幾種集成預測模型及其應用.pdf

1、碩士學位論文碩士學位論文幾種集成預測模型及其應用幾種集成預測模型及其應用SomeEnsembleFecastingModelsTheirApplications姓名姓名李國成李國成學科專業(yè)學科專業(yè)應用數(shù)學應用數(shù)學研究方向研究方向計算機應用計算機應用指導教師指導教師吳濤吳濤完成時間完成時間2009年5月2009年5月I摘要預測是決策的前提，任何成功的決策都離不開科學的預測。預測因涉及的不確定因素眾多而顯得格外復雜。預測方法雖然很多，但是沒

2、有一個是完美的和普遍適用的。探索新的預測方法或預測體系成為相關領域的研究熱點。集成預測技術作為一種新型的研究問題的方法之一，其核心是對同一個對象采用若干個而不是單一的學習機器進行學習和預測，并對各學習機器的預測結(jié)果進行綜合，以期得到較為全面和可靠的預測。集成預測技術的關鍵在于探索各學習機器之間的組織機制。研究表明該方法能夠顯著地改善學習系統(tǒng)的泛化能力，提高預測精度。本文通過對灰色系統(tǒng)理論、BP神經(jīng)網(wǎng)絡、粗糙集理論和支持向量機的深入研究，

3、分析各自的優(yōu)點與不足，研究如何用灰色系統(tǒng)理論、人工神經(jīng)網(wǎng)絡技術、粗糙集理論和支持向量機等來構造集成預測模型，并將相應的算法進行集成，從而實現(xiàn)集成預測。主要完成以下工作：1、對常規(guī)的預測技術以及幾種新型的預測技術進行綜述，指出各種預測方法在實際應用中的成功與不足，提出集成預測模型思想，討論如何有效地應用基于灰色系統(tǒng)理論、神經(jīng)網(wǎng)絡、粗糙集理論和支持向量機等的預測技術來構造出相應的集成預測模型，對可能的集成方式方法作了初步探討。2、在深入研究

4、GM(11)模型和BP網(wǎng)絡模型的建模原理和充分討論了各自的優(yōu)缺點的基礎上建立了一個灰色人工神經(jīng)網(wǎng)絡(GANN)集成預測模型充分利用灰色系統(tǒng)弱化數(shù)據(jù)的隨機性及其動態(tài)性和神經(jīng)網(wǎng)絡非線性映射的特性發(fā)揮兩者的優(yōu)勢從而在一定程度上提高預測精度。3、將粗糙集理論和人工神經(jīng)網(wǎng)絡相結(jié)合，通過應用粗糙集理論實現(xiàn)數(shù)據(jù)的約簡和規(guī)則的約簡，并最終把約簡后的規(guī)則輸入神經(jīng)網(wǎng)絡，建立粗集神經(jīng)網(wǎng)絡(RSNN)預測模型。該模型汲取粗糙集理論在去除冗余屬性和冗余樣本、壓縮