奥兹格·卡加格·尤尔库 基于模糊聚类和单乘性神经元模型的人工神经网络的混合模糊时间序列方法。 （英语） Zbl 1299.62090号 数学。问题。工程师。 2013年，文章ID 560472，9 p.（2013）。 总结：特别是近年来，人工智能优化技术被用于使模糊时间序列方法更加系统化，并提高预测性能。此外，一些模糊聚类方法和不同结构的人工神经网络分别用于观测的模糊化和模糊关系的确定。在考虑隶属度的方法中，隶属度值是主观确定的，或者系统的模糊输出是通过在关系识别中考虑隶属度值之间的关系来获得的。这就需要去模糊化步骤，并增加了模型误差。在本研究中，使用Gustafson-Kessel模糊聚类技术更系统地获得了隶属度值。将带有单乘性神经元模型的人工神经网络用于模糊关系的识别，通过从时间序列的实际观测值中构造目标值，消除了结构选择问题以及解模糊步骤的必要性。采用粒子群优化算法对用于模糊关系步长辨识的单乘性神经元模型人工神经网络进行训练。使用不同的时间序列实现了该方法，并将结果与以前的研究进行了比较，以验证该方法的性能。 引用于三文件 MSC公司： 62M86型 随机过程和模糊推理 62M10个 统计学中的时间序列、自相关、回归等（GARCH） PDF格式BibTeX公司 XML格式引用 \textit{O.C.Yolcu}，数学。问题。Eng.2013，文章ID 560472，9 p.（2013；Zbl 1299.62090） 全文： 内政部 参考文献： [1] M.Li、C.Cattani和S.-Y.Chen，“通过具有长记忆的一维随机函数查看海平面”，《工程中的数学问题》，2011年第卷，文章编号654284，13页，2011年·doi:10.1155/2011/654284 [2] M.Li、Y.Q.Chen、J.Y.Li和W.Zhao，“海平面的霍尔德比例尺”，《工程数学问题》，2012年第卷，文章编号863707，22页，2012年·doi:10.1155/2012/863707 [3] M.Li和W.Zhao，“关于1/f噪声”，《工程中的数学问题》，2012年，第673648卷，第23页，2012年·Zbl 1264.94060号 ·doi:10.1155/2012/673648 [4] M.Li、W.Zhao和B.Chen，“重尾预测误差：预测1/f噪声型生物医学信号的困难”，《医学中的计算和数学方法》，2012年，第291510卷，第5页，2012年·Zbl 1261.92029号 ·doi:10.1155/2012/291510 [5] Q.Song和B.S.Chissom，“用模糊时间序列预测入学人数第一部分”，《模糊集与系统》，第54卷，第1期，第1-9页，1993年·Zbl 0792.62087号 [6] L.A.Zadeh，“模糊集”，《信息与计算》，第8卷，第338-353页，1965年·Zbl 0139.24606号 ·doi:10.1016/S0019-9958（65）90241-X [7] Q.Song和B.S.Chissom，“模糊时间序列及其模型”，《模糊集与系统》，第54卷，第3期，第269-277页，1993年·Zbl 0792.62087号 ·doi:10.1016/0165-0114（93）90372-O [8] Q.Song和B.S.Chissom，“用模糊时间序列预测入学人数第二部分”，《模糊集与系统》，第62卷，第1期，第1-8页，1994年。 [9] S.-M.Chen，“基于模糊时间序列的招生预测”，《模糊集与系统》，第81卷，第3期，第311-319页，1996年。 [10] S.-M.Chen，“基于高阶模糊时间序列的招生预测”，《控制论与系统》，第33卷，第1期，第1-16页，2002年·Zbl 1012.62101号 ·doi:10.1080/019697202753306479 [11] K.Huang，“改进模糊时间序列预测的有效间隔长度”，《模糊集与系统》，第123卷，第3期，第387-3942001页·Zbl 0992.91077号 ·doi:10.1016/S0165-0114（00）00057-9 [12] E.Egrioglu、C.H.Aladag、M.A.Basaran、U.Yolcu和V.R.Uslu，“基于模糊时间序列中间隔长度优化的新方法”，《智能与模糊系统杂志》，第22卷，第1期，第15-19页，2011年·Zbl 05984567号 ·doi:10.3233/IFS-2010-0470 [13] K.Huarng和T.H.-K.Yu，“基于比率的区间长度以改进模糊时间序列预测”，IEEE系统、人与控制论学报B，第36卷，第2期，第328-340页，2006年·doi:10.1109/TSMCB.2005.857093 [14] U.Yolcu、E.Egrioglu、V.R.Uslu、M.A.Basaran和C.H.Aladag，“确定模糊时间序列间隔长度的新方法”，《应用软计算杂志》，第9卷，第2期，第647-6512009页·Zbl 05984567号 ·doi:10.1016/j.asoc.2008.09.002 [15] I.