基于算术平均最小贴近度和BP神经网络的变权组合预测模型研究

通过构造新的差值-比例矩阵,对2012年的沪铜期货价格建立了基于算术平均最小贴近度和BP神经网络的变权组合预测模型,并对沪铜期货价格进行了实证研究.结果表明,基于算术平均最小贴近度和BP神经网络的变权组合预测模型的预测精度明显高于各个单模型的预测精度,说明了此变权组合预测模型是有效的.

基于云模型间贴近度的相似度量法

在分析模糊理论与云理论的基础上,提出两种新的基于同类概念云模型间贴近度的定义与计算算法,并与其他相似的贴近度进行了比较分析。实验结果表明,所提出的算法形式简单,在算法精度和算法消耗上有明显优化,特别在云滴极少的情况下仍能保持良好的精度效果。将该方法应用于真实电影评价数据的分类中,具有较好的可行性和有效性。

基于新的相关性组合预测模型构建

文章通过预测中各数据按指标无量纲化处理,提出了贴近度等新的概念,构建了基于新的相关性指标的算术平均最小贴近度的组合预测模型。针对该模型,探讨了非劣性组合预测、优性组合预测、冗余预测方法的存在性和冗余信息的判定,从理论上研究了该模型的有效性。最后进行实证分析,表明该方法是可行性和有效性的。

安徽省人均可支配收入的预测——GIOWA算子的优化组合预测方法应用

以安徽省最近20年的人均可支配收入数据作为分析样本,运用GM(1,1)、ARIMA(p,d,q)和BP神经网络三种单项方法给出预测。这些单项预测方法在各个时点的预测精度不一,预测的稳定性欠佳,而对他们重新进行变权组合,构建基于算术平均最小贴近度的GIOWA算子优化组合预测方法,取得了比每个单项预测方法更加优良和稳定的效果,并将该方法应用于人均可支配收入的预测,效果理想,方法优良,值得推广。