,根据加权平方距离误差,提出了在存在异常值时确定精确系数的估计程序,然后利用迭代算法对模糊时间序列模型的参数进行了估计。本文还扩展了传统时间序列模型中常用的几种拟合优度准则,以比较所提出的模糊时间序列方法与现有方法的性能。通过实际例子,验证了本文方法的有效性。结果清楚地表明,在模糊数据存在潜在异常值的情况下,本文提出的模型对模糊时间序列数据的预测具有可行性和有效性,优于其他模糊时间序列模型。

基于BP神经网络的自适应模糊半参数时间序列模型

本文介绍了一种自适应模糊半参数时间序列模型,该模型将半参数技术与反向传播神经网络(BPNN)相结合,形成具有LR-型模糊数据的自适应模糊时间序列模型。首先,提出了基于非参数核、加权最小二乘和交叉验证的混合方法,该方法可以同时估计回归参数和光滑函数以及带宽的最优值;其次,基于非线性残差序列建立BP神经网络,通过神经网络的运算得到新的偏差,使得在不确定条件下获得更丰富的信息,提高了预测精度。本文采用一些常见的拟合优度准则来检验所提出的自适应模糊半参数时间序列模型的性能。通过一个模拟仿真的例子,说明了该方法的有效性。最后,对所得结果的统计分析表明,该模型对模糊时间序列数据的预测具有可靠性和有效性,优于其他模糊时间序列预测模型。

模糊时间序列预测法的改进及应用

根据我国外出务工劳动力月均收入的季度数据,运用改进后的模糊时间序列预测法和季节交乘趋向预测法对外出务工劳动力月均收入进行预测,并与预留的2016年和2017年的实际季度数据进行对比,比较两种预测方法的均方误差(RMSE),优选预测模型,预测结果表明:改进后的模糊时间序列预测模型具有较好的预测效果,可作为分析外出务工劳动力月均收入的有效工具。

内河航道视频监测和运量预测

为推动我国内河航运发展,在介绍其发展现状及存在问题的基础上,结合视频监测技术的应用发展,分析我国内河航运微观、中观和宏观预测的必要性,简要介绍采用模糊时间序列模型进行微观流量预测的优势,以及预测与监测结合对内河航运发展和航道管理的作用。

河北省鸡蛋价格数据挖掘及预测模型研究

河北省鸡蛋价格的波动趋势关乎着养殖户收入的增长和生活质量的提高,同时也是相关管理部门制订宏观调控政策的重要依据之一。为了预测河北省鸡蛋价格变化趋势,笔者在模糊时间序列模型和时间序列模型的基础上,针对模糊时间序列模型论域划分不清的问题,提出了改进方法。采用模糊数学中常用的数学模型,并结合2006年1月份一2017年10月份期间河北省各地市鸡蛋价格数据建立新的鸡蛋价格预测模型。通过比较预测价格与真实价格的偏离大小与离散程度,计算得到预测模型的相对误差为0.030,预测结果的均方根误差为2.136。结果表明:预测价格的变化趋势极相似于真实价格,因此可以通过预测价格和实际价格的比较分析河北省鸡蛋价格波动趋势,为日后鸡蛋价格预测提供良好基础。

区域交通安全倾向性预测模型研究

针对交通安全系统的多因素、多层次相互作用的模糊性和随机性,结合了时间序列和模糊理论的优点,构建了模糊时间序列预测模型。利用模糊时间序列预测模型,根据交通部门和公安部门等相关部门提供的区域交通安全度,对后续时期的交通安全度进行了倾向性预测。并对预测结果进行了检验,验证了模型的实用性,为相关部门预测区域交通安全状态及制定相关的交通安全预防措施提供了参考依据。