基于混合模型的模糊时间序列预测的研究-论文.pdf

《基于混合模型的模糊时间序列预测的研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第3期辽宁工业大学学报(自然科学版)、，0l-35．NO．320l5年6月JournalofLiaoningUniversityofTechnology(NaturalScienceEdition)Jun．2015DOI：10．15916／j．issn1674-3261．2015．03．016基于混合模型的模糊时间序列预测的研究秦田田，王涛，郭小蕾，范秋枫(辽宁工业大学理学院辽宁锦州121001)摘要：将移动自回归模型，减法聚类，神经网络，模糊逻辑系统相结合，设计基于模糊时间序列预测的混合系统模型，基于所设计的混合模型研究居民消费价格指数(

2、CPI)的模糊时间序列预测问题，应用BP算法调整系统参数，并给出仿真研究。仿真结果表明，所设计的混合模型应用于CPI的模糊时间序列预测是可行的与有效的。关键词：时间序列；移动自回归模型；模糊逻辑系统；神经网络；BP算法中图分类号：TP3l1文献标识码：A文章编号：1674．3261(2015)03—0200．06ResearchonFuzzyTimeSeriesPredictionBasedonHybridModelQINTian-tian，WANGTao，GUOXiao-lei，FANQiu—feng(ScienceCollege，Liaonin

3、gUniversityofTechnology,Jinzhou121001，China)Abstract：Autoregressiveintegratedmovingaveragemodel，subtractiveclustering，neuralnetwork，andfuzzylogicsystemwerecombined，akindofhybridsystemmodelbasedontimeseriespredictionwasdesigned，fuzzytimeseriespredictionproblemofCP1wasstudiedbas

4、edonthehybridmodelandBPalgorithmwasappliedtoadjustingthesystemparameters，andthesimulationresearchwasgiven．ThesimulationresultsshowthatthedesignofthehybridmodelwhichwasappliedtofuzzytimeseriespredictionofCPIisfeasibleandefective．Keywords：timeseries；autoregressiveintegratedmovin

5、gaveragemodel；fuzzylogicsystem；neuralnetwork；back_pfopagationalgorithm在时间序列预测领域，解决预测问题最有力的方法是不仅要能准确的进行预测，还要能发现时间序列的动态行为和揭示动态现象背后的规律。时间序列分析预测法是系统预测的最基本的方法。目前时间序列预测法有：简单序时平均数法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预测法、模糊逻辑系统预测等。这些方法各有利弊，没有哪个方法是最好的预测方法。AutoregressiveI

6、ntegratedMovingAverageModel(ARIMA)模型全称为自回归移动平均模型，是由Box和Jenkins于20世纪70年代初提出的著名时间序列预测方法。ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。模糊神经网络(FuzzyNeuralNetwork)是在神经网络(NeuralNetwork)和模糊系统(FuzzySystem)的基础上发展起来的，二者的融合弥补了神经网络在模糊数据处理方面的不足

7、和模糊逻辑在学习方面的缺陷，是一个集语言计算、逻辑推理、分布式处理和非线性动力学过程于一身的系统。当前模糊神经网络的研究主要集中在模糊神经网络的学习算法，FNN结构及确定，模糊规则的提取与细化，模糊神经网络在自适应收稿日期：2014—12—08基金项目：辽宁省高人才资助项目(2012921055)作者简介：秦田田(1989一)，女，河南三门峡人，硕士生。王涛(1967一)，女，辽宁锦州人，教授，硕士。第3期秦田田等：基于混合模型的模糊时间序列预测的研究‘201控制、预测控制中的应用等。各种类型的模糊神经网络学习算法的共同方面是：结构学习和参数学习两

8、部分，结构学习是指按照一定的性能要求确定模糊系统的推理规则的条数，每条规则的前提和结论的隶属度函数以及由清晰化得到具体的规