-H.Kuo、S.-J.Hong、T.-W.Kao、T.-L.Lin、C.-L.Lee和Y.Pan，“基于模糊时间序列和粒子群优化的招生预测改进方法”，《应用专家系统》，第36卷，第3期，第6108-6117页，2009年·doi:10.1016/j.eswa.2008.07.043 [16] I.-H.Kuo，S.-J.Horn，Y.-H.Chen等人，“基于模糊时间序列和粒子群优化的TAIFEX预测”，《应用专家系统》，第37卷，第2期，第1494-15022010页·doi:10.1016/j.eswa.2009.06.102 [17] S.Davari、M.H.F.Zarandi和I.B.Turksen，“基于粒子群插值的改进模糊时间序列预测模型”，《第28届北美模糊信息处理学会学报》（NAFIPS’09），第1-5页，美国俄亥俄州辛辛那提，2009年6月·doi:10.1109/NAFIPS.2009.5156420 [18] J.-I.Park、D.-J.Lee、C.-K.Song和M.-G.Chun，“基于双因素高阶模糊时间序列和粒子群优化的TAIFEX和KOSPI 200预测”，《应用专家系统》，第37卷，第2期，第959-967页，2010年·doi:10.1016/j.eswa.2009.05.081 [19] L.-Y.Hsu，S.-J.Hong，T.-W.Kao等人，“基于模糊关系和MTPSO技术的温度预测和TAIFEX预测”，《应用专家系统》，第37卷，第4期，第2756-2770页，2010年·doi:10.1016/j.eswa.2009.09.015 [20] E.Egrioglu、U.Yolcu、C.H.Aladag和C.Kocak，“基于粒子群优化的ARMA型模糊时间序列预测方法”，《工程数学问题》，2013年第卷，文章编号935815，12页，2013年·Zbl 1299.62088号 ·doi:10.1155/2013/935815 [21] S.-M.Chen和N.-Y.Chung，“使用高阶模糊时间序列和遗传算法预测入学人数”，《国际智能系统杂志》，第21卷，第5期，第485-501页，2006年·兹比尔1088.62111 ·doi:10.1002/int.20145 [22] L.-W.Lee、L.-H.Wang和S.-M.Chen，“基于模糊逻辑关系和遗传算法的温度预测和TAIFEX预测”，《应用专家系统》，第33卷，第3期，第539-550页，2007年·doi:10.1016/j.eswa.2006.05.015 [23] L.-W.Lee、L.-H.Wang和S.-M.Chen，“基于高阶模糊逻辑关系和遗传模拟退火技术的温度预测和TAIFEX预测”，《专家系统与应用》，第34卷，第1期，第328-3362008页·doi:10.1016/j.eswa.2006.09.007 [24] C.-H.Cheng、G.-W.Cheng和J.-W.Wang，“基于模糊聚类的多属性模糊时间序列方法”，《应用专家系统》，第34卷，第2期，第1235-1242页，2008年·doi:10.1016/j.eswa.2006.12.013 [25] 李世通，郑永昌，林世友，“基于模糊数模的模糊时间序列确定性预测模型”，《计算机与数学应用》，第56卷，第12期，第3052-3063页，2008年·Zbl 1165.62342号 ·doi:10.1016/j.camwa.2008.07.033 [26] C.H.Aladag、U.Yolcu、E.Egrioglu和A.Z.Dalar，“基于粒子群优化的新型时不变模糊时间序列预测方法”，《应用软计算》，第12卷，第3291-3299页，2012年。 [27] F.Alpaslan、O.Cagcag、C.H.Aladag、U.Yolcu和E.Egrioglu，“一种新颖的季节性模糊时间序列方法”，《Hacettepe数学与统计杂志》，第41卷，第3期，第375-385页，2012年·兹比尔1278.62137 [28] E.Egrioglu、C.H.Aladag和U.Yolcu，“基于模糊C-均值和人工神经网络的混合模糊时间序列预测模型”，《应用专家系统》，第40卷，第854-857页，2013年·Zbl 1372.62039号 [29] F.Alpaslan和O.Cagcag，“基于gustafson-kessel模糊聚类的季节性模糊时间序列预测方法”，《社会经济统计杂志》，第2卷，第1期，第1-13页，2012年。 [30] J.Sullivan和W.H.Woodall，“模糊预测和马尔可夫建模的比较”，《模糊集与系统》，第64卷，第3期，第279-293页，1994年。 [31] K.Huarng和T.H.