12809.基于模糊理論的時間序列預(yù)測研究

1、博士學(xué)位論文基于模糊理論的時間序列預(yù)測研究TimeSeriesPredictionBasedonFuzzyTheory作者姓名：王威娜學(xué)號：11009040指導(dǎo)教師：劉曉東教授學(xué)科、專業(yè)：控制理論與控制工程答辯日期：2016年5月26日大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)博士學(xué)位論文摘要由于時間序列預(yù)測能夠為人們提供良好的決策支持，使其在眾多領(lǐng)域得到廣泛應(yīng)用。為了能夠?qū)?shù)據(jù)不完整和含糊的情況進(jìn)

2、行預(yù)測，模糊時間序列被提出。隨著數(shù)據(jù)時代的到來，時間序列和模糊時間序列模型受到了越來越多的關(guān)注。本文在對模糊時間序列和時間序列預(yù)測模型的研究基礎(chǔ)之上，得到了一些新的結(jié)果和研究方法，主要包括如下幾個方面的工作：1隨著信息化的深入發(fā)展，過分強(qiáng)調(diào)精確性而可解釋性較差的預(yù)測模型已經(jīng)不能完全滿足時間序列預(yù)測的實際應(yīng)用需求。這就迫切需要提出具有高準(zhǔn)確率的同時還具有可解釋性的時間序列預(yù)測模型。針對上述問題，提出基于自動聚類和公理模糊集的模糊時間序列預(yù)

3、測模型。該模型利用自動聚類算法根據(jù)樣本的分布情況產(chǎn)生不同長度的劃分區(qū)間，克服了靜態(tài)區(qū)間長度的缺點(diǎn)。并利用AFS分類器產(chǎn)生模糊趨勢的語義解釋，使得預(yù)測模型更容易被人理解。在預(yù)測的過程中能夠得到模糊趨勢，這為決策者提供了可靠的依據(jù)。然后，將模糊時間序列和經(jīng)典時間序列分析結(jié)合，提出一個基于趨勢預(yù)測和自回歸模型的模糊時間序列預(yù)測模型。該模型能夠挖掘時間序列中顯著的變化趨勢，并利用AR(2)模型確定預(yù)測數(shù)據(jù)的波動量，從而得到最終的預(yù)測值。將提出的

4、兩個模糊時間序列預(yù)測模型分別應(yīng)用到現(xiàn)實中的時間序列上，并將實驗結(jié)果與其他同類預(yù)測模型進(jìn)行比較，得到了較好的預(yù)測結(jié)果。2分別結(jié)合模糊數(shù)據(jù)挖掘和模糊聚類提出兩個單步時間序列預(yù)測模型。在第一個模型中，根據(jù)越新發(fā)生與現(xiàn)在的關(guān)系越密切的原則，利用仿射傳播算法對子序列進(jìn)行聚類，從而確定最后的子序列所屬的類別，即找到與預(yù)測樣本關(guān)系最密切的子序列類。在此基礎(chǔ)上，利用模糊數(shù)據(jù)挖掘技術(shù)產(chǎn)生語義規(guī)則，并將得到的規(guī)則用于預(yù)測，這使得預(yù)測過程更透明更容易被人們理

5、解。在第二個模型中，結(jié)合模糊聚類提出一個新的時間序列預(yù)測模型。首先，為了克服傳統(tǒng)聚類算法對數(shù)據(jù)維度的限制，同時能更準(zhǔn)確地度量時間序列之間的相似性，提出基于動態(tài)彎曲的模糊C均值聚類算法。然后，利用此算法對構(gòu)造的時間序列數(shù)據(jù)進(jìn)行聚類，并根據(jù)聚類結(jié)果實施預(yù)測。所提出的兩個單步時間序列預(yù)測模型都被應(yīng)用到臺灣股指時間序列上，實驗結(jié)果表明了模型的有效性，并得到比同類模型更好的預(yù)測結(jié)果。3隨著人們研究的深入，多步預(yù)測比單步預(yù)測有著更重要的理論和實用價