李生堂;郭树清;程一聪;陈志川 模糊时间序列的确定性向量长期预测。 (英语) Zbl 1191.62161号 模糊集系统。 161,第13期,1852-1870(2010). 摘要:在过去的十年中,模糊时间序列因其处理时间序列数据固有的模糊性和不完整性的能力而受到了更多的关注。虽然已经开发了各种改进,如高阶模型,以提高模糊时间序列的预测性能,但它们的预测能力大多局限于短期时间跨度和一步预测单个未来值。本文提出了一种新的方法来克服这一缺点,称为确定性向量长期预测(DVL)。提出的方法是在我们之前的确定性预测方法的基础上建立的[S.-T.李和Y.-C.Cheng(Y.-C.成),计算。数学。申请。53,第12号,1904–1920(2007年;Zbl 1121.62078号)]与其他高阶模型一样,这不需要确定订单号的开销,如果没有匹配的历史模式,则使用矢量量化技术来支持预测,这通常是长期预测的情况。通过与滑动窗口方案无缝集成,进一步实现了矢量预测方法。最后,通过对真实数据集进行蒙特卡罗模拟,验证并比较了DVL的预测有效性和稳定性。 引用于6文件 MSC公司: 62M20型 随机过程的推断与预测 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62M86型 随机过程和模糊推理 65二氧化碳 蒙特卡罗方法 62-04 统计相关问题的软件、源代码等 关键词:模糊时间序列;确定性预测;长期预测;矢量预测;矢量量化;蒙特卡罗模拟 引文:Zbl 1121.62078号 PDF格式BibTeX公司 XML格式引用 \textit{S.-T.Li}等人,《模糊集系统》。161,第13号,1852--1870(2010;Zbl 1191.62161) 全文: 内政部 参考文献: [1] Bezdek,J.C.,《使用模糊目标函数算法进行模式识别》(1981),Plenum:Plenum New York·Zbl 0503.68069号 [2] Bocklisch,S.F。;Pässler,M.,《模糊时间序列分析》(Hampel,R.;Wagenknecht,M.;Chaker,N.,《软计算-模糊控制进展》(2000),《物理-验证:物理-验证-海德堡》),331-345 [3] Chen,S.M.,基于模糊时间序列的招生预测,模糊集与系统,81311-319(1996) [4] Chen,S.M.,基于高阶模糊时间序列的招生预测,《控制论与系统:国际期刊》,33,1-16(2002)·Zbl 1012.62101号 [5] 陈S.M。;纽约州钟,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》,21485-501(2006)·Zbl 1088.6211号 [6] 陈S.M。;Hsu,C.C.,使用模糊时间序列预测入学人数的新方法,国际应用科学与工程杂志,2234-244(2004) [7] 陈S.M。;Hwang,J.R.,使用模糊时间序列进行温度预测,IEEE系统汇刊,人与控制论——B部分:控制论,30,263-275(2000) [8] Cheng,C.H。;Chang,J.R。;Yeh,C.A.,基于熵和梯形模糊化的模糊时间序列方法在it项目成本预测中的应用,技术预测与社会变化,73,524-542(2006) [9] Gray,R.,矢量量化,IEEE杂志,1,4-29(1984) [10] D.Hareter,《非精确数据的时间序列分析——第1部分》,载于《概率力学和结构可靠性第九届联合专业会议》,阿尔伯克基,2004年。;D.Hareter,《非精确数据的时间序列分析——第1部分》,载于《概率力学和结构可靠性第九届联合专业会议》,阿尔伯克基,2004年。 [11] Herrera,L.J。;波马雷斯,H。;罗哈斯,I。;A.吉伦。;Prieto,A。;Valenzuela,O.,使用高级模型进行长期时间序列预测的递归预测,神经计算,702870-2880(2007) [12] 徐义勇。;Tse,S.M。;Wu,B.,股票指数预测的双变量模糊时间序列分析新方法,国际不确定性、模糊性和基于知识的系统杂志,11,671-690(2003)·Zbl 1074.91530号 [13] Huarng,K.,《改进模糊时间序列预测的有效区间长度》,模糊集与系统,123,387-394(2001)·Zbl 0992.91077号 [14] Huarng,K.,预测模糊时间序列的启发式模型,模糊集与系统,123,369-386(2001)·Zbl 0992.91078号 [15] Huarng,K。;俞,香港,股票指数预测的二类模糊时间序列模型,Physica A,353445-462(2005) [16] Huang,K.(华荣,K.)。;Yu,T.H.K.,神经网络在模糊时间序列预测中的应用,物理A,363,481-491(2006) [17] Huarng,K。