关于协同组合预测方法的探讨.pdf

关于协同组合预测方法的探讨 耿建军 (德州学院数学系，山东德州253000) 摘 要：文章在协同网络的基础上提出了一种新的组合预测方法——协同组合预测，协同网络 有着深厚的数学物理基础，对比其他智能方法，如广义回归神经网络、支持向量回归、遗传算法等，结 果表明：协同网络具有运算速度快。运行时间短，预测精度高等优势。 关键词：协同学；组合预测；广义回归神经网络；支持向量回归 中囤分类号：F201．0415．2文献标识码：A 文章编号：1002—6487(2008)19-0035-03 O弓I育 2．1 组合预测的数学模型 设预测对象存在M个单项预测方法，利用这M个单项 对组合预测的系统研究始于上世纪60年代末期。1969预测方法得到的第i个单项预测方法的t时刻的预测值为 fl，i=l，2，…，M。 年计量经济学家J．M．Bate和C．W．J．GrangerllI提出组合预测方 法。由于组合预测方法产生的历史并不长，其模型和理论研 若预测值}“)满足： 究还不完善，有必要进一步加强研究。这对进一步丰富组合 预测方法，发展预测科学的理论以及加强科学管理等方面具 f(t)=￡-Ifl。+§af0…+专n‰ (1) 则称该组合预测为线性组合预测。 有重要意义。目前组合预测方法大多研究的是非线性智能组 合预测模型．本文将协同神经网络的思想和方法应用到组合 其中}(t)是t时刻的组合预测值，￡。。，缸，…，缸为各种预 经济预测中，在此基础上提出了新的组合预测模型——协同 测方法t时刻的加权系数，满足 组合预测，通过Matlab软件分别对同一实例应用不同的智能 方法．并将这些方法在操作复杂程度、网络运行时间、预测精 “．{。卒_l (2) 度等方面进行对比，得出协同组合预测操作简便，网络运行 【毛≥0；i=l，2，…。M；t=l，…，N 时间短。预测精度高的结论。 令考I-(毛，…，缸)，fI=(“，…，k)T，则(1)式可写为 f(t)=钞 (3) 1协同神经网络 2．2基于协同网络的组合预测的权重确定 设 协同神经网络(SNN，也称为协同计算机)‘2I是由状态随输 入信息而改变的许多子系统组成的复杂系统。每一个子系 统的动力学特征是由一个系统开始时系数未知的方程集来 ri；t 描述的。这样我们很自然考虑能否通过学习来确定这些系 数。每一个子系统通过一个单状态变量建模，而协同计算机 r～ 、．．。．．．．．。．．。．——．．．．．．．J 气；毛；0 ～；～；～ ‰；k；k ～；～；～ ‰；k；‰ 则是由单状态变量组成多维向量构成。构成状态向量的维 为各种单项预测方法在1-N时刻的预测值矩阵，其中，MN， 数通常很大．而Harken通过序参量将其转化为一个低维向则可得 量，序参量是通过协同计算机的状态向量和对应嵌入模式 fk=(fkl’．一，fh，…，心) 的伴随向量的内积定义的。整个系统的动力学特征由序参 对每一个fk进行标准化得 量的演化来决定，而序参量的维数要比子系统的维数小得 F。1 FIl…Fn…FIN 多。这样．通过序参量对协同计算机的图像联想函数进行计