资源描述：
《一种新的模糊自适应变权重组合预测算法_唐小我》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第26卷第3期电子科技大学学报Vol.26No.31997年6月JournalofUESTofChinaJun.1997*一种新的模糊自适应变权重组合预测算法**唐小我王景曹长修(电子科技大学管理学院成都610054)(重庆大学自动化系重庆630044)【摘要】模仿人的决策过程,提出了一种模糊自适应变权重组合预测算法。算法通过各个单项预测算法在过去和最近时期与实际观测值的匹配程度自动地调整权重的分配,是一种变权重组合预测算法。仿真结果表明该算法简单有效,跟踪迅速。关键词组合预测;模糊预测;自适应预测;算法中图
2、分类号F201;F224.0在预测实践中,不同的预测方法往往能提供不同的有用信息,将不同的预测方法进行适当的组合,综合利用各种预测方法所提供的预测信息,从而形成组合预测方法(Combinationforecasting,Combinedforecasting)。组合预测的关键是确定各个单项预测方法的加权系数。文献[1]给出了最优组合预测方法的计算公式,文献[2]证明了非负最优加权系数向量的确定问题,文献[3]提出了递推等权组合预测方法—REW(RecursiveEqualWeighting)法,文献[4]提出
3、了一种广义递归方差倒数组合预测方法,文献[5]给出了经济规划在非负权重最优组合预测计算中的应用。这些方法其计算量均较大,且未考虑权重的变化问题,从而妨碍了这些方法在实际中的有效应用。我们在研究人的决策过程时发现:人往往是在多方面给出的决策预案之间进行折衷,取舍则根据各方面表现出的可信度来进行。组合预测的思路与此类似:一种方法的可信度(权重)是根据该方法在过去和最近的表现进行综合评判的。本文模仿这一评判过程,提出一种模糊自适应变权重组合预测方法。仿真结果表明,该算法计算量小,误差精度明显优于其他算法。1算法介绍
4、采用组合预测的关键是确定各个单项预测方法的加权系数。对于同一问题,设共有n(n≥2)种预测方法。设y(i)为i时刻的实际观测值,其中i=1,2,…,n;fj(i)为i时刻第j种方法的预测值,其中j=1,2,…,n;i=1,2,…,n;ej(i)为i时刻第j种方法的预测误差,其中j=1,2,…,n;i=1,2,…,n;kjn(i)为i时刻求出的第j种方法的加权系数,其中j=1,2,…,n;i=1,2,…,n,∑kj(i)=1,0≤j=1nkj(i)≤1;f(i+1)为i+1时刻的组合预测值,其值为f(i+1)=
5、∑kj(i)fj(i+1),i=1,2,…,j=1n。对于第j种方法,其与实际观测值的匹配程度(权系数)kj由两个参数决定:最近几个采样周期预测误差绝对平均值的相对指标Ej和滚动的有限时域长度内预测误差绝对累计值的相对指标1996年5月27日收稿,1996年7月12日修改定稿*国家教委优秀年轻教师基金项目和国家自然科学基金资助项目**男41岁博士教授290电子科技大学学报第26卷EAj。下面给出其计算方法。1.1两个相对指标Ej,EAj的计算Ej,EAj的值由下面公式计算得到ej(i)=y(i)-fj(i)k
6、-1aj(i)=∑
7、ej(i-m)
8、/km=0l-1(1)sj(i)=∑
9、ej(i-m)
10、m=0Ej(i)=aj(i)/max(aj(i))1≤j≤nEAj(i)=sj(i)/max(sj(i))1≤j≤n式中i为当前采样时刻;k为取平均的周期数(k≥1);l为有限时域长度(l>k);aj(i)为采样时刻i第j种方法的k个预测误差绝对平均值;sj(i)为采样时刻i第j种方法的l个预测误差绝对累计值。1.2权系数kj(i)的计算~~根据式(1),Ej(i),EAj(i)的值区间为[0,1],将kj(i)的取值范
11、围也定为该区间。设Ej(i),EAj~(i),kj(i)分别是Ej(i),EAj(i),kj(i)的模糊值,论域相同。其上定义相同的模糊子集:很小(VS)、较小(MS)、小(SS)、中(MM)、大(LL)、较大(ML)、很大(VL)…,则有如下一些关于权系数kj(i)的模糊语言推理规则~~~ifEj(i)=VSandEAj(i)=VSthenkj(i)=VL(2)~~~ifEj(i)=VLandEAj(i)=VLthenkj(i)=VS(3)……据此可以建立匹配程度的取值状态表。若各模糊子集分别由其核元素代表
12、,则权系数的推理可用一个带修正因子T的公式来表示~’~~kj(i)=-[TEj(i)+(1-T)EA(i)]0≤T≤1(4)式中T反映对最近预测情况的侧重程度。显然,式(4)完全反映了关于权系数的模糊语言推理规则,而且也避免了推理规则定义中的空档或跳变现象,所以这种带修正因子的量化描述方法是合理及可行的,并且运算极其简便。~~~’Ej(i),EAj(i)的论域为[0,1],故kj(i)的论域为[-1
