12809.基于模糊理論的時間序列預測研究

1、博士學位論文基于模糊理論的時間序列預測研究TimeSeriesPredictionBasedonFuzzyTheory作者姓名：王威娜學號：11009040指導教師：劉曉東教授學科、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DalianUniversityofTechnology大連理工大學博士學位論文摘要由于時間序列預測能夠為人們提供良好的決策支持，使其在眾多領域得到廣泛應用。為了能夠對數(shù)據(jù)不完整和含糊的情況進

2、行預測，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注。本文在對模糊時間序列和時間序列預測模型的研究基礎之上，得到了一些新的結果和研究方法，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，過分強調精確性而可解釋性較差的預測模型已經(jīng)不能完全滿足時間序列預測的實際應用需求。這就迫切需要提出具有高準確率的同時還具有可解釋性的時間序列預測模型。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

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。并利用AFS分類器產(chǎn)生模糊趨勢的語義解釋，使得預測模型更容易被人理解。在預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)典時間序列分析結合，提出一個基于趨勢預測和自回歸模型的模糊時間序列預測模型。該模型能夠挖掘時間序列中顯著的變化趨勢，并利用AR(2)模型確定預測數(shù)據(jù)的波動量，從而得到最終的預測值。將提出的

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

5、解。在第二個模型中，結合模糊聚類提出一個新的時間序列預測模型。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，利用此算法對構造的時間序列數(shù)據(jù)進行聚類，并根據(jù)聚類結果實施預測。所提出的兩個單步時間序列預測模型都被應用到臺灣股指時間序列上，實驗結果表明了模型的有效性，并得到比同類模型更好的預測結果。3隨著人們研究的深入，多步預測比單步預測有著更重要的理論和實用價