;Yu,T.H.K.,改进模糊时间序列预测的基于比率的区间长度,IEEE系统、人与控制论汇刊——B部分:控制论,36,328-340(2006) [18] Lee,C.H.L。;刘,A。;Chen,W.S.,财务预测模糊时间序列的模式发现,IEEE知识与数据工程汇刊,18613-625(2006) [19] Lee,L.W。;Wang,L.H。;Chen,S.M.,基于模糊逻辑关系和遗传算法的温度预测和TAIEX预测,应用专家系统,33,539-550(2007) [20] Lee,L.W。;Wang,L.H。;陈S.M。;Leu,Y.H.,基于双因素高阶模糊时间序列的预测问题处理,IEEE模糊系统汇刊,1468-477(2006) [21] Lendasse,A。;弗朗索瓦,D。;维尔茨,V。;Verleysen,M.,《矢量量化:时间序列预测的加权版本》,《未来一代计算机系统》,211056-1067(2005) [22] 李S.T。;Cheng,Y.C.,《招生预测的确定性模糊时间序列模型》,《计算机与数学及其应用》,531904-1920(2007)·Zbl 1121.62078号 [23] 李S.T。;Cheng,Y.C.,增强的确定性模糊时间序列预测模型,控制论与系统,40211-235(2009)·Zbl 1169.62080号 [24] 李,S.T。;Cheng,Y.C。;Lin,S.Y.,基于FCM的模糊时间序列确定性预测模型,计算机和数学及其应用,563052-3063(2008)·Zbl 1165.62342号 [25] F.Liu,P.Du,F.Weng,J.Qu,在金融时间序列预测中使用聚类改进神经网络,in:第三国际。自然计算大会,2007年。;F.Liu,P.Du,F.Weng,J.Qu,在金融时间序列预测中使用聚类来改进神经网络,在:第三内部。自然计算会议,2007年。 [26] 刘,H。;侯赛因,F。;Tan,C.L。;Dash,M.,《离散化:一种使能技术》,《数据挖掘和知识发现》,6393-423(2002) [27] Möller,B。;Reuter,U.,《使用模糊时间序列预测不确定结构响应》,《计算机与结构》,86,1123-1139(2008) [28] 自己,C.M。;Yu,P.T.,基于启发式高阶模型的模糊时间序列预测,控制论与系统:国际期刊,36705-717(2005)·兹比尔1080.62061 [29] Runkler,T.A.,《扩展解模糊方法及其性质》,IEEE汇刊,694-700(1996) [30] 西蒙,G。;Lendasse,A。;科特雷尔,M。;J.C.福特。;Verleysen,M.,《利用自组织映射预测长期趋势的时间序列》,《模式识别快报》,261795-1808(2005) [31] Singh,S.R.,基于模糊时间序列的稳健预测方法,应用数学与计算,188,472-484(2007)·Zbl 1118.65302号 [32] 宋,Q。;Chissom,B.S.,用模糊时间序列预测入学人数——第一部分,模糊集与系统,54,1-10(1993) [33] 宋,Q。;Chissom,B.S.,模糊时间序列及其模型,模糊集与系统,54,269-277(1993)·Zbl 0792.62087号 [34] 宋,Q。;Chissom,B.S.,《用模糊时间序列预测入学人数——第二部分,模糊集与系统》,62,1-8(1994) [35] 宋,Q。;Leland,R.P。;Chissom,B.S.,模糊数观测的新模糊时间序列模型,模糊集与系统,73341-348(1995)·Zbl 0852.62087号 [36] Sorjama,A。;Hao,J。;Reyhani,N。;纪毅。;Lendasse,A.,《时间序列长期预测方法》,神经计算,702861-2869(2007) [37] J·沙利文。;Woodall,W.H.,《模糊预测与马尔可夫模型的比较》,模糊集与系统,64,279-293(1994) [38] Weigend,A.S。;Gershenfeld,N.A.,《时代系列预测:预测未来和理解过去》(1994),艾迪森·韦斯利出版公司:艾迪森·韦斯利出版公司,马萨诸塞州雷丁 [39] Yu,H.K.,用于预测的精细模糊时间序列模型,Physica A,346,657-681(2005) [40] Yu,H.K.,加权模糊时间序列模型在TAIEX预测中的应用,Physica A,349,609-624(2005) [41] Zadeh,L.A.,《复杂系统和决策过程分析新方法概述》,IEEE系统、人与控制论汇刊,3,28-44(1973)·Zbl 0273.93002号 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。