-K.Yu，“神经网络在预测模糊时间序列中的应用”，《物理学A》，第363卷，第2期，第481-491页，2006年·doi:10.1016/j.physa.2005.08.014 [32] C.H.Aladag、M.A.Basaran、E.Egrioglu、U.Yolcu和V.R.Uslu，“使用神经网络定义模糊关系，预测高阶模糊时间序列”，《应用专家系统》，第36卷，第3期，第4228-4231页，2009年·doi:10.1016/j.eswa.2008.04.001 [33] T.H.-K.Yu和K.-H.Huarng，“基于神经网络的模糊时间序列模型改进预测”，《应用专家系统》，第37卷，第4期，第3366-3372页，2010年·doi:10.1016/j.eswa.2009年10月13日 [34] U.Yolcu、C.H.Aladag、E.Egrioglu和V.R.Uslu，“用新型模糊时间序列方法进行时间序列预测：斯坦布尔股市的实例”，《计算与统计模拟杂志》，第83卷，第4期，第597-610页，2013年·Zbl 1431.62486号 [35] C.H.Aladag，“使用乘法神经元模型建立模糊逻辑关系”，《应用专家系统》，第40卷，第850-853页，2013年。 [36] E.Egrioglu、C.H.Aladag、U.Yolcu、M.A.Basaran和V.R.Uslu，“基于SARIMA和部分高阶双变量模糊时间序列预测模型的新混合方法”，《应用专家系统》，第36卷，第4期，第7424-7434页，2009年·doi:10.1016/j.eswa.2008.09.040 [37] V.R.Uslu、C.H.Aladag、U.Yolcu和E.Egrioglu，“预测季节性模糊时间序列的新混合方法”，载于《国际计算机科学与工程会议论文集》，第1152-1158页，2010年·Zbl 1431.62486号 [38] S.Aladag、C.H.Aladag、T.Mentes和E.Egrioglu，“基于乘法神经元模型和SARIMA的新季节性模糊时间序列方法”，《Hacettepe数学与统计杂志》，第41卷，第3期，第337-3452012页·Zbl 1278.62158号 [39] J.Kennedy和R.Eberhart，“粒子群优化”，《IEEE神经网络国际会议论文集》，第1942-1948页，1995年12月。 [40] 马友友、江春江、侯振中和王春华，“基于粒子群优化算法的发电商优化策略的制定”，《IEEE电力系统汇刊》，第21卷，第4期，第1663-1671页，2006年·doi:10.1109/TPWRS.2006.883676 [41] Y.Shi和R.C.Eberhart，“粒子群优化的实证研究”，载于《进化计算大会论文集》（CEC’99），第3卷，第1945-1950页，1999年。 [42] D.E.Gustafson和W.C.Kessel，“带有模糊协方差矩阵的模糊聚类”，《IEEE决策和控制会议记录，包括第17届自适应过程研讨会》，第761-766页，美国加利福尼亚州圣地亚哥，1979年1月·兹比尔0448.62045 [43] R.N.Yadav、P.K.Kalra和J.John，“单乘性神经元模型的时间序列预测”，《应用软计算杂志》，第7卷，第4期，第1157-1163页，2007年·doi:10.1016/j.asoc.2006.01.003 [44] L.Zhao和Y.Yang，“基于PSO的单乘性神经元时间序列预测模型”，《应用专家系统》，第36卷，第2期，第2805-2812页，2009年·doi:10.1016/j.eswa.2008.01.061 [45] K.-H.Huarng、T.H.-K.Yu和Y.W.Hsu，“模糊时间序列预测的多元启发式模型”，IEEE系统、人与控制论学报B，第37卷，第4期，第836-846页，2007年·doi:10.1109/TSMCB.2006.890303 [46] S.-M.Chen和Y.-C.Chang，“基于模糊聚类和模糊规则插值技术的多变量模糊预测”，《信息科学》，第180卷，第24期，第4772-4783页，2010年·doi:10.1016/j.ins.2010.08.026 [47] S.-M.Chen和C.-D.Chen，“基于模糊时间序列和模糊变量组的TAIEX预测”，《IEEE模糊系统汇刊》，第19卷，第1期，第1-12页，2011年·doi:10.1109/TFUZZ.2010.2073712 [48] S.-M.Chen、H.-P.Chu和T.-W.Sheu，“使用模糊时间序列和自动生成的多因素权重进行TAIEX预测”，IEEE系统、人与控制论学报A部分，第42卷，第6期，第1485-1495页，2012年·doi:10.1109/TSMCA.2012.2190399